適應型模糊分類---醫學診斷之應用

Abstract

模糊分類(Fuzzy classification)系將特徵空間( Feature sapce)劃分為多個模糊集合的技術,這個模 型曾被成功地應用在生物分類及醫學診斷上. 然而,當人類專家的知識不完整或無法有效表 達出來時,我們希望能由數據直接產生一個模 糊分類機.在本計畫中,我們將使用神經網路( Neural networks)及基因程序(Genetic algorithms)來達成 此一目標.當模糊分類機被表示成一個神經網 路時,系統中的各參數(例如從屬函數及模糊運 算子等等)均可以逆向誤差遞移法將之勘定.神 經網路模型成功的前提是我們對特徵空間的結 構有足夠的了解,否則學習的過程極易卡在局 部最適點(Local optima)上.最近的研究顯示基因程 序可以有效地搜尋到適用的網路結構.因此我 們相信在解決高維次,非線性的特徵空間分畫 時,基因程序是一個值得選用的方法.本計畫兼 重理論與實務,因此選擇醫學診斷為應用目標, 依上述方法設計成的模糊分類機將首先被運用 於現有的糖尿病及肌痿症數據上.改善後的系 統將用來分析醫院中的臨床檢驗數據及醫師的 診斷,其結果將在研究報告中詳細討論.