基于改进LVQ神经网络的乳腺肿瘤诊断 | |
赵小强1,2,3; 张莺莺3 | |
刊名 | 现代电子技术 |
2022 | |
卷号 | 45期号:01页码:77-82 |
关键词 | 乳腺肿瘤诊断 改进LVQ神经网络 K交叉验证法 自适应速率 混淆矩阵 算法改进 |
DOI | 10.16652/j.issn.1004-373x.2022.01.015 |
英文摘要 | 针对乳腺肿瘤的诊断率及精准度较低的情况,提出一种基于改进的矢量量化(LVQ)神经网络乳腺肿瘤诊断算法。首先,基于LVQ1算法和LVQ2算法在网络训练过程中更新神经元数目的不同,建立结合LVQ1算法和LVQ2算法的复合LVQ神经网络;然后,考虑到不同的竞争层节点数对LVQ神经网络诊断率的影响,采用K交叉验证法确定复合LVQ最佳网络结构;最后,探讨了不变的学习率在网络训练后期对收敛速度的影响,采用自适应速率算法调整学习率,减少迭代次数。以Wisconsin Breast Cancer Database为实验样本,运用改进算法构造乳腺肿瘤与症状之间的非线性映射关系,用混淆矩阵的概念表达算法诊断准确率。实验结果表明,提出的改进算法诊断准确率达97.1%,相比LVQ1算法和LVQ2算法,误诊率分别降低了5.8%和2.9%。 |
URL标识 | 查看原文 |
语种 | 中文 |
内容类型 | 期刊论文 |
源URL | [http://ir.lut.edu.cn/handle/2XXMBERH/155931] |
专题 | 电气工程与信息工程学院 |
作者单位 | 1.兰州理工大学电气工程与信息工程学院; 2.兰州理工大学国家级电气与控制工程实验教学中心 3.甘肃省工业过程先进控制重点实验室; |
推荐引用方式 GB/T 7714 | 赵小强,张莺莺. 基于改进LVQ神经网络的乳腺肿瘤诊断[J]. 现代电子技术,2022,45(01):77-82. |
APA | 赵小强,&张莺莺.(2022).基于改进LVQ神经网络的乳腺肿瘤诊断.现代电子技术,45(01),77-82. |
MLA | 赵小强,et al."基于改进LVQ神经网络的乳腺肿瘤诊断".现代电子技术 45.01(2022):77-82. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论