

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、中醫(yī)獨(dú)特的診斷方法及治病療效在我國衛(wèi)生保健事業(yè)中發(fā)揮著重要作用。切脈是中醫(yī)診斷的主要方法之一,隨著傳感器技術(shù)和計(jì)算機(jī)處理技術(shù)的發(fā)展,人們開始致力于脈診的客觀化研究,希望用現(xiàn)代科學(xué)技術(shù)的方法和儀器,推進(jìn)中醫(yī)脈診的現(xiàn)代化。這是本論文的立論依據(jù)。 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBFNN)是一種三層前向神經(jīng)網(wǎng)絡(luò),它通過徑向基函數(shù)構(gòu)成的隱含層將低維的模式輸入數(shù)據(jù)變換到高維空間,從而使低維空間內(nèi)線性不可分問題在高維空間內(nèi)線性可分。RBFNN網(wǎng)絡(luò)結(jié)構(gòu)
2、簡單、訓(xùn)練簡潔,在時(shí)間序列分析、圖像處理和模式識別等領(lǐng)域有較為廣泛的應(yīng)用。 針對海洛因吸毒者的脈象信號與正常人脈象信號的特征差異,本文成功應(yīng)用RBF神經(jīng)網(wǎng)絡(luò)和遺傳算法優(yōu)化的RBF網(wǎng)絡(luò)針對15例海洛因吸毒者和15例正常人的脈象信號進(jìn)行了識別。采用RBF網(wǎng)絡(luò)識別脈象信號,選用K-均值聚類算法確定隱含層基函數(shù)中心,建立了一個(gè)40~16~1的網(wǎng)絡(luò)模型,選取每一例脈象信號的一段特征信號作為網(wǎng)絡(luò)的輸入信號,分別采用偽逆法和最小均方(LMS)
3、算法學(xué)習(xí)網(wǎng)絡(luò)輸出層權(quán)值。訓(xùn)練完成的網(wǎng)絡(luò)對20例訓(xùn)練樣本的識別率達(dá)100%,對10例測試樣本的識別率達(dá)90%,對所有30例脈象信號的識別率高達(dá)96.7%。在30例脈象信號中僅有正常人Z10被誤判為吸毒者。采用遺傳算法優(yōu)化RBF網(wǎng)絡(luò),是利用遺傳算法確定RBF網(wǎng)絡(luò)隱含層基函數(shù)的個(gè)數(shù)和基函數(shù)中心,遺傳算法中種群的目標(biāo)函數(shù)采用AIC準(zhǔn)則由訓(xùn)練樣本和測試樣本的誤差函數(shù)值共同構(gòu)成,最終得到最優(yōu)的網(wǎng)絡(luò)結(jié)構(gòu)為40~19~1,該結(jié)構(gòu)的網(wǎng)絡(luò)經(jīng)過訓(xùn)練后,30例
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)入侵檢測技術(shù)的研究.pdf
- 人工神經(jīng)網(wǎng)絡(luò)在中醫(yī)脈象信號檢測中應(yīng)用的研究.pdf
- 基于徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)的入侵檢測技術(shù)研究.pdf
- 基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的應(yīng)用研究.pdf
- 基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的車牌識別研究.pdf
- 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的優(yōu)化研究.pdf
- 基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的多Agent入侵檢測系統(tǒng)研究.pdf
- 基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的舵機(jī)加載控制策略.pdf
- 基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)多用戶檢測算法的研究.pdf
- 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法研究.pdf
- 基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的投資預(yù)測模型研究.pdf
- 基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的顏色空間轉(zhuǎn)換研究.pdf
- 基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的電網(wǎng)故障診斷.pdf
- 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法研究.pdf
- 基于L-GEM徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測跟蹤算法研究.pdf
- Sum-of-Product神經(jīng)網(wǎng)絡(luò)和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的逼近能力研究.pdf
- 基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的色空間轉(zhuǎn)換模型的研究.pdf
- 基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的企業(yè)信用評分研究.pdf
- 基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的車牌識別技術(shù)研究.pdf
- 基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的實(shí)時(shí)電力調(diào)度策略研究.pdf
評論
0/150
提交評論