Метод нечіткої класифікації на основі послідовного аналізу вальда

Розглядаються задачі прогнозування можливості зміни стану об’єкта на основі його оцінки за множиною критеріїв. До таких задач відносять задачі медичного прогнозування, тобто прогнозування можливості виникнення в майбутньому у особи загрозливого для неї стану. Цю задачу можна сформулювати як задачу класифікації, де один з класів відповідатиме великому ступеню ризику виникнення загрозливого стану, а інший – низькому ступеню ризику. В такій інтерпретації задача класифікації може бути розв’язана за допомогою методу послідовного аналізу Вальда, який базується на теоремі Байєса та враховує інформативність ознак, за якими проводиться класифікація. Такий підхід має ряд особливостей, пов’язаних з визначенням порогів та опрацюванням тих значень ознак, які близькі до порогових. В статті показано, що при застосуванні методу Вальда для об’єктів із значеннями ознак, близькими до порогових, можливі випадки отримання протилежних рішень. З метою підвищення ефективності класифікації запропоновано метод нечіткої класифікації. Особливістю розробленого методу є те, що особа, яка приймає рішення, може вказати характер функції належності для визначення близькості заданих значень до порогових і таким чином задати інтервал допустимої зміни порогових значень. Алгоритм обчислює ступені належності заданого об’єкта до кожного з класів. Виконано експериментальну верифікацію розробленого методу для задачі прогнозування невиношування вагітності. На етапі формалізації медичних знань відібрані показники, які можуть бути використані для прогнозування, створена база даних клінічного матеріалу. На модельних прикладах продемонстровано перевагу розробленого методу в порівнянні з методом послідовного аналізу Вальда. Отримані в дослідженні результати можуть використовуватися при побудові прогностичних алгоритмів в медицині.