本文關(guān)鍵詞：基于BP神經(jīng)網(wǎng)絡(luò)和DS證據(jù)理論的疾病預(yù)測模型研究

  更多相關(guān)文章： 預(yù)測模型 BP神經(jīng)網(wǎng)絡(luò) DS證據(jù)理論 心臟病預(yù)測

【摘要】：隨著生活水平的提高,人們期待獲得更優(yōu)質(zhì)的醫(yī)療服務(wù)。計算機技術(shù)的快速發(fā)展使得它已經(jīng)廣泛地應(yīng)用于醫(yī)療領(lǐng)域的各個方面,然而,計算機技術(shù)主要用于病人醫(yī)療信息的采集、顯示、存儲等方面,疾病的診斷仍然主要由醫(yī)生來確定。利用計算機進行輔助疾病診斷,實現(xiàn)智慧醫(yī)療,目前正處于開始發(fā)展階段。將計算機技術(shù)應(yīng)用于疾病輔助診斷和預(yù)測[1],對于疾病的早發(fā)現(xiàn)、早治療、減少誤診等方面具有很重要的意義。目前常用的方法包括時間序列預(yù)測法、Markov預(yù)測法、人工神經(jīng)網(wǎng)絡(luò)法、回歸預(yù)測法等[2]。另外,人們也嘗試將多個數(shù)學(xué)模型結(jié)合進行疾病預(yù)測,以提高預(yù)測的準(zhǔn)確率。本文以心臟病預(yù)測為研究背景,通過BP神經(jīng)網(wǎng)絡(luò)[3]建立疾病預(yù)測模型,對病人的病情進行預(yù)測,并引入DS證據(jù)理論[4]以提高預(yù)測準(zhǔn)確率。論文首先總結(jié)了BP神經(jīng)網(wǎng)絡(luò)和DS證據(jù)理論各自的特點。BP神經(jīng)網(wǎng)絡(luò)具有自適應(yīng)、容錯性和自組織性強的特點。但表現(xiàn)出容易陷入局部極小點,在多目標(biāo)預(yù)測的過程中會產(chǎn)生識別率差和可信度不高的情況。DS證據(jù)理論的優(yōu)點是可以將證據(jù)之間微弱的差別累加起來,當(dāng)這些差別累計到一定程度時,就能夠進行區(qū)分,達(dá)到提高預(yù)測準(zhǔn)確率的效果,DS證據(jù)理論的這一優(yōu)點正好可以彌補BP神經(jīng)網(wǎng)絡(luò)預(yù)測精度不高的缺點。鑒于BP神經(jīng)網(wǎng)絡(luò)和DS證據(jù)理論的特點,論文提出了一種將BP神經(jīng)網(wǎng)絡(luò)和DS證據(jù)理論結(jié)合起來進行疾病預(yù)測的模型。該模型用BP神經(jīng)網(wǎng)絡(luò)進行建模,得到疾病預(yù)測模型,并用該模型依據(jù)特征數(shù)據(jù)對病情進行預(yù)測,得到的結(jié)果用DS證據(jù)理論進行合成,合成結(jié)果作為最后的預(yù)測結(jié)果。為驗證模型的正確性,論文通過心臟病數(shù)據(jù)對模型進行測試。先利用心臟病數(shù)據(jù)進行訓(xùn)練,生成BP神經(jīng)網(wǎng)絡(luò)。然后將數(shù)據(jù)分為多組輸入,經(jīng)歸一化處理后,輸入到BP神經(jīng)網(wǎng)絡(luò)進行預(yù)測,得到多組輸出結(jié)果。該輸出進行歸一化處理,作為DS證據(jù)理論可以合成的基本概率向量。最后,利用DS證據(jù)理論對基本概率向量進行合成,合成的結(jié)果如果滿足預(yù)期結(jié)果,則將合成結(jié)果輸出,這一結(jié)果就是最終對心臟病的預(yù)測結(jié)果。實驗表明,將BP神經(jīng)網(wǎng)絡(luò)和DS證據(jù)理論結(jié)合起來進行心臟病預(yù)測不僅預(yù)測準(zhǔn)確率大大提高,而且算法的魯棒性也較好。將此模型應(yīng)用于其他疾病的預(yù)測,對該模型的應(yīng)用范圍進行擴展,將會為未來的智慧醫(yī)療的發(fā)展提供廣闊的應(yīng)用空間。
【關(guān)鍵詞】：預(yù)測模型 BP神經(jīng)網(wǎng)絡(luò) DS證據(jù)理論 心臟病預(yù)測
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP183;TP202
【目錄】：

• 摘要3-5
• ABSTRACT5-9
• 第一章 引言9-16
• 1.1 論文的研究背景和研究意義9-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-13
• 1.3 本文主要研究內(nèi)容13-14
• 1.4 本文的結(jié)構(gòu)14-15
• 1.5 本章小結(jié)15-16
• 第二章 BP神經(jīng)網(wǎng)絡(luò)技術(shù)16-27
• 2.1 人工神經(jīng)網(wǎng)絡(luò)16-21
• 2.1.1 人工神經(jīng)元構(gòu)造18-19
• 2.1.2 激活函數(shù)19-20
• 2.1.3 神經(jīng)網(wǎng)絡(luò)的一般模型20-21
• 2.1.4 神經(jīng)網(wǎng)絡(luò)的工作原理21
• 2.2 BP神經(jīng)網(wǎng)絡(luò)的相關(guān)理論21-25
• 2.2.1 三層BP神經(jīng)網(wǎng)絡(luò)21-24
• 2.2.2 BP神經(jīng)網(wǎng)絡(luò)的算法和實現(xiàn)過程24-25
• 2.2.3 BP神經(jīng)網(wǎng)絡(luò)的優(yōu)點25
• 2.3 本章小結(jié)25-27
• 第三章 DS證據(jù)理論27-36
• 3.1 DS證據(jù)理論27
• 3.2 DS證據(jù)理論的基本概念27-32
• 3.2.1 DS證據(jù)理論的識別框架27-28
• 3.2.2 基本信任分配函數(shù)28-30
• 3.2.3 基本信任函數(shù)30
• 3.2.4 似然函數(shù)30-32
• 3.3 DS證據(jù)理論的合成規(guī)則32-35
• 3.3.1 兩個證據(jù)合成規(guī)則32-34
• 3.3.2 多個證據(jù)合成規(guī)則34-35
• 3.4 DS證據(jù)理論合成的性質(zhì)35
• 3.5 證據(jù)理論的優(yōu)勢35
• 3.6 本章總結(jié)35-36
• 第四章 基于BP神經(jīng)網(wǎng)絡(luò)和DS證據(jù)理論的疾病預(yù)測模型36-50
• 4.1 BP-DS模型36-39
• 4.1.1 BP-DS疾病預(yù)測模型框架36-37
• 4.1.2 疾病預(yù)測模型實現(xiàn)過程37-38
• 4.1.3 BP-DS算法的描述38-39
• 4.2 BP-DS模型心臟病預(yù)測39-49
• 4.2.1 實驗環(huán)境介紹39-40
• 4.2.2 數(shù)據(jù)集劃分40-41
• 4.2.3 數(shù)據(jù)歸一化41-42
• 4.2.4 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)確定42-45
• 4.2.5 證據(jù)理論的合成45-47
• 4.2.6 實驗結(jié)果分析47-49
• 4.3 本章小結(jié)49-50
• 第五章 總結(jié)與展望50-52
• 5.1 總結(jié)50-51
• 5.2 展望51-52
• 參考文獻(xiàn)52-56
• 致謝56-58
• 攻讀碩士期間發(fā)表的論文58

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 云中客;新的神經(jīng)網(wǎng)絡(luò)來自于仿生學(xué)[J];物理;2001年10期

2 唐春明,高協(xié)平;進化神經(jīng)網(wǎng)絡(luò)的研究進展[J];系統(tǒng)工程與電子技術(shù);2001年10期

3 李智;一種基于神經(jīng)網(wǎng)絡(luò)的煤炭調(diào)運優(yōu)化方法[J];長沙鐵道學(xué)院學(xué)報;2003年02期

4 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];計算機工程與應(yīng)用;2004年21期

5 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學(xué);2004年03期

6 周麗暉;從統(tǒng)計角度看神經(jīng)網(wǎng)絡(luò)[J];統(tǒng)計教育;2005年06期

7 趙奇 ,劉開第 ,龐彥軍;灰色補償神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];微計算機信息;2005年14期

8 袁婷;;神經(jīng)網(wǎng)絡(luò)在股票市場預(yù)測中的應(yīng)用[J];軟件導(dǎo)刊;2006年05期

9 尚晉;楊有;;從神經(jīng)網(wǎng)絡(luò)的過去談科學(xué)發(fā)展觀[J];重慶三峽學(xué)院學(xué)報;2006年03期

10 楊鐘瑾;;神經(jīng)網(wǎng)絡(luò)的過去、現(xiàn)在和將來[J];青年探索;2006年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學(xué)術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機遇——紀(jì)念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

10 張廣遠(yuǎn);萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達(dá)大學(xué)社會學(xué)博士 密西西比州立大學(xué)國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報;2003年

4 中國科技大學(xué)計算機系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡(luò)[N];科技日報;2011年

7 健康時報特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時報;2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報;2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡(luò)的多元時間序列預(yù)測方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡(luò)并行實現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時間序列預(yù)測算法研究[D];北京科技大學(xué);2016年

10 曾U喺，

本文編號：835999