以自我組織映射圖及k-means之兩階段分群與倒傳遞類神經網路修正.pdfVIP

2009數位科技與創新管理研討會 論文編號:73 數位科技組 以自我組織映射圖及K-means 之兩階段分群與 倒傳遞類神經網路修正糖尿病資料庫偏離值 曾綜源 華梵大學資管系 蔣依婷 華梵大學資管系 摘 要 現代科技的普及，使得我們可以快速及大量地蒐集各式各樣的資料，而為了從大量資 料中獲得有用的資訊，產生資料探勘（Data Mining ）這個專門的領域，藉由統計及人工智 慧的科學技術，將資料做深入分析，找出其中的知識。 隨著近年台灣各大醫院紛紛建立醫療資訊系統，為了將醫療資料轉換為有意義的資訊 以輔助診斷，使得資料探勘廣泛應用於醫療領域，然而，醫療資料庫中常會發生含有偏離 值 (outlier)的現象，這種現象大多由於實驗執行錯誤或檢測過程出錯所造成。 當資料中有偏離值存在時，將影響到分析的效果，尤其是在不平衡資料庫中，如果直 接對少量類別中偏離的資料項予以排除，將會導致進行資料探勘時訓練樣本量不足，進而 影響到分類的正確率。 而本研究所使用到的糖尿病資料庫即為一個不平衡資料庫，當糖尿病在判定有無糖尿 病病徵時，通常是以空腹血糖(Impaired Fasting Glucose, IFG)為關鍵的屬性，而空腹血糖值 在身體中經常很容易產生劇烈的變化，如果在做檢查前沒有確實做到禁食與禁藥 (jug free) 的嚴格限制下，就會出現偏離值的情況。為了使這些偏離值成為有用的資料，本研究選擇 自我組織映射圖 (Self-Organizing Maps,SOM)及 K-means的兩階段分群法，用於重新分群來 改善分類的結果，配合倒傳遞類神經網路進行偏移植的修正，並驗證分類正確率是否提升。 關鍵字： 偏離值、自我組織映射圖、 K-means 、倒傳遞類神經網路 331 2009數位科技與創新管理研討會 論文編號:73 數位科技組 Using Two-Stage Clustering Algorithm of Self-Organizing Maps and K-means, and Back-Propagation Neural Network to Correcting Outliers in Diabetes Database Yi-Ting Jiang, Dept. of Information Management, Huafan University Tsung-Yuan Tseng, Dept. of Information Management, Huafan University ABSTRACT The availability of modern science and technology greatly helps the Internet-users easily access to various kinds of on-line database. In order to get useful information from an ocean