勤益科大機構典藏:Item 987654321/1300
English  |  正體中文  |  简体中文  |  全文笔数/总笔数 : 2928/5721 (51%)
造访人次 : 1449416      在线人数 : 460
RC Version 6.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜寻范围 查询小技巧:
  • 您可在西文检索词汇前后加上"双引号",以获取较精准的检索结果
  • 若欲以作者姓名搜寻,建议至进阶搜寻限定作者字段,可获得较完整数据
  • 进阶搜寻


    jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://ir.lib.ncut.edu.tw/handle/987654321/1300


    题名: 類神經網路輔助醫療診斷分類模式之建構
    Construction of Classification Models Using Artificial Neural Network for Medical diagnosis
    作者: 李雅雯
    Lee, Ya-Wen
    贡献者: 工業工程與管理系
    关键词: 糖尿病;類神經網路;ROC曲線;田口方法
    diabetes;artificial neural network;receiver operating characteristic curve;Taguchi method
    日期: 2007
    上传时间: 2008-10-06 13:32:07 (UTC+8)
    摘要: 科技如此發達,電腦設備、軟體發展的相當快速,對於資料數位化的儲存是相當容易的事。但是,如何在這龐大資料中找出有用的資訊是一大難題。近年來,資料探勘(Data mining)是一相當熱門的領域,其目的就是在龐大雜亂無章的資料中,找尋隱含、潛在有用的資訊。本文希望藉由機器學習(Machine learning)來做資料探勘,而類神經網路(Artificial neural network,ANN)即是機器學習的一種。
    過去醫學診斷多只靠醫師以往的經驗,但是現今疾病判斷指標相當多元,如果能配合資料探勘的技術則可以輔助醫生以提高診斷正確率。許多研究也證實應用機器學習技術,對於疾病診斷是有相當大的幫助。本研究針對糖尿病(Diabetes)資料庫,分別以倒傳遞類神經網路、廣義迴歸類神經網路、學習向量量化網路做訓練與測試,並利用Receiver Operating Characteristic(ROC)以及正確率以做為網路績效的評估。本研究證實,倒傳遞類神經網路正確率達87.2%,優於其廣義迴歸類神經網路(GRNN)與學習向量量化網路(LVQ),且與過去的研究做比較,皆優於過去的研究。
    显示于类别:[工業工程與管理系(所)] 【工業工程與管理系所】博碩士論文

    文件中的档案:

    档案 大小格式浏览次数
    0KbUnknown1423检视/开启


    在NCUTIR中所有的数据项都受到原著作权保护.


    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 回馈