應用二階段分類法提升Least square-support vector machine(LS-SVM)技術之分類正確率

NCUTIR > College of Management > Development of Industrial Engineering and Management > 【工業工程與管理系所】博碩士論文 > Item 987654321/1297

Please use this identifier to cite or link to this item: http://ir.lib.ncut.edu.tw/handle/987654321/1297

Title:	應用二階段分類法提升Least square-support vector machine(LS-SVM)技術之分類正確率 Applying the two stages classification to improve the Least square-support vector machine classification accuracy
Authors:	林恩汝 Lin, En-Ju
Contributors:	工業工程與管理系
Keywords:	BUPA肝病資料庫;LS-SVM;田口方法;參數設計 BUPA liver disorders database;least square-support vector machine;Taguchi methods;parameter design
Date:	2007
Issue Date:	2008-10-06 13:32:04 (UTC+8)
Abstract:	LS-SVM是SVM延伸出來的機器學習技術，在單一分類方法中，LS-SVM因為其高度的正確率而逐漸受到學者們重視。然而，學者們不免開始思考，倘若結合不同的方法，是否能夠提升分類的正確率，讓機器學習的技術更符合實務上的需求？因此，本研究藉由BUPA肝病資料庫探討二階段分類法於LS-SVM分類技術之績效表現。　　本研究採用「LS-SVM」與「K-means結合LS-SVM」兩種方法的二階段分類模式提升分類正確率，希望透過田口品質工程參數設計來設定適當的初始參數，藉以減少核心函數在初始參數上耗費的時間，增加分類預測的正確率。　　經過145筆「未罹患肝病」病患與200筆「已罹患肝病」病患的實證研究，本研究的單一分類法之正確率達88.12%，而二階段分類法之正確率達95.07%，表示本研究能有效提升分類正確率，輔助醫師進行肝病鑑別之臨床診斷。
Appears in Collections:	[Development of Industrial Engineering and Management] 【工業工程與管理系所】博碩士論文

Files in This Item:

File	Size	Format
	0Kb	Unknown	1290	View/Open

Loading...