博碩士論文 93221019 詳細資訊




以作者查詢圖書館館藏 以作者查詢臺灣博碩士 以作者查詢全國書目 勘誤回報 、線上人數:8 、訪客IP:18.205.96.39
姓名 謝博文(Po-Wen Hsieh)  查詢紙本館藏   畢業系所 數學系
論文名稱 自動分類軟體在動作電位上的研究
(A Study of Spike Sorting by Autoclass)
相關論文
★ 台灣與韓國之十二年數學課程比較★ 台灣與英國三角函數課程之教科書比較
★ 以自迴歸模型分析神經元訊號間之因果關係★ 自由邊界的保角參數化在Matlab上實現
★ 利用數值模擬探討各式干擾因子對兩電生理訊號因果關係判讀之影響★ 一個物件導向的數學概念學習與診斷工具
★ 增加解析度的凌波演算法★ 提昇後的凌波函數與數值分析
★ Helmholtz 方程與 Wavelet 迭代法★ 影像放大與直脊函數
★ 雙正交凌波函數於血壓與 交感神經活性訊號分析之應用★ 中小學數學創意教學競賽實施之研究
★ 血壓與交感神經活性訊號關係的數學模型★ 國中生胚騰推理與數學能力之相關性研究
★ 台灣與日本之十二年數學課程比較★ 台灣與新加坡之十二年數學課程比較
檔案 [Endnote RIS 格式]    [Bibtex 格式]    [相關文章]   [文章引用]   [完整記錄]   [館藏目錄]   [檢視]  [下載]
  1. 本電子論文使用權限為同意立即開放。
  2. 已達開放權限電子全文僅授權使用者為學術研究之目的,進行個人非營利性質之檢索、閱讀、列印。
  3. 請遵守中華民國著作權法之相關規定,切勿任意重製、散佈、改作、轉貼、播送,以免觸法。

摘要(中) 為了分析一顆神經細胞的行為,我們需要了解其發生動作電位的頻率變化。通常一根微電極會接收到多個神經細胞所發出的動作電位以及一些環境雜訊,因此對於這些混雜的神經訊號,我們處理的步驟是先過濾雜訊,之後再將不同神經細胞所發出的動作電位分類。
主成分分析法最常被用於處理動作電位的分類問題上,但分類結果需由使用者觀看資料分布圖來決定,所以客觀性不高。Autoclass是目前網路上公開的一種分類軟體,其分類結果會顯示每筆資料屬於每一群的機率值。以機率值大小將資料分群的結果比用眼睛判斷的分類結果還具客觀性。本論文的目的是使Autoclass能有效應用在處理神經細胞動作電位的工作上,同時提出一個先驗標準來判斷一組訊號是否該以Autoclass分類,以及一個後驗方法來評估分類的結果是否可以信賴。
摘要(英) In order to analyze the actions of a neuron, we need to understand the variations of the frequency of its spikes. An electrode usually receives spikes generated by several neurons as well as some background noises, which become interference in our analysis. Therefore, the task is to first filter out noises from these electrical signals and then to classify the spikes.
In spike sorting, Principal Component Analysis (PCA) is the method scholars tend to adopt most often. However, the classification produced by PCA is not objective for it is based on operators’ observation of the graph. An alternative choice, Autoclass, is a popular method for clustering and its classification shows the probability of each data which belongs to each cluster. We can get a more objective classification according to probability than by visual estimation. Hence, a classification produced by Autoclass is more objective than one produced by PCA. The goal of this article is to show how Autoclass makes spike sorting more effective, meanwhile, to provide a prior knowledge to determine whether a data is suitable to be clustered by Autoclass, and to propose a posterior method to confirm the validity of its classification.
關鍵字(中) ★ Autoclass
★ 神經動作電位
★ 動作電位分類
關鍵字(英) ★ Autoclass
★ neural action potential
★ spike sorting
論文目次 目 錄
第1章 緒論………1
第2章 背景知識………2
2.1 動作電位………2
2.2 門檻探測法………3
2.3 主成分分析法………3
第3章 Autoclass使用指引………4
3.1 Autoclass簡介………4
3.2 如何使用Autoclass………5
3.2.1 搜尋………5
3.2.1.1 Data檔案………5
3.2.1.2 Header檔案………7
3.2.1.3 Model檔案………11
3.2.1.4 Search params檔案………13
3.2.1.5 執行Search指令………20
3.2.2 報告………21
3.2.2.1 Report params檔案………21
3.2.2.2 執行Report指令………23
3.2.2.3 influence檔案、case檔案、class檔案………23
第4章 Autoclass測試………24
4.1 參數的測試………24
4.2 測試最佳分類的準確性………25
第5章 Autoclass實驗………26
5.1 實驗一………26
5.1.1 測試一………26
5.1.2 測試二………26
5.1.3 測試三………27
5.2 實驗二………28
5.3 實驗三………29
5.4 實驗四………30
5.5 實驗五………31
第六章 結論與建議………32
6.1 Autoclass的優缺點 ………32
6.2 Autoclass處理分類問題步驟之建議 …………33
參考文獻 [1] 李易霖(2004)。《神經細胞訊號的一種分類法》。國立中央大學數學系碩士論文,6-9。
[2] 1996 Bayesian classification(autoclass). theory and results Advances in Knowledge Discovery and Data Mining ed U M Fayyad et al(Menlo Park,CA: AAAI Press)pp 153-80.
[3] Michael S Lewicki(1998). A review of methods for spike sorting: the detection and classification of neural action potentials. pp R56
指導教授 單維彰(Wei-Chang Shann) 審核日期 2006-7-3
推文 facebook   plurk   twitter   funp   google   live   udn   HD   myshare   reddit   netvibes   friend   youpush   delicious   baidu   
網路書籤 Google bookmarks   del.icio.us   hemidemi   myshare   

若有論文相關問題,請聯絡國立中央大學圖書館推廣服務組 TEL:(03)422-7151轉57407,或E-mail聯絡  - 隱私權政策聲明