欢迎来到天天文库
浏览记录
ID:32153054
大小:946.20 KB
页数:62页
时间:2019-01-31
《基于径向基函数神经网络的中医脉象信号检测》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、重庆大学硕士学位论文中文摘要摘要中医独特的诊断方法及治病疗效在我国卫生保健事业中发挥着重要作用切脉是中医诊断的主要方法之一随着传感器技术和计算机处理技术的发展人们开始致力于脉诊的客观化研究希望用现代科学技术的方法和仪器推进中医脉诊的现代化这是本论文的立论依据径向基函数神经网络RBFNN是一种三层前向神经网络它通过径向基函数构成的隐含层将低维的模式输入数据变换到高维空间从而使低维空间内线性不可分问题在高维空间内线性可分RBFNN网络结构简单训练简洁,在时间序列分析图像处理和模式识别等领域有较为广泛的应用针对海洛因吸毒者的脉象信号与正常人脉象信号的特征差异本文成功
2、应用RBF神经网络和遗传算法优化的RBF网络针对15例海洛因吸毒者和15例正常人的脉象信号进行了识别采用RBF网络识别脉象信号选用K-均值聚类算法确定隐含层基函数中心建立了一个40161的网络模型选取每一例脉象信号的一段特征信号作为网络的输入信号分别采用伪逆法和最小均方LMS算法学习网络输出层权值训练完成的网络对20例训练样本的识别率达100%对10例测试样本的识别率达90%对所有30例脉象信号的识别率高达96.7%在30例脉象信号中仅有正常人Z10被误判为吸毒者采用遗传算法优化RBF网络是利用遗传算法确定RBF网络隐含层基函数的个数和基函数中心遗传算法中种群
3、的目标函数采用AIC准则由训练样本和测试样本的误差函数值共同构成最终得到最优的网络结构为40191该结构的网络经过训练后30例脉象信号全部被正确识别出来网络的逼近和泛化能力好研究表明对于脉象信号在同样的输出层权值学习方法下利用遗传算法确定基函数个数和中心的网络比利用K—均值聚类算法确定基函数中心的网络具有更好的逼近和泛化能力本论文除了对RBF网络和遗传算法的理论和算法进行推导验证还对神经网络的相关基础理论做了较系统的阐述包括神经网络的结构分类训练函数和学习算法等关键词RBF神经网络K—均值聚类算法遗传算法脉象信号海洛因吸毒者I重庆大学硕士学位论文英文摘要ABS
4、TRACTThediagnosticmethodsandparticularlycurativeeffectoftraditionalChinesemedicinehavebeenplayinganimportantroleofnationalhealthcare.Pulse-feelingisoneoftheprimarydiagnosticmethodsintraditionalChinesemedicine.Alongwiththedevelopmentofsensorsandcomputertechnology,peoplehopetoapplymod
5、ernsignalprocessingtechnologytohumanpulsediagnosis,inordertocarryingonaninvestigationintheobjectivityoftheChinesemedicinePulse-feeling,whichisthebasisofthispaper.Radialbasisfunctionneuralnetwork(RBFNN)isathree-layerforwardnetworkwhoseoutputnodesformalinearcombinationofthebasisfuncti
6、onscomputedbythehiddenlayernodes.Thebasisfunctionsinthehiddenlayerproducearesponsetoinputstimulusthroughtransferingtheinputsignalsinlowerdimensionalspaceintohigherspace.Thetransferencemakestheinputsignalsbelinearlyseparatedeasy.RBFneuralnetworkshavebeenextensivelyusedinsuchdiversefi
7、eldsastimeseriesanalysis,imageprocessing,patternrecognitionandsoon,owingtotheirfeaturesofsimplearchitecturesandbrieftrainingrequirements.Consideringthecharacteristicdifferencesbetweenthepulsesignalsofheroinaddictsandhealthypersons,wesuccessfullyuseRBFnetworkandRBFnetworkoptimizedbyg
8、eneticalgorithmtoid
此文档下载收益归作者所有