Skip navigation

DSpace

機構典藏 DSpace 系統致力於保存各式數位資料(如:文字、圖片、PDF)並使其易於取用。

點此認識 DSpace
DSpace logo
English
中文
  • 瀏覽論文
    • 校院系所
    • 出版年
    • 作者
    • 標題
    • 關鍵字
  • 搜尋 TDR
  • 授權 Q&A
  • 幫助
    • 我的頁面
    • 接受 E-mail 通知
    • 編輯個人資料
  1. NTU Theses and Dissertations Repository
  2. 電機資訊學院
  3. 電機工程學系
請用此 Handle URI 來引用此文件: http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/24204
標題: 以演化徑向基函網路進行癌症分類之研究
Cancer Classification with Evolutional Radial Basis Function Network
作者: Chien-Hung Li
李建鴻
指導教授: 高成炎
關鍵字: 微陣列,癌症,徑向基底函數網路,
Microarray,Cancer,RBF,
出版年 : 2005
學位: 碩士
摘要: 本文對於使用微矩陣資料進行癌症分類提供一種新的方法,演化徑向基函網路(Evolutionary Radial Basis Function Network - ERBFN)。演化徑向基底函數網路是普通的徑向基底函數網路的一個顯著的改進。ERBFN從傳統的分群演算法開始, 接著對Radial Basis Function Network的隱藏層進行最佳化,並且使用監督式學習策略調整網路連接的加權值。目前這個方法也已經成功的應用於真實的癌症資料的分類上。根據我們的評估,ERBFN的正確性可以跟已SVM為基礎的分類相比較。
In this work, we proposed a novel method, Evolutionary Radial Basis Function Network (ERBFN), for classification of cancer types with microarray gene expression data. Evolutionary Radial Basis Function Network is a significant improvement over ordinary Radial Basis Function Network. Starting with traditional clustering algorithm, ERBFN optimized the hidden layer of Radial Function Network, and used supervised learning strategy to fine-tune the network connection weights. This method has been successfully applied to classification of real-world cancer data. Our assessment has revealed that the accuracy of ERBFN is comparable to that of support vector machine based classification.
URI: http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/24204
全文授權: 未授權
顯示於系所單位:電機工程學系

文件中的檔案:
檔案 大小格式 
ntu-94-1.pdf
  目前未授權公開取用
675.89 kBAdobe PDF
顯示文件完整紀錄


系統中的文件,除了特別指名其著作權條款之外,均受到著作權保護,並且保留所有的權利。

社群連結
聯絡資訊
10617臺北市大安區羅斯福路四段1號
No.1 Sec.4, Roosevelt Rd., Taipei, Taiwan, R.O.C. 106
Tel: (02)33662353
Email: ntuetds@ntu.edu.tw
意見箱
相關連結
館藏目錄
國內圖書館整合查詢 MetaCat
臺大學術典藏 NTU Scholars
臺大圖書館數位典藏館
本站聲明
© NTU Library All Rights Reserved