應用特徵選取和最佳化演算法提高類神經網路分類準確率

勤益科大機構典藏 > 管理學院 > 工業工程與管理系(所) > 【工業工程與管理系所】博碩士論文 > Item 987654321/5579

請使用永久網址來引用或連結此文件: http://ir.lib.ncut.edu.tw/handle/987654321/5579

題名:	應用特徵選取和最佳化演算法提高類神經網路分類準確率
作者:	王政皓洪永祥
貢獻者:	工業工程與管理系
關鍵詞:	特徵遞迴刪除法類神經網路分類特徵選取
日期:	2012
上傳時間:	2013-08-14 16:07:31 (UTC+8)
出版者:	台中;國立勤益科技大學
摘要:	在資料探勘的應用領域上，分類問題的應用受到廣泛討論與研究。分類問題採用機器學習方法，目的希望能代替人力在判斷類別的過程能自動化，並且能夠減少人力資源的負荷，而在替代的過程相對衍生出判斷準確率的問題。類神經網路(Artificial Neural Networks, ANNs)在分類與預測的準確率都有優異的表現，但有時會有過度配適(overfitting)的情況發生，導致一般化能力變差。本研究在資料進入NN-LM演算法、粒子群演算法訓練類神經網路前應用特徵選取(Feature Selection)方法之特徵遞迴刪除法(Recursive Feature Elimination, RFE)將特徵集合依重要性排序及透過NN-LM演算法、粒子群演算法調整類神經網路權重值，藉以提升類神經網路的分類準確率。本研究以UCI之糖尿病(Pima Indians Diabetes, PID)、心電圖(Echocardiogram, ECG)資料庫進行實驗。PID資料庫的實驗結果，使用90-10分割訓練測試比例的RFE-LM、RFE-PSO，測試準確率有80%以上之表現。而ECG資料庫之實驗結果，分類準確率有90%以上之表現。此實驗結果對進行分類的研究效率上有很大的幫助，提升運算效率，節省分類時所花費的成本。
顯示於類別:	[工業工程與管理系(所)] 【工業工程與管理系所】博碩士論文

文件中的檔案:

沒有與此文件相關的檔案.

檢視Licence

在NCUTIR中所有的資料項目都受到原著作權保護.

資料載入中.....