延边大学学报(自然科学版)

2021, v.47;No.141(01) 70-74

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于RBF-BP神经网络融合的医学数据分类研究
Research on medical data classification based on RBF-BP neural network fusion

金丹丹;闻辉;

摘要(Abstract):

为改善传统的反向传播(BP)神经网络和径向基函数(RBF)神经网络的学习能力和分类性能的不足,提出一种融合RBF网络与BP网络的混合神经网络算法(HRBF-BP),并将其应用到医学数据分类问题中.在网络结构的实现上,将RBF隐藏层与BP隐藏层进行级联融合,即在连接BP网络输入层与隐藏层之间加入RBF核映射层;在学习算法的实现上,先采用k-均值聚类算法来实现RBF核参数的估计,然后再使用基于随机梯度下降的BP算法实现级联BP网络的权值优化.将该算法与SGBP、KMRB、PFRBF等算法在不同的医学数据集上进行分类实验对比表明,该方法的网络训练精度以及测试精度均优于SGBP、KMRB、PFRBF算法;因此,该方法对提高BP网络和RBF网络的学习能力和分类性能具有良好的参考价值.

关键词(KeyWords): 径向基函数;反向传播;网络融合;神经网络

Abstract:

Keywords:

基金项目(Foundation): 福建省自然科学基金(2019J01815);; 莆田市科技局项目(2018RP4004);; 福建省教育科学“十三五”规划项目(FJJKCG20-101)

作者(Author): 金丹丹;闻辉;

Email:

DOI: 10.16379/j.cnki.issn.1004-4353.2021.01.012

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享