跳到主要內容

臺灣博碩士論文加值系統

(3.235.56.11) 您好!臺灣時間:2021/08/04 07:03
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:翁文才
研究生(外文):wen-tsai wong
論文名稱:粗集相似度法建立智慧型魚病診斷輔助系統
論文名稱(外文):Establishing Intelligence Fish Disease DSS based on Rough Set Similarity Degree
指導教授:鄭景俗鄭景俗引用關係
指導教授(外文):Ching-Hsue Cheng
學位類別:碩士
校院名稱:國立雲林科技大學
系所名稱:資訊管理系碩士班
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
畢業學年度:92
語文別:中文
論文頁數:74
中文關鍵詞:決策支援系統相似度粗集理論
外文關鍵詞:Rough SetSimilarityDecision Support Systems
相關次數:
  • 被引用被引用:2
  • 點閱點閱:155
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
  「決策支援系統」(Decision Support Systems, DSS)是一個電腦軟體系統,目的在把和特定決策有關的資料,經由不同來源加以蒐集,並協助決策者運用適當的模式分析,產生有助於決策者制定決策時所需參考的資訊,DSS主要針對特定的決策工作提供分析與計算的工具與模式,使決策者利用資料庫與模式庫的能力,提高決策的效能。在1970年代,決策支援系統與專家系統在部份領域成功的建立與應用,激發了醫學、電腦與系統設計等專家對醫療專家系統開發的熱潮,有關獸醫診療專家系統開發,則於1980年代開始起步,目前國內自行發展有關獸醫診療相關軟體並不多,並且尚未有水產動物疾病診斷輔助系統的開發。
  為能協助第一線水產動物疾病檢疫及防疫的獸醫人員進行魚病診斷,發展具有水產疾病輔助診斷的決策支援系統,配合完整病例診療資料的紀錄,可以有效提昇整體水產動物疾病診斷技術及疫情防治,更能累積全國各地區的魚病診斷經驗成為一知識庫,達成魚病診斷知識的共享。歸納本研究之貢獻在於:
1.以標準化魚病病灶描述項目及語言建立魚病診斷電子病歷及資料庫,便於進一步資料庫分析及運用。
2.透過文獻及獸醫師經驗建立魚病診斷知識。
3.建立智慧型魚病診斷輔助系統協助獸醫人員進行魚病診斷。
4.透過網際網路提供異地魚病診斷輔助服務。
5.提供獸醫師實習課程教學教材。
  Decision Support Systems (DSS) was a computer software system that collected related data from different resources to help decision makers finding the best way to analysis and made the right correct choices for one’s projects. DSS focused on providing a calculation, data analysis, and also allowed decision makers to make their choices faster and more efficiently. In 1970, “strategy and backup system” and “expert system” were successful in some areas. This effect leaded the developments of medically development, information technologic, and computer programs. Even thought the growth of Vet Clinic System began in 1980, but the software of Vet Clinic System in Taiwan was still in the beginning nowaday.

  Assisting veterinarian to control fishery disease inspection and quarantine, developing a system to assist the persons to determine the procedures for fishery diseases, and recording all the information of fishery diseases, improving the skills of determining fishery diseases, building a information center that combined the dates of fishery diseases all over the world, and sharing the all the information of fishery diseases were the purposes of this study.

The benefits of this study are:

1.Building an information server that recorded all the fishery diseases and electric records for data analysis and information sharing.
2.This system will record all the literatures of fishery diseases and the experiences of veterinarians.
3.Making an intelligent fishery diseases clinical system to assist veterinarians.
4.Providing the fishery diseases clinical service; through the Internet the veterinarians could get the same information in different place.
5.Providing vet courses materials.
中文摘要 ………………………………………………………………… i
英文摘要 ………………………………………………………………… ii
誌謝 ……………………………………………………………………… iii
目錄 ……………………………………………………………………… iv
表目錄 …………………………………………………………………… vi
圖目錄 …………………………………………………………………… vii
第一章 緒論……………………………………………………………… 1
1.1研究背景與動機…………………………………………………1
1.2研究目的…………………………………………………………1
1.3研究限制…………………………………………………………2
1.4論文架構…………………………………………………………2
第二章 文獻探討………………………………………………………… 3
2.1決策支援系統……………………………………………………3
2.1.1決策支援系統的定義……………………………………… 3
2.1.2決策支援系統的特性……………………………………… 3
2.1.3決策支援系統的結構……………………………………… 4
2.1.4網際網路上決策支援系統的架構………………………… 6
2.1.5決策支援系統的發展程序………………………………… 8
2.2粗集理論…………………………………………………………9
2.2.1粗集理論的提出背景……………………………………… 10
2.2.2粗集理論的研究對象……………………………………… 10
2.2.3粗集理論的特點…………………………………………… 11
2.2.4粗集理論的基本概念……………………………………… 11
2.2.5粗集的上近似集、下集似集及邊界……………………… 12
2.2.6粗集的二維空間描述……………………………………… 13
2.3相似性指數………………………………………………………15
2.4魚類發病的原因…………………………………………………18
2.5魚病診斷項目及流程……………………………………………19
2.5.1魚病診斷項目……………………………………………… 19
2.5.2魚病診斷流程……………………………………………… 21
第三章 研究方法………………………………………………………… 23
3.1研究流程…………………………………………………………23
3.2建立魚病描述屬性和屬性值……………………………………24
3.3以粗集概念建立診斷知識………………………………………26
3.3.1臨床魚病診斷知識表達方式……………………………… 26
3.3.2建立魚病診斷知識………………………………………… 33
3.4粗集相似度法演算步驟…………………………………………33
3.4.1粗集相似度法演算步驟…………………………………… 33
3.4.2可能魚病名稱推論流程…………………………………… 35
第四章 智慧性魚病輔助診斷系統開發………………………………… 37
4.1軟硬體設備………………………………………………………37
4.2系統架構…………………………………………………………38
4.3系統雛型建構……………………………………………………41
4.3.1系統雛型發展……………………………………………… 41
4.3.2系統功能簡介……………………………………………… 42
第五章 實例驗證………………………………………………………… 48
5.1實際病例粗集相似度法演算……………………………………48
5.2驗證………………………………………………………………51
第六章 結論與未來研究方向…………………………………………… 55
6.1結論………………………………………………………………55
6.2未來研究方向……………………………………………………56
參考文獻 ………………………………………………………………… 57
附錄一 魚病描述“部位” 屬性-屬性值及代碼對照表…………… 60
附錄二 魚病描述“分佈” 屬性-屬性值及代碼對照表…………… 60
附錄三 魚病描述“顏色” 屬性-屬性值及代碼對照表…………… 61
附錄四 魚病描述“形狀” 屬性-屬性值及代碼對照表…………… 61
附錄五 魚病描述“時程” 屬性-屬性值及代碼對照表…………… 61
附錄六 魚病描述“程度” 屬性-屬性值及代碼對照表…………… 62
附錄七 魚病描述“大小” 屬性-屬性值及代碼對照表…………… 62
附錄八 魚病描述“結構” 屬性-屬性值及代碼對照表…………… 63
附錄九 魚病描述“特徵” 屬性-屬性值及代碼對照表…………… 64
附錄十 魚病描述“發病季節” 屬性-屬性值及代碼對照表……… 65
附錄十一 魚病描述“臨床症狀” 屬性-屬性值及代碼對照表…… 65
附錄十二 魚病診斷決策算法一覽表…………………………………… 66
中文參考文獻
[1]梁丁文,民81年,以粗略集合方法從臨床資料庫中學習相依法則, 清華大學 ,碩士論文。
[2]劉旺林,民89年,使用類神經網路與資料挖礦之粗集理論於設備監控診斷之研究,雲林科技大學,碩士論文。
[3]黃俊期,民90年,使用XML與Fuzzy Rough Set於遠距診斷之研究,雲林科技大學,碩士論文。
[4]郭振宗,民89年,微生物類別診斷與抗生素用藥決策支援系統,屏東科技大學,碩士論文。
[5]李友專,”醫學診斷專家系統”,http://li.tmc.edu.tw/diag_dec_supp/mdss.htm。
[6]薛理桂,民國80年,”專家系統在圖書館的應用”,國立中央圖書館台灣分館館訊5期,pp 10。
[7]曾繁絹、李德竹編著,民國86年,”專家系統淺論”,資訊科學與技術專題論輯,文華書館管理,pp 289。
[8]恩特格瑟(DieterUntergasser)原著、鍾虎雲編譯,民國88年,”實用魚病學 : 觀賞魚病害診斷手冊”,藝軒圖書出版社。
[9]張鴻猷編著,民國90年,”水產動物疾病細菌篇、黴菌篇”,雲林縣家畜疾病防治所出版。
[10]梁定澎著,民國91年,”決策支援系統與企業智慧”,智勝文化出版。
[11]曾黃麟編著,1996,粗集理論及其應用-關於數據推理的新方法,重慶大學出版社。
[12]鄭永銘編譯, 2003,基礎病理學, ,二版,合記圖書出版社。


英文參考文獻
[1]Alter, S. “A Taxonomy of Decision Support Systems,” Sloan Management Review, 19:1, Fall 1977, pp. 39-56
[2]David, N.G., Robert, C.M. and Merle A.S., The SanFord Guide to Antimicrobial Therapy 1999,1999.
[3]Lin, T. Y.,1997,”Rough sets and data mining : analysis for imprecise data”, Kluwer Academic.
[4]Pawlak, Zdzislaw.,1991,”Rough sets : theoretical aspects of reasoning about data”, Kluwer Academic Publishers.
[5]Polkowski, Lech.,1998,”Rough sets in knowledge discovery”, Physica-Verlag.
[6]Purser, Ronald E., Pasmore, William A., Tenkasi, Ramkrishnan V., “The influence of Deliberations on Learning in New Product Development Teams”,Journal of Engineering and Technology Management,Amsterdam,Mar 1992.
[7]Ralph Alberico and Mary Micco, 1990, “Expert Systems for Reference and Information Retrieval”,London: Meckler, pp 23~25。
[8]Shusaku Tsumoto, 1998, “Automated extraction of medical expert system rules from clinical databases based on rough set theory”, Information Sciences 112, pp67-84。
[9]Shusaku Tsumoto, 1999, “Konwledge discovery in clinical databases and evaluation of discovered knowledge in outpatient clinic”, Information Sciences 124, pp125-137。
[10]Scott Morton, M.S., “Management Decision Systems:Computer-based Support for Decision Making”, Division of Research, Harvard University, Cambridge, MA, 1971.
[11]Walczak, B.; Massart, D.L.,1999,” Rough sets theory”, Chemometrics and Intelligent Laboratory Systems, Vol.47,Issue:1,pp.1-16.
[12]Z. Pawlak,1982,”Rough sets”,International Journal of Computer and Information Sciences,pp,341-356.
[13]Z. Pawlak, J Grzymala-Busse, R Slowinski, W Ziarko. Rough sets. Communications of the ACM, 1995,38(11):89~95.
[14]Z. Pawlak Vagueness—A rough set view. In: Mycielski J, Rozenberg G, Salomaa A, eds. Structures in Logic and Computer Science: A Selection of Essays in Honor of A. Berlin: Springer-Verlag, 1997. 106~117
[15] Z. Pawlak ,”Vagueness and uncertainty–a rough set perspective”, Computational Intelligence,1995,11(2):227-232.
[16]Zadeh, L.A.,1965,”Fuzzy Sets”, Information and Control, Vol.8, pp.338-353.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊