Поколения языков программирования

Размещено на http://www.allbest.ru/

Оглавление

1. Объектно-ориентированное программирование

2. Поколения языков программирования

3. Этапы разработки программных систем с использованием ООП

4. Data Mining

5. Развитие технологии баз данных

6. Понятие Data Mining

7. Объектно-ориентированный подход к описанию биомедицинских данных

8. Обзор существующих решений и ПО

Список использованной литературы



1. Объектно-ориентированное программирование

Объектно-ориентированное программирование - методология программирования, в которой программы представляют собой совокупности взаимодействующих объектов, каждый из которых является экземпляром определенного класса, входящего в иерархию классов, связанных отношением наследования. В таких программах классы обычно считаются статичными сущностями, а объекты имеют более динамичную природу, поддерживаемую механизмами динамического связывания и полиморфизма.

Объектно-ориентированное программирование (ООП) стало чрезвычайно популярно в последние несколько лет.

Причины огромной популярности объектно-ориентированного программирования в последнее десятилетие:

· надежда, что ООП может просто и быстро привести к росту продуктивности и улучшению надежности программ, помогая тем самым разрешить кризис в программном обеспечении;

· желание перейти от существующих языков программирования к новой технологии;

· вдохновляющее сходство с идеями, родившимися в других областях.

Объектно-ориентированное программирование является лишь последним звеном в длинной цепи решений, которые были предложены для разрешения «кризиса программного обеспечения». Положа руку на сердце: кризис программного обеспечения просто означает, что наше воображение и те задачи, которые мы хотим решить с помощью компьютеров, почти всегда опережают наши возможности.

Несмотря на то, что объектно-ориентированное программирование действительно помогает при создании сложных программных систем, важно помнить, что ООП не является «серебряной пулей» (термин, ставший популярным благодаря Фреду Бруксу [Brooks 1987]), которая запросто справляется с чудовищем. Программирование по-прежнему является одной из наиболее трудных задач, взваливаемых на себя человеком. Чтобы стать профессионалом в программировании, необходимы талант, способность к творчеству, интеллект, знания, логика, умение строить и использовать абстракции и, самое главное, опыт -- даже в том случае, когда используются лучшие средства разработки.

Есть и другая причина особой популярности таких языков программирования, как C++ и Object Pascal. Она состоит в том, что и администрация и разработчики надеются, что программист на языках C или Pascal может перейти на C++ или Object Pascal с той же легкостью, с которой происходит добавление нескольких букв на титульный лист сертификата о специальности. К сожалению, так происходит не всегда. Объектно-ориентированное программирование является новым пониманием того, что собственно называется вычислениями, а также того, как мы можем структурировать информацию внутри компьютера. Чтобы стать профессионалом в технике ООП, требуется полная переоценка привычных методов разработки программ.

2. Поколения языков программирования

Вегнер (Wegner) выделил четыре поколения наиболее популярных языков программирования высокого уровня, положив в основу классификации новаторские языковые конструкции, впервые появившиеся в этих языках. (Разумеется, это далеко не исчерпывающий список всех языков программирования.)

* Языки программирования первого поколения (1954-1958)

FORTRAN I Математические формулы

ALGOL-58 Математические формулы

Flowmatic Математические формулы

IPL V Математические формулы

* Языки программирования второго поколения (1959-1961)

FORTRAN II Подпрограммы, раздельная компиляция

ALGOL-60 Блочная структура, типы данных

COBOL Описание данных, работа с файлами

Lisp Обработка списков, указатели, сборка мусора

* Языки программирования первого поколения (1962-1970)

PL/I FORTRAN+ALGOL+COBOL

ALGOL-68 Ближайший наследник ALGOL-60

Pascal Простой наследник ALGOL-60

Simula Классы, абстракция данных

* Разрыв преемственности (1970-1980)

В этот период было изобретено много языков, но лишь немногие из них выдержали испытание временем. Среди них заслуживают упоминания следующие языки:

С - эффективен; характеризуется малым размером исполняемых модулей;

FORTRAN 77 - Прошел стандартизацию ANSI.

Продолжим классификацию Вегнера.

* Бум объектно-ориентированного программирования (1980-1990, проверку временем прошли лишь несколько языков)

Smalltalk 90 - чисто объектно-ориентированный язык;

C++ - Происходит от языков С и Simula;

Ada83 - Строгий контроль типов, сильное влияние языка Pascal;

Eiffel - Происходит от языков Ada и Simula.

* Появление интегрированных сред (1990 и до настоящего времени)

Visual Basic - Облегченное проектирование графического пользовательского интерфейса (graphical user interface -- GUI) для приложений в операционной среде Windows;

Java - Наследник языка Oak, разрабатывался для мобильных устройств;

Python - Объектно-ориентированный язык сценариев;

J2EE - Интегрированная среда на базе языка Java для промышленного применения

.NET - Интегрированная объектно-ориентированная среда, разработанная компанией Microsoft;

Visual C# - Конкурент языка Java для среды Microsoft .NET;

Visual Basic .NET - Вариант языка Visual Basic для среды Microsoft .NET

В каждом следующем поколении языков программирования механизмы абстракции изменялись. Языки первого поколения использовались, в основном, для научных и технических вычислений, и словарь этой предметной области был математическим. Такие языки, как FORTRAN I, позволяли программистам записывать математические формулы, освобождая их от сложностей, связанных с ассемблером или машинным кодом. Таким образом, первое поколение языков высокого уровня было шагом в направлении предметной области и отступало от технических деталей компьютеров.

3. Этапы разработки программных систем с использованием ООП

Процесс разработки программного обеспечения с использованием ООП включает четыре этапа: анализ, проектирование, эволюция, модификация.

Рассмотрим эти этапы.

Анализ. Цель анализа - максимально полное описание задачи. На этом этапе выполняется анализ предметной области задачи, объектная декомпозиция разрабатываемой системы и определяются важнейшие особенности поведения объектов (описание абстракций). По результатам анализа разрабатывается структурная схема программного продукта, на которой показываются основные объекты и сообщения, передаваемые между ними, а также выполняется описание абстракций.

Проектирование. Различают:

логическое проектирование, при котором принимаемые решения практически не зависят от условий эксплуатации (операционной системы и используемого оборудования);

физическое проектирование, при котором приходится принимать во внимание указанные факторы.

Логическое проектирование заключается в разработке структуры классов: определяются поля для хранения составляющих состояния объектов и алгоритмы методов, реализующих аспекты поведения объектов. При этом используются рассмотренные выше приемы разработки классов (наследование, композиция, наполнение, полиморфизм и т.д.). Результатом является иерархия или диаграмма классов, отражающие взаимосвязь классов, и описание классов.

Физическое проектирование включает объединение описаний классов в модули, выбор схемы их подключения (статическая или динамическая компоновка), определение способов взаимодействия с оборудованием, с операционной системой и/или другим программным обеспечением (например, базами данных, сетевыми программами), обеспечение синхронизации процессов для систем параллельной обработки и т.д.

Эволюция системы. Это процесс поэтапной реализации и подключения классов к проекту. Процесс начинается с создания основной программы или проекта будущего программного продукта. Затем реализуются и подключаются классы, так чтобы создать грубый, но, по возможности, работающий прототип будущей системы. Он тестируется и отлаживается. Например, таким прототипом может служить система, включающая реализацию основного интерфейса программного продукта (передача сообщений в отсутствующую пока часть системы не выполняется). В результате мы получаем работоспособный прототип продукта, который может быть, например, показан заказчику для уточнения требований. Затем к системе подключается следующая группа классов, например, связанная с реализацией некоторого пункта меню. Полученный вариант также тестируется и отлаживается, и так далее, до реализации всех возможностей системы.

Использование поэтапной реализации существенно упрощает тестирование и отладку программного продукта.

Модификация. Это процесс добавления новых функциональных возможностей или изменение существующих свойств системы. Как правило, изменения затрагивают реализацию класса, оставляя без изменения его интерфейс, что при использовании ООП обычно обходится без особых неприятностей, так как процесс изменений затрагивает локальную область. Изменение интерфейса - также не очень сложная задача, но ее решение может повлечь за собой необходимость согласования процессов взаимодействия объектов, что потребует изменений в других классах программы. Однако сокращение количества параметров в интерфейсной части по сравнению с модульным программированием существенно облегчает и этот процесс.

Простота модификации позволяет сравнительно легко адаптировать программные системы к изменяющимся условиям эксплуатации, что увеличивает время жизни систем, на разработку которых затрачиваются огромные временные и материальные ресурсы.

Особенностью ООП является то, что объект или группа объектов могут разрабатываться отдельно, и, следовательно, их проектирование может находиться на различных этапах. Например, интерфейсные классы уже реализованы, а структура классов предметной области еще только уточняется. Обычно проектирование начинается, когда какой-либо фрагмент предметной области достаточно полно описан в процессе анализа.

4. Data Mining

За последние годы, когда, стремясь к повышению эффективности и прибыльности бизнеса, при создании БД все стали пользоваться средствами обработки цифровой информации, появился и побочный продукт этой активности - горы собранных данных: И вот все больше распространяется идея о том, что эти горы полны золота.

В прошлом процесс добычи золота в горной промышленности состоял из выбора участка земли и дальнейшего ее просеивания большое количество раз. Иногда искатель находил несколько ценных самородков или мог натолкнуться на золотоносную жилу, но в большинстве случаев он вообще ничего не находил и шел дальше к другому многообещающему месту или же вовсе бросал добывать золото, считая это занятие напрасной тратой времени.

Сегодня появились новые научные методы и специализированные инструменты, сделавшие горную промышленность намного более точной и производительной. Data Mining для данных развилась почти таким же способом. Старые методы, применявшиеся математиками и статистиками, отнимали много времени, чтобы в результате получить конструктивную и полезную информацию.

Сегодня на рынке представлено множество инструментов, включающих различные методы, которые делают Data Mining прибыльным делом, все более доступным для большинства компаний.

Термин Data Mining получил свое название из двух понятий: поиска ценной информации в большой базе данных (data) и добычи горной руды (mining). Оба процесса требуют или просеивания огромного количества сырого материала, или разумного исследования и поиска искомых ценностей.

Термин Data Mining часто переводится как добыча данных, извлечение информации, раскопка данных, интеллектуальный анализ данных, средства поиска закономерностей, извлечение знаний, анализ шаблонов, "извлечение зерен знаний из гор данных ", раскопка знаний в базах данных, информационная проходка данных, "промывание" данных. Понятие "обнаружение знаний в базах данных " (Knowledge Discovery in Databases, KDD) можно считать синонимом Data Mining.

Понятие Data Mining, появившееся в 1978 году, приобрело высокую популярность в современной трактовке примерно с первой половины 1990-х годов. До этого времени обработка и анализ данных осуществлялся в рамках прикладной статистики, при этом в основном решались задачи обработки небольших баз данных.

Понятие Data Mining тесно связано с технологиями баз данных и понятием данные.

5. Развитие технологии баз данных

1960-е гг.

В 1968 году была введена в эксплуатацию первая промышленная СУБД система IMS фирмы IBM.

1970-е гг.

В 1975 году появился первый стандарт ассоциации по языкам систем обработки данных - Conference on Data System Languages (CODASYL), определивший ряд фундаментальных понятий в теории систем баз данных, которые до сих пор являются основополагающими для сетевой модели данных. В дальнейшее развитие теории баз данных большой вклад был сделан американским математиком Э.Ф. Коддом, который является создателем реляционной модели данных.

1980-е гг.

В течение этого периода многие исследователи экспериментировали с новым подходом в направлениях структуризации баз данных и обеспечения к ним доступа. Целью этих поисков было получение реляционных прототипов для более простого моделирования данных. В результате, в 1985 году был создан язык, названный SQL. На сегодняшний день практически все СУБД обеспечивают данный интерфейс.

1990-е гг.

Появились специфичные типы данных - "графический образ", "документ", "звук", "карта". Типы данных для времени, интервалов времени, символьных строк с двухбайтовым представлением символов были добавлены в язык SQL. Появились технологии DataMining, хранилища данных, мультимедийные базы данных и web-базы данных.

Возникновение и развитие Data Mining обусловлено различными факторами, основными среди которых являются следующие:

совершенствование аппаратного и программного обеспечения;

совершенствование технологий хранения и записи данных;

накопление большого количества ретроспективных данных;

совершенствование алгоритмов обработки информации.

6. Понятие Data Mining

Data Mining - это процесс поддержки принятия решений, основанный на поиске в данных скрытых закономерностей ( шаблонов информации).

Технологию Data Mining достаточно точно определяет Григорий Пиатецкий-Шапиро (Gregory Piatetsky-Shapiro) - один из основателей этого направления:

«Data Mining - это процесс обнаружения в сырых данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности.»

Суть и цель технологии Data Mining можно охарактеризовать так: это технология, которая предназначена для поиска в больших объемах данных неочевидных, объективных и полезных на практике закономерностей.

Неочевидных - это значит, что найденные закономерности не обнаруживаются стандартными методами обработки информации или экспертным путем.

Объективных - это значит, что обнаруженные закономерности будут полностью соответствовать действительности, в отличие от экспертного мнения, которое всегда является субъективным.

Практически полезных - это значит, что выводы имеют конкретное значение, которому можно найти практическое применение.

Знания - совокупность сведений, которая образует целостное описание, соответствующее некоторому уровню осведомленности об описываемом вопросе, предмете, проблеме и т.д.

Использование знаний (knowledge deployment) означает действительное применение найденных знаний для достижения конкретных преимуществ (например, в конкурентной борьбе за рынок).

Приведем еще несколько определений понятия Data Mining.

Data Mining - это процесс выделения из данных неявной и неструктурированной информации и представления ее в виде, пригодном для использования.

Data Mining - это процесс выделения, исследования и моделирования больших объемов данных для обнаружения неизвестных до этого структур (patterns) с целью достижения преимуществ в бизнесе (определение SAS Institute).

Data Mining - это процесс, цель которого - обнаружить новые значимые корреляции, образцы и тенденции в результате просеивания большого объема хранимых данных с использованием методик распознавания образцов плюс применение статистических и математических методов (определение Gartner Group).

В основу технологии Data Mining положена концепция шаблонов (patterns), которые представляют собой закономерности, свойственные подвыборкам данных, кои могут быть выражены в форме, понятной человеку.

"Mining" по-английски означает "добыча полезных ископаемых", а поиск закономерностей в огромном количестве данных действительно сродни этому процессу.

Цель поиска закономерностей - представление данных в виде, отражающем искомые процессы. Построение моделей прогнозирования также является целью поиска закономерностей.

В медицинских системах методы Data Mining рационально использовать для выявления ситуаций, свидетельствующих о нарушениях, которые могут носить не массовый характер и использовать различные сценарии.

7. Объектно-ориентированный подход к описанию биомедицинских данных

Массивы медико-биологических данных, в совокупности характеризующие состояние биосистемы, представляют собой разнообразные и разнородные по источникам, методам получения и т. п. результаты клинических испытаний или биологического эксперимента, мониторинга или рутинных действий клинициста. Это создает определенные трудности при проектировании банков данных для интеграции результатов исследований в единую систему, позволяющую проводить их многогранный, основанный на компьютерных методах, анализ. В то же время биомедицинские данные всегда имеют естественную концептуальную основу для систематизации и интеграции: они относятся к одному и тому же объекту - человеческому организму.

Объектно-ориентированные технологии, как средство решения проблем структуризации биомедицинских данных, является эффективным способом организации научных исследований в целом. В медицине и биологии объектно-ориентированный подход (ООП) находит все более широкое применение, в частности при проектировании экспертных систем, описании и классификации биологических объектов и т. п.

В основе концепции ООП лежит представление о том, что предметную область необходимо проектировать как совокупность взаимосвязанных друг с другом объектов, рассматривая каждый объект как экземпляр определенного класса. Класс является описываемой на языке терминологии исходного кода моделью ещё не существующей сущности, так называемого объекта, а объект - экземпляр, реализация определенного класса. Причем объект - это пара: идентификатор и значение. Классы обладают свойством наследования, т. е. возможностью иерархического порождения одного класса другим с сохранением всех свойств класса-предка, и добавления необходимых новых свойств и методов.

Планирование и проведение медико-биологического исследования представляет собой алгоритм действий, направленный на изучение свойств объекта исследования. Его формальное описание заключается в установлении соответствий между свойством объекта исследования (измеряемый параметр) и его значением. Измерение любого параметра характеризуется условиями, которые включают в себя всю необходимую дополнительную ин-формацию, позволяющую однозначно идентифицировать свойства показателей и условия проведения измерений и т. п. Это описание назовем Бланком исследования.

Бланк любого медико-биологического исследования можно формализовать в виде некоторого набора показателей, которые в свою очередь явно или неявно разделяются на близкие по смысловому значению группы. В данном случае под показателями имеются в виду не только различного рода лабораторные и/или клинические характеристики, но и другая информация (о пациенте, о результатах обследования и т. п.). Так, например, фамилию можно представить в виде показателя, отражающего персональную информацию о пациенте. Исходя из этого, будем выделять класс Элемент, объектами которого выступают отдельные показатели. Они могут быть как простыми (например, фамилия), так и сложными, требующими более детального описания (например, такой показатель как «агрегация тромбоцитов» требует указания единицы и метода измерения). Показатели могут характеризоваться различным количеством атрибутов, для описания которых необходимо ввести класс Свойство, с его помощью можно описать любой объект класса Элемент, т. е. указать какими дополнительными атрибутами он обладает.

Полное указание всех атрибутов (свойств) элементов является необходимым для описания условий проведения исследования. Чаще всего показатели сгруппированы по какому-либо признаку, например, в начале бланка исследования указывается информация о пациенте (фамилия, имя, отчество, дата рождения и т. п.), затем следует набор измеряемых клинических или лабораторных параметров, а в конце указывается результат, клиническое заключение. Для реализации объединения объектов класса Элемент в смысловые группы в концепцию описания вводится класс Раздел. Соответственно, формальное описание исследования может быть представлено в виде Бланка, состоящего из некоторых Разделов. Приведенная ситуация является наиболее типичным описанием исследований, проводимых в клинико-диагностических лабораториях медучреждений. В то же время предложенный подход позволяет формировать бланки любого содержания.

Таким образом, в рамках используемого ООП описание медико-биологического исследования может быть формализовано в виде структурной модели, представляющей иерархию определенных выше классов (рис. 1).



Рис. 1 Структурная модель иерархии классов описания результатов медико-биологического исследования

На нижнем уровне иерархии классов находится класс Свойство. Он имеет три обязательных атрибута: наименование, тип данных и значение, которые указываются при создании объекта этого класса. На них строится класс Элемент, который имеет два обязательных атрибута: наименование и тип данных, и может быть дополнен любым количеством других атрибутов - объектов класса Свойство. Объектами класса Элемент могут являться не только реализации измеряемых параметров, но и условия измерения, за счет перечисления набора дополнительных атрибутов. Каждый объект этого класса является своего рода ячейкой хранения данных - результатов исследования. Аналогичным образом формируются объекты класса Раздел. Они имеют два обязательных атрибута: наименование и примечание, а также включают в себя необходимые объекты класса Элемент. Объекты класса Раздел несут в себе информацию об отдельных, тематически близких фрагментах описания исследования. Например, информация о пациенте, виде исследования, клиническом заключении и т. п.

Верхний уровень иерархии классов представлен классом Бланк, который имеет два обязательных атрибута - наименование и примечание и содержит необходимое число разделов для наиболее полного описания результатов исследования в целом. Схематически, формирование бланка медико-биологического исследования на основе предложенного подхода представлено на рис. 2. При таком структурированном описании, сохраняется концептуальная связь между результатами отдельных исследований, поскольку объекты всех классов проектируются на основе одних и тех же базовых объектов классов Свойство и Элемент.

Рис. 2 Схема формирования бланка исследования на основе объектов нижележащих классов.

В качестве примера разработанного подхода, рассмотрим формирование бланка для хранения результатов общего анализа крови. На начальном этапе необходимо выделить смысловые блоки - разделы входящие в состав бланка. Он может быть представлен следующими разделами: информацией о пациенте (паспортная часть), информацией о наборе измеряемых лабораторных показателей и заключением. Определим элементы каждого раздела согласно предложенной концепции (таблица).

Общий анализ крови [класс Бланк]
Наименование элемента	Тип данных	Дополнительные атрибуты
		Наименование	Тип данных Значение
Паспортная часть [класс Раздел]
Фамилия [класс Элемент]	Текст	Нет
Имя [класс Элемент]	Текст	Нет
Отчество [класс Элемент]	Текст	Нет
Дата рождения [класс Элемент]	Дата	Нет
Примечание [класс Раздел]
Общий анализ крови (показатели) [класс Раздел]
Скорость оседания эритроцитов [класс Элемент]	Число	Сокращенное название [класс Свойство]	Текст	СОЭ
		Единица измерения [класс Свойство]	Текст	мм/ч
		Способ измерения [класс Свойство]	Текст	метод Панченкова
Гемоглобин [класс Элемент]	Число	Сокращенное название [класс Свойство]	Текст	Hb
		Единица измерения [класс Свойство]	Текст	г/л
Примечание [класс Раздел]
Клиническое заключение [Класс Раздел]
Заключение [класс Элемент]	Текст	Нет
Врач [класс Элемент]	Текст	Примечание [класс Свойство]	Текст	Ответственное лицо
Дата проведения исследования [класс Элемент]	Дата	Нет
Примечание [класс Раздел]

Предлагаемый объектно-ориентированный подход к описания результатов биомедицинских исследований является эффективным средством проектирования компьютерных информационных систем хранения биомедицинских данных, поскольку при его применении сохраняется концептуальная взаимосвязь между результатами независимо проводимых исследований, что закладывает основу для их дальнейшего обобщения и анализа.



8. Обзор существующих решений и ПО

ГлобалКлиник™ Коммерческая стоматология 2.0.

Программный комплекс для стоматологических поликлиник, оказывающих услуги на платной основе.

Регистратура:

добавление, редактирование, удаление и печать амбулаторной карты пациента с привязкой к отделению;

добавление информации о ДМС полисе пациента и пр.

Касса:

формирование и печать квитанции;

поиск ранее заведенных визитов с возможностью применения фильтров: № амбулаторной карты пациента, коду врача и пр.

Больничные:

учет больничных листов.

Отчеты:

по кассе;

по статистике;

отчет по предоставленным услугам и пр.

Сервис:

автоматизированный прием прейскуранта из формата *.XLS;

объединение БД;

экспорт/импорт справочной информации.

Разработчик: Компания «Прокодсервис».

ППП "Сбор и учет параметров деятельности ЛПУ в условиях ОМС”.

Программный комплекс предназначен для использования в многопрофильных лечебно-профилактических учреждениях, для обеспечения автоматизации основных информационных потоков при работе в условиях обязательного медицинского страхования.

ПК позволяет:

получать ежемесячные счета к страховым медицинским организациям (далее по тексту - СМО), территориальному фонду ОМС и прочим субъектам в соответствии с тарифным соглашением в системе ОМС Вологодской области, выдавать реестры и сводные отчеты о пролеченных больных для представления в СМО и ТФОМС.

получать формы статистической отчетности как в соответствии с годовым отчетом ЛПУ, так и для внутрибольничной аналитической работы.

вести персонифицированный учет выписанных лекарственных средств для льготных категорий граждан и выдавать отчетные формы по ДЛО.

ежемесячно обновлять базу застрахованного населения области, регистра льготного населения .

вести дополнительную диспансеризацию работников бюджетной сферы

вести углубленные осмотры граждан, работающих во вредных условиях

вести учет карт вызовов скорой помощи с выдачей требуемой отчетности

Перечень функциональных режимов:

Стационар

Поликлиника.

Дневной стационар поликлиники.

Больничные листы.

Выписка льготных рецептов.

Скорая помощь

Счета по ОМС.

Годовые статистические отчеты

Аналитические отчеты

Справочные и сервисные функции.

Разработчик: Колыханова Наталья Викторовна nataly@volmed.org.ru, Захаров Владимир Станиславович zvs-35@mail.ru.

Программный продукт "Реестр родовых сертификатов" версия 1.0.

Программный продукт (ПП) "Реестр родовых сертификатов" разработан и передается в учреждения здравоохранения в соответствии с приказом Минздрава Республики Татарстан от 30 июня 2006 года № 674 "О внедрении программы "Реестр родовых сертификатов".

ПП "Реестр родовых сертификатов" предназначен для формирования документов, необходимых для оплаты медицинской помощи, оказанной лечебно-профилактическими учреждениями республики беременным и роженицам, а также для обеспечения мониторинга за состоянием применения родовых сертификатов в Республике Татарстан.

Разработчиком программного средства является ООО "КОМПИТ", являющееся правопреемником АНО "Медсоцэкономинформ".

программирование биомедицинский mining



Список использованной литературы

1. Тимоти Бадд. Объектно-ориентированное программирование в действии = An Introduction to Object-Oriented Programming. -- СПб.: «Питер», 1997. -- 464 с. -- (В действии). -- 6000 экз. -- ISBN 5-88782-270-8

2. Грэди Буч. Объектно-ориентированный анализ и проектирование с примерами приложений, 3-е изд.: Пер. с англ. - М.: ООО «И.Д. Вильямс», 2008. - 720 с.: ил. - Парал. тит. англ. - ISBN 978-5-8459-1401-9 (рус.)

3. Иванова Г.С., Ничушкина Т.Н., Пугачев Е.К. Объектно-ориентированное программирование: Учеб. для вузов / Под ред. Г.С. Ивановой. - М.: Изд-во МГТУ им. Баумана, 2001. - 320 с., ил. (Сер. Информатика в техническом университете). ISBN 5-7038-1525-8

4. Кузнецова А.В.. Сенько О. В. Возможности использования методов Data Mining при медико-лабораторных исследованиях для выявления закономерностей в массивах данных // Врач и информационные технологии. - 2005. - № 2. - С. 49-56.

5. Дюк В.А.. Самойленко А.П. Data mining: учебный курс. - СПб.: Питер. 2001. - 368 с.

6. Джарратано Дж., Райли Г. Экспертные системы: принципы разработки и программирование. - Киев: Вильямс, 2007. - 1152 с.

7. Тунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ. - М.: Финансы и статистика. 1990. - 320 с.

8. Дубровин А.В. Программное приложение «ИСД БиоМед» для интеграции работы с биомеди-цинскими данными // Современная техника и технологии: Труды XII Междунар. научно- практ. конф. молодых ученых. - Томск, 2007. - Т. I. - С. 457-459.

9. Статистика / Учебный курс для социологов и менеджеров. Часть 1. Описательная статистика. Теоретико-вероятностные основания статистического вывода. М. 2005. 187 с

10. Средства добычи знаний в бизнесе и финансах. Открытые системы. 1997. № 4. Режим доступа:

11. http://www.osp.ru/os/1997/04/179210/

12. Алгоритмы аналитического управления производственными процессами. Автоматизация в промышленности. 2004, №1, с. 30-35.

13. Информационная технология для решения задач интеллектуального анализа производственных данных. А.В. Кудинов. Известия Томского политехнического университета. 2012. Т. 321. No 5.

14. Информационные технологии в медико-биологических исследованиях. Питер, 2003, 525 с.

15. Хранилища данных в начале века. Открытые системы, 2002, №1

16. Решение проблемы комплексного оперативного анализа информации хранилищ данных. Системы управления базами данных. Режим доступа: http://citforum.ru/database/articles/art_11.shtml

17. Объектно-ориентированный подход к описанию биомедицинских данных. А.В. Дубровин, В.А. Фокин. Известия Томского политехнического университета, 2009, №5. Режим доступа: http://cyberleninka.ru/article/n/obektno-orientirovannyy-podhod-k-opisaniyu-biomeditsinskih-dannyh

18. Технологическая схема контроля обработки медицинских данных. И.М. Космачева. Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. 2012, №1. Режим доступа: http://cyberleninka.ru/article/n/tehnologicheskaya-shema-kontrolya-obrabotki-meditsinskih-dannyh

19. Режим доступа: http://forreseller.ru/site/sale.aspx.

20. Режим доступа:

21. http://miac.volmed.org.ru/index.php?page=progmiac&action=more&id=13

22. Режим доступа: http://kompit.telebit.ru/ROD_ST/_pr_rods.htm

Размещено на Allbest.ru

...