Компрессия данных медицинского мониторинга с помощью гибридной системы вычислительного интелекта

Abstract

Однією з важливих проблем, що пов’язана з обробкою великих масивів даних, є задача їх стиснення (компресії) без істотної втрати інформації, що присутня у початковому масиві. Для вирішення таких задач на сьогодні розроблена ціла низка методів. Кожен із таких підходів має свої переваги, недоліки, галузі доцільного застосування тощо. Пропонується гібридна система обчислювального інтелекту для компресії великих масивів інформації та її метод навчання, що поєднує у собі можливості методу головних компонентів, штучних нейронних мереж, вейвлет-аналізу, довільних систем нечіткого виведення.

Одной из важных проблем, связанных с обработкой крупных массивов данных, является задача их сжатия (компрессии) без существенной потери информации, содержащейся в исходном массиве. Для решения указанных задач на сегодня разработан целый ряд методов. Каждый из таких подходов имеет свои преимущества, недостатки, области целесообразного применения и т.п. Предлагается гибридная система вычислительного интеллекта для компрессии крупных массивов информации и метод ее обучения, объединяющая в себе возможности метода главных компонент, искусственных нейронных сетей, вэйвлет-анализа, различных систем нечеткого вывода.

One of the most important problems that is connected with big data processing is the task of data compression without significant loss of information, which is contained in an initial data set. Today to solve such problems a lot of methods are proposed. Each approach has advantages, disadvantages, appropriate areas of usage etc. Thus, the paper suggests hybrid system of computational intelligence for big data compression and its learning algorithm. This system combines the capabilities of principal component analysis, artificial neural networks, wavelet-analysis, and different fuzzy inferences systems.