ASIA unversity:Item 310904400/1551
English  |  正體中文  |  简体中文  |  全文笔数/总笔数 : 94286/110023 (86%)
造访人次 : 21694238      在线人数 : 724
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://asiair.asia.edu.tw/ir/handle/310904400/1551


    题名: 轉換型模糊C-均值演算法應用於皮膚病與鳶尾花的分群
    Applying Fuzzy Transformed C-Means Algorithm to the Dermatology Disease and Iris Clustering
    作者: 羅益祥
    贡献者: 生物資訊學系碩士在職專班
    日期: 2009
    上传时间: 2009-10-12 10:35:51 (UTC+0)
    出版者: 亞洲大學
    摘要: 在台灣溫暖潮濕的氣候型態下，皮膚病是人們常會發生的疾病，而發病的原因相當多，不同的皮膚病會有不同的症狀。本研究以六種皮膚疾病資料進行實驗，也以鳶尾花資料同步進行實驗，比較下列三種目標函數導向分群方法之分群準確度。
    Bezdek於1981年提出眾所皆知的模糊C-均值算法（ FCM ）是一種基於目標函數的分群方法。因此，不同的目標函數可能會導致不同的結果。重要的問題是如何獲得一個更緊湊與可分離的目標函數，以改善集群準確性。吳國隆等於2005年提出的FCS目標函數是一個以結合模糊內部和群間的差異來改進FCM目標函數的優良演算法。劉湘川於2009年提出改良的轉換型模糊C-均值演算法（ FTCM ）可獲得更多的可分離數據轉換。實驗結果顯示FTCM演算法的表現優於傳統的FCM演算法和FCS演算法。
    藉由此研究，若將這些人工智慧的分群技術，提供醫師作為診斷時的輔助參考，或患者就醫前的自我檢核，將可避免不必要的醫療資源浪費，以提升醫療服務品質。
    显示于类别:[生物資訊與醫學工程學系 ] 博碩士論文

    文件中的档案:

    档案 描述 大小格式浏览次数
    index.html0KbHTML333检视/开启


    在ASIAIR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