無參數加權特徵萃取支撐向量機運用於甲狀腺分類

ASIAIR > College of Computer Science > Department of Biomedical informatics > Theses & dissertations > Item 310904400/1516

Please use this identifier to cite or link to this item: http://asiair.asia.edu.tw/ir/handle/310904400/1516

Title:	無參數加權特徵萃取支撐向量機運用於甲狀腺分類 Application of Nonparametric Weighted Feature Extraction and Support Vector Machine in the New-thyroid Classification
Authors:	邱雅卿
Contributors:	生物資訊學系碩士班
Date:	2008
Issue Date:	2009-10-12 10:35:27 (UTC+0)
Publisher:	亞洲大學
Abstract:	在機器學習的領域中，分類問題(classification)是相當重要的主題之一，支撐向量機(Support Vector Machines, SVM)則是該領域近幾年來蓬勃發展的一項分類技術，且已廣泛地運用在許多領域上，在此我們將運用在生物醫學領域上的甲狀腺分類。根據研究指出，在比較多個分類演算法的正確率績效時，支撐向量機的表現相當出色，是一個相當良好的分類工具。然而支撐向量機在運作的過程中，若能在資料的前處理階段將訓練樣本集先處理過，則可以提升分類的正確率。本研究的主要工作是引入無參數加權特徵萃取(Nonparametric Weighted Feature Extraction，NWFE)做資料的前處理，並用處理過後的資料進行SVM分類，分析比較有無經過前處理的執行成效。本研究發現引入無參數加權特徵萃取的方式是可以降低雜訊資料(noise) 的影響，提升SVM的分類成效。希望藉此研究，能喚起國人對甲狀腺疾病的注重。進而，將更精確的分類技術運用在生物醫學上，以提升國人的醫療品質。
Appears in Collections:	[Department of Biomedical informatics ] Theses & dissertations

Files in This Item:

File	Description	Size	Format
index.html		0Kb	HTML	318	View/Open

Loading...