面向心血管疾病的智能数据分析模型与算法研究

发布时间：2021-02-02 08:33

　　随着经济社会的发展,人们生产生活压力的增加,心血管疾病成为危害人类健康的疾病之一。通过深度学习、数据挖掘等智能方法,依据病人的心拍、血糖、血压等生命指标,诊断和预测病人病情,对病人病情的早期预防与治疗有重要意义。论文根据心血管病数据的特征,以及现有智能模型的不足,提出和建立了心血管疾病发现与诊断模型。论文的主要研究内容概括如下:（1）针对心血管疾病诊断过程中,心拍数据的非线性、时变性以及复杂性问题,论文将基于稀疏自动编码器的深度神经网络模型与过程神经网络栈式叠加,构建了一种深度过程神经网络模型（DPNN）。DPNN模型保持了样本特征的多样性,有效提高对信号结构特征的提取能力和不同类别样本特征的区分度;同时将传统深度神经网络在信息处理机制上扩展为时间域,实现对时变信号直接的分类处理。对心血管疾病的诊断进行了实际分析和处理,取得了良好结果。（2）针对依据人体的各项生命体征,对心血管疾病智能诊断问题,论文建立了基于模糊聚类的动态聚类算法。模型采用迭代方式,将模糊聚类算法与Density-Based Spatial Clustering of Applications with Noise（D... 

【文章来源】：山东科技大学山东省

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

图２．１?ＰＮＮ模型??

２．１过程神经网络模型原理与结构??过程神经网络模型（ＰＮＮ）?—般由以下４部分构成［４７］：输入层、过程神经元??隐层、非时变神经元隐层和输出层。ＰＮＮ拓扑结构如图２．１所示：??Ｘ３（．｜?—??图２．１?ＰＮＮ模型??Ｆｉｇ．２．１?ＰＮＮ?ｍｏｄｅｌ??其中ｎ个输入节点，完成ｎ条特征曲线的输入；ｍ个过程神经元，完成ｎ个??特征曲线的时空聚合及特征提取：ｋ个非时变神经元用于提高过程神经网络输入??输出的映射能力；输出节点完成模型的输出。??对于ＰＮＮ的训练算法，采用基于函数正交基［４７］展开的ＰＮＮ学习算法??２．２基于稀疏自动编码器的深度神经网络模型的原理与结构??基于稀疏自动编码器的深度神经网络模型（ＳＡＥ）是深度祌经网络模型的一??种，ＳＡＥ的模型结构如图２．?２所示。??９??

图３．?１基于ＳＡＥ的ＤＰＮＮ模型结构??Ｆｉｇ．３．１?ＳＡＥ－ｂａｓｅｄ?ＤＰＮＮ?Ｍｏｄｅｌ?Ｓｔｒｕｃｔｕｒｅ??过程神经元隐层、双ＳＡＥ深度祌经元隐层的基于ＳＡＥ的深度过程神经入、输出关系为［５３］：??，食毒Ｖ皆，［ｆ如＿卜外《卜?式（３．中，％和％。为节点与节点之间的接权函数与连接权值０＼〇）?＆１１）少２）和为过程神经元隐层节点ｊ的激励阈值、第一?ＳＡＥｋ的激励阈值、第二ＳＡＥ深度节点ｋ的激励阈值和分类器的激励阈值。［０采样区间。??有ＳＡＥ网络模型的输入一般是与时间没有关系的常量，在结构与算法，ＳＡＥＤＰＮＮＳ


本文编号：3014413