Επιλογή Χαρακτηριστικών Και Κατηγοριοποίηση Ιατρικών Δεδομένων Από Υπέρυθρη Φασματοσκοπία

Abstract

Σκοπός της εργασίας αυτής ήταν η ανάπτυξη ενός πλήρους συστήματος κατηγοριοποίησης δεδομένων. Το σύστημα αυτό χρησιμοποιήθηκε για την κατηγοριοποίηση δεδομένων που έχουν προέλθει από εφαρμογή της υπέρυθρης (IR) φασματοσκοπίας. Χωρίζεται στα επιμέρους υποσυστήματα προεπεξεργασίας δεδομένων, επιλογής χαρακτηριστικών και κατηγοριοποίησης.Για την υλοποίηση κάθε ενός εξ’ αυτών χρησιμοποιήθηκε μια πληθώρα μεθόδων διαφορετικής φύσης, με στόχο την εύρεση του συνδυασμού που θα επιτύγχανε τα μεγαλύτερα ποσοστά επιτυχίας. Πιο συγκεκριμένα, στο τμήμα της προεπεξεργασίας έγινε χρήση κανονικοποίησης και παραγώγισης, στο τμήμα επιλογής χαρακτηριστικών έγινε υλοποίηση των αλγορίθμων Sequential Forward Floating Search (SFFS) και Hybrid Genetic Algorithm (HGA), ενώ για την κατηγοριοποίηση χρησιμοποιήθηκαν οι K-means, SVM, Νευρωνικά Δίκτυα, FCM, K-NN και μια επιτροπή που συνδύαζε αποτελέσματα από τους παραπάνω χρησιμοποιώντας βάρη.Έπειτα από μια εισαγωγή στις έννοιες της IR φασματοσκοπίας και της εφαρμογής της σε ιατρικά δεδομένα, τοποθετήθηκε το θεωρητικό υπόβαθρο πάνω στο οποίο στηρίζεται κάθε μέθοδος και στη συνέχεια έγινε πλήρης αποτίμηση της ικανότητας κάθε αλγορίθμου να ανταπεξέλθει στο ρόλο του, για το συγκεκριμένο σύνολο δεδομένων, δίνοντας έμφαση στον τρόπο που η κάθε παράμετρος του επηρεάζει την απόδοση. Τέλος, αξιολογήθηκαν οι διάφοροι συνδυασμοί των παραπάνω στο πλαίσιο της σύνθεσης του γενικότερου συστήματος, αναφέρθηκαν τα συμπεράσματα που προέκυψαν και με βάση αυτά έγιναν προτάσεις για μελλοντική έρευνα.