- / -

- / -

Στην περίπτωση της αναζήτησης της βέλτιστης ακρίβειας από ένα σύστημα εξόρυξης γνώσης είναι αδύνατο ένας αλγόριθμος που βασίζεται σε μια και μόνο μέθοδο μηχανικής μάθησης να υπερτερεί σε ακρίβεια μιας ομάδας ταξινομητών. Γι’ αυτό το λόγο θα παρουσιαστούν διάφοροι προτεινόμενοι νέοι τρόποι συνδυασμού των αποφάσεων των αλγορίθμων μάθησης οι οποίοι αναπτύχθηκαν στα πλαίσια της διατριβής. Επίσης, θα παρουσιαστεί ένας προτεινόμενος υβριδικός τρόπος επιλογής των ανεξάρτητων μεταβλητών για τους αλγόριθμους μάθησης. Στη συνέχεια, θα παρουσιαστούν κάποιοι νέοι προτεινόμενοι αλγόριθμοι που αναπτύχθηκαν για την αντιμετώπιση προβλημάτων ειδικής δυσκολίας όπως η μάθηση: α) σε ανομοιογενή δεδομένα, β) σε προβλήματα πραγματικού χρόνου και γ) σε προβλήματα βαθμωτής συνάρτησης στόχου. Τέλος, περιγράφεται η δυνατότητα χρησιμοποίησης των μεθόδων μηχανικής μάθησης για εκπαιδευτικούς σκοπούς, όπως στην πρόβλεψη της επίδοσης των φοιτητών στο Ανοιχτό Πανεπιστήμιο. Στη συνέχεια, θα παρουσιαστεί και ένα εργαλείο υποστήριξης των αποφάσεων που αναπτύχθηκε για αυτό το σκοπό. Η παρουσίαση τελειώνει παραθέτοντας κάποια ανοιχτά επιστημονικά ζητήματα του χώρου. / Ensembles of classifiers is a new direction for the improvement of the classification accuracy. For this reason, we present a number of new proposed methods for combining classifiers. We also introduce a new hybrid method for feature selection that is a very important step of the data mining process. Moreover, we present a number of new algorithms for handling special learning problems such as: a) problems with imbalanced datasets, b) real time problems and c) ordinal classification problems. Furthermore, we have used machine learning techniques for educational applications.

- / -

- / -

- / -

- / -

- / -

Στόχος αυτής της Διπλωματικής εργασίας είναι η μελέτη των Δεικτών Ποιότητας στην Κλινική Μηχανικη. Οι δείκτες ποιότητας είναι αντικειμενικές, αξιόπιστες, έγκυρες, ποιοτικές μετρήσεις διαδικασιών και χρησιμοποιούνται για την αξιολόγηση των διαδικασιών αυτών με όρους ποιότητας. Με τη διαδικτυακή εφαρμογή Web – Praxis, που έχει αναπτυχθεί μέσα από τη συνεργασία του Ινστιτούτου Βιοϊατρικής Τεχνολογίας (ΙΝΒΙΤ) και του εργαστηρίου Ιατρικής Φυσικής του τμήματος Ιατρικής του Πανεπιστημίου Πατρών, συλλέχθησαν και καταγράφηκαν δεδομένα που υπήρχαν στο τμήμα Βιοϊατρικής Τεχνολογίας (ΤΒΙΤ) του Γ.Ν.Ν.Θ.Α. «Η Σωτηρία». Έπειτα, μετα από κατάλληλη επεξεργασία και συζήτησ, επιλέχθηκαν κάποιοι αντιπροσωπευτικοί δείκτες με τους οποίους μελετάται, στα πλαίσια αυτής τησ διπλωματικής εργασίας, εάν ένα μεγάλο ελληνικό νοσοκομείο ικανοποιεί τα πρότυπα της βελτίωσης, της ασφάλειας και της αποδοτικότητας. Ο σχολιασμός των αποτελεσμάτων κα ικανοποιεί τους στόχους της έρευνας και τέλος θα γίνει πρόταση για τη βελτιστοποίηση των εργαλείων και την καλύτερη αξιοποίηση των δεδομλενων, μέσα από νέους δείκτες. / The goal of this Master Diploma Thesis is the investigation of Quality Indicators in Clinical Engineering. A quality indicator is an objective, valid, quantitative measurement of a process: they are used for the evaluation of these processes with terms of quality assurance. With the web - based application Web – Praxis, that has been developed through the collaboration of the Institute of Biomedical Engineering (INBIT) and the University of Patras Medical Physics laboratory, the available data in the Clinical Engineering Department of the General Hospital “H Sotiria” were collected and registered in the program. Afterwards, through the appropriate editing and discussion, some representative quality indicators were chosen, with which it is studied if such a big Greek Hospital satisfies the safety, improvement and efficiency standards. The commentary of the results will satisfy the goals of this research and in the end there will be suggestions for the optimization of the existing tools and for new quality indicators that could improve the performance of the department and satisfy the goals.

Τα συστήματα υποστήριξης αποφάσεων αποτελούν το πιο σημαντικό κομμάτι στην υποδομή ενός επιχειρησιακού πληροφοριακού συστήματος, επειδή δίνουν τη δυνατότητα στις εταιρίες να μετατρέψουν μεγάλες ποσότητες επιχειρηματικών πληροφοριών σε επικερδή αποτελέσματα. Ο κύριος σκοπός της παρούσας διπλωματικής εργασίας είναι να μελετήσουμε με ποιο τρόπο μπορούν να χρησιμοποιηθούν αλγόριθμοι Εξόρυξης Γνώσης (Data Mining) για την έγκριση τραπεζικών προϊόντων βασιζόμενη σε στοιχεία των αιτούντων. Ειδικότερα, στην εργασία αυτή προσπαθούμε να αποδείξουμε την αποτελεσματικότητα των εργαλείων εξόρυξης γνώσης για την έγκριση πιστωτικών καρτών. Αρχικά γίνεται παρουσίαση και θεωρητική μελέτη των μεθόδων της Μηχανικής Μάθησης, που διέπουν την εξόρυξη γνώσης από δεδομένα. Στην συνέχεια η εργασία επικεντρώνεται στη μοντελοποίηση του προβλήματος και στην ανάδειξη των ιδιαιτεροτήτων του. Επόμενος στόχος είναι να υλοποιήσουμε και να αξιολογήσουμε την συμπεριφορά των αλγορίθμων Μηχανικής Μάθησης σε εφαρμογές έγκρισης πιστωτικών καρτών. Συγκεκριμένα θα συγκριθούν γνωστοί και αντιπροσωπευτικοί αλγόριθμοι των σημαντικότερων τεχνικών κατηγοριοποίησης, όπως είναι οι Naïve Bayes, ο C4.5, οι Μηχανές Διανυσμάτων Υποστήριξης (SVMs). Και στο τέλος θα κατασκευαστεί πρωτότυπο λογισμικό εργαλείο υποστήριξης για την έγκριση πιστωτικών καρτών. / Decision support systems are the most important piece of the infrastructure of an information system because they enable companies to convert large volumes of information into profitable business results. The main purpose of this thesis is to study how data mining algorithms can be used for the approval of banking products based on data of the applicants. Specifically, in this work we try to prove the effectiveness of mining tools for approval credit cards. Initially we present a theoretical study of machine learning methods. Then the thesis focuses on modeling the problem. The next goal was to implement and evaluate the behavior of machine learning algorithms in credit card approval. We compared known and representative algorithms of the most important classification algorithms, such as Naïve Bayes, the C4.5, Support Vector Machines are (SVMs). Finally, we built a prototype software tool support for the approval of credit cards.