Wyniki wyszukiwania - BazTech

1

Basic multivariate statistical methods for environmental monitoring data mining: introductory course for master students

Simeonov Vasil

Chemistry-Didactics-Ecology-Metrology

|

2020

|

R. 25, NR 1-2

35--56

EN

The present introductory course of lectures summarizes the principles and algorithms of several widely used multivariate statistical methods: cluster analysis, principal components analysis, principal components regression, N-way principal components analysis, partial least squares regression and self-organizing maps with respect to their possible application in intelligent analysis, classification, modelling and interpretation to environmental monitoring data. The target group of possible users is master program students (environmental chemistry, analytical chemistry, environmental modelling and risk assessment etc.).

2

Fuzzy classification of medical data derived from diagnostic devices

Byczkowska-Lipińska L., Wosiak A.

Przegląd Elektrotechniczny

|

2016

|

R. 92, nr 12

85--88

EN

The research described in this paper concerns fuzzy classification of medical datasets obtained from diagnostic devices. Experimental studies were performed with use of fuzzy c-means algorithm. It was shown that despite the low accuracy of the results, fuzzy classification reduce the risks associated with the loss of internal relationships in the characteristics of the data, and thus increases the chances of finding the pathological cases, as well as taking preventive actions or therapy.

PL

W ramach niniejszej pracy przeprowadzona została klasyfikacja rozmyta w odniesieniu do medycznych zbiorów danych pozyskanych z urządzeń diagnostycznych. Zastosowana została rozmyta metoda k-średnich. Badania wykazały, że pomimo niskiej dokładności rezultatów, klasyfikacja rozmyta zmniejsza ryzyko związane z utratą wewnętrznych zależności w charakterystyce danych, a tym samym zwiększa szanse na stwierdzenie ryzyka patologii i tym samym szybsze podjęcie działań zapobiegawczych lub terapeutycznych.

3

Możliwości wykorzystania eksploracyjnej analizy danych w przedsięwzięciach inżynieryjnych

Szelka J., Wrona Z.

Czasopismo Inżynierii Lądowej, Środowiska i Architektury / Journal of Civil Engineering, Environment and Architecture

|

2016

|

z. 63, nr 1/I

213--220

PL

Wszystkie kategorie procesów informacyjno-decyzyjnych, realizowanych w obszarze przedsięwzięć inżynieryjnych, wymagają gromadzenia i przetwarzania znacznych ilości danych. Systemy baz danych, eksploatowane w obszarze tych przedsięwzięć, wykorzystuje się niemal wyłącznie do bieżącego przetwarzania informacji. Ich wykorzystanie do celów analitycznych ogranicza się do analiz całkowicie sterowanych przez użytkownika (inżyniera). Natomiast, w wielu obszarach zarządzania, w przechowywanych zasobach danych dostrzega się ogromny potencjał analityczny i dokonuje się z powodzeniem ich zautomatyzowanej eksploracji, pozyskując w ten sposób nową wiedzę (odkrywając nietrywialne, nieznane wcześniej prawidłowości). Wydaje się, że nie ma przeszkód, by podobne działania realizować także w obszarze przedsięwzięć inżynieryjnych, odkrywając nowe klasyfikacje, asocjacje, czy identyfikując sekwencje zdarzeń. Zautomatyzowana eksploracja danych często okazuje się jedynym sposobem wyszukiwania prawidłowości w ogromnych zbiorach danych, których człowiek nie jest w stanie przeanalizować. Specyfika przedsięwzięć inżynieryjnych (znaczna złożoność, niejednorodność a często także niepowtarzalność sytuacji problemowych) narzuca przy tym określone ograniczenia na poszczególne etapy takiej analizy. W opracowaniu przybliżono uwarunkowania stosowania eksploracyjnej analizy danych w przedsięwzięciach inżynieryjnych, nakreślono zakres przedsięwzięć niezbędnych do wykonania w poszczególnych jej etapach oraz wskazano narzędzia umożliwiające programową realizację tego typu przedsięwzięć.

EN

In all categories of information-based decision-making processes implemented in the area of engineering, a significant amount of data must be gathered and processed. Parameters of engineering equipment, as well as data gathered, inter alia, during analysis, design and construction of engineering objects or systems for monitoring engineering structures are stored mainly in operational databases. Database systems utilized in the area of engineering are used almost exclusively for ongoing information processing. Their use for analytical purposes is limited to analyses entirely directed by the user (engineer). On the other hand, in many areas of management, pools of stored data are valued for their immense analytical potential, and their automated exploration is successfully conducted, yielding new knowledge (bringing out extraordinary, hitherto unknown regularities). There is no reason to believe that such activities would not be feasible also in the area of engineering, where they would produce discoveries of new classifications, associations, or identification of sequences of events. Automated exploration of data often turns out to be the only way of looking for regularities in pools of data which are too large for a human being to analyze. The character of engineering projects (their high complexity, heterogeneity, and often the uniqueness of the problem situation) imposes specific restrictions on each phase of such analysis. This study explains conditions for use of exploratory data analysis in engineering projects, delineates the scope of activities which have to be undertaken on its consecutive stages, and presents tools enabling programmatic completion of such projects.