博碩士論文 93522004 完整後設資料紀錄

DC 欄位	值	語言
DC.contributor	資訊工程學系	zh_TW
DC.creator	郭俊利	zh_TW
DC.creator	Jun-Li Kuo	en_US
dc.date.accessioned	2006-7-18T07:39:07Z
dc.date.available	2006-7-18T07:39:07Z
dc.date.issued	2006
dc.identifier.uri	http://ir.lib.ncu.edu.tw:88/thesis/view_etd.asp?URN=93522004
dc.contributor.department	資訊工程學系	zh_TW
DC.description	國立中央大學	zh_TW
DC.description	National Central University	en_US
dc.description.abstract	結合生物微晶片實驗與電腦計算分析是目前研究癌症的一項新興科技，藉由上萬個基因表現來預測癌症的各項顯示特徵是否出現，甚至找出規則以了解癌症的成因，影響的方式，並且發展藥物療程來抑制癌症。不只癌症，任何未知的疾病都適用此方法。基因檢選對於分析生物微晶片資料是很重要的一個步驟，它可以讓我們知道哪些基因是對於疾病有判斷力及參與關鍵調控的；然而利用資訊工程方面的技術，如數值分析、機器學習、資料探勘來研究此議題會碰到兩個問題：「屬性維度太過巨大問題」與「訓練模型過適問題」！ 於是我們希望設計出一套流程，能夠分析生物微晶片資料之後挑選出高度可能影響癌症的基因，這些基因有準確的鑑別力能建構一個順練分類模組，最後我們將以發表過的資料組與合作夥伴台大醫院的乳癌資料組作測試，發現我們的系統的確有非常好的準確性，經過資料探勘技術後的評價分析，我們相信可以減低訓練模組過適問題而達到預測的效果，讓擁有生物微晶片資料的生物學家能夠透過我們的系統流程分析，得到真正有鑑別力的基因，也許再用生物技術做驗證，大大減低實驗的經費與人力。	zh_TW
dc.description.abstract	Gene selection can help to analyze microarray gene expression data. However, it is very difficult to classify a satisfied result by machine learning techniques because of a curse-of-dimensionality problem and an overfitting problem, i.e. the dimension of features is too large but the samples are too few. Therefore, we design a system flow to attempt to avoid the two problems and then select a small set of significant biomarker genes for diagnosis in order to classify correctly. Furthermore, we test on some microarray datasets to demonstrate that our system is useful and reliable according to the good performance.	en_US
DC.subject	分類	zh_TW
DC.subject	生物微晶片	zh_TW
DC.subject	基因	zh_TW
DC.subject	癌症	zh_TW
DC.subject	cancer	en_US
DC.subject	gene selection	en_US
DC.subject	microarray	en_US
DC.subject	classification	en_US
DC.title	針對生物微晶片資料利用決策樹選取關鍵基因	zh_TW
dc.language.iso	zh-TW	zh-TW
DC.title	Gene selection by decision tree and classification for microarray gene expression data	en_US
DC.type	博碩士論文	zh_TW
DC.type	thesis	en_US
DC.publisher	National Central University	en_US