<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=99568"><dc:title>Napovedovanje Alzheimerjeve bolezni z zlivanjem podatkov</dc:title><dc:creator>Oder,	Iztok	(Avtor)
	</dc:creator><dc:creator>Bosnić,	Zoran	(Mentor)
	</dc:creator><dc:subject>Alzheimerjeva bolezen</dc:subject><dc:subject>strojno učenje</dc:subject><dc:subject>zlivanje podatkov</dc:subject><dc:subject>napovedovanje</dc:subject><dc:subject>klasifikacija</dc:subject><dc:description>Alzheimerjeva bolezen je vse bolj pereč problem v modernem svetu, saj se svetovno prebivalstvo stara. Ta zahrbtna nevrodegenerativna bolezen povzroča demenco in vpliva na vsakodnevno življenje tako obolelega kot njegovih oskrbnikov. Diagnoza bolezni je trenutno mogoča šele po smrti osebe, ki trpi za to boleznijo. Raziskovalci se zato trudijo z različnimi tipi podatkov in metodami izboljšati modele za dovolj zgodnje razlikovanje med zdravimi in obolelimi osebami. 

V magistrski nalogi obravnavamo napovedovanje Alzheimerjeve bolezni z uporabo zlivanja podatkov. V ta namen predlagamo metodo zgodnje integracije atributov. Metoda na skupnih atributih dveh množic nauči modele za nadzorovano učenje in z njimi napove manjkajoče atribute iz druge množice atributom iz prve množice. Implementirano metodo stestiramo na več množicah, ki vsebujejo podatke različnih modalnosti, tako da med seboj primerjamo večje število modelov, zgrajenih na osnovnih in zlitih množicah. Obravnavane implementacije metod značilno ne izboljšajo modelov. V nekaterih primerih pa je vseeno mogoče opaziti izboljšanje napovedi in tako potencial zlivanja podatkov za zvišanje klasifikacijske točnosti.</dc:description><dc:date>2018</dc:date><dc:date>2018-02-02 12:15:03</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>99568</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>
