针对电子医疗档案的数据分析

发布时间：2021-09-05 03:32

　　为了利用电子医疗档案实现对患者疾病的智能诊断,提出了一种结合模糊C均值聚类和区间二型小脑模型关节神经网络（FCM-IT2CMAC）的两层分类算法。该算法使用了两个分类器,其中小脑模型神经网络是主分类器,模糊C均值算法是预分类器。首先,使用预分类器将样本数据分组,然后应用主分类器确定样本是否处于健康或患病状态。此外还采用梯度下降法自适应训练主分类算法的参数,并使用李雅普诺夫稳定性理论证明了算法的收敛性。最后通过实验证明该分类算法的有效性。 

【文章来源】：微型电脑应用. 2020,36(09)

【文章页数】：4 页

【部分图文】：

FCM-IT2CMAC的算法原理框图

其中 μ ? 1j为第i个输入和第j个规则的二型模糊隶属函数, w ? jk为第j层和第k块的输出权值。IT2CMAC包括五个逻辑空间,如图3所示。空间1 (输入空间):该空间中的每个节点执行线性函数,其中向量输入 Ι=[ Ι 1 ,Ι 2 ,?,Ι i ,?,Ι ni ] Τ ∈R ni 直接传递到下一个空间。

其中mijk和 σ ? ijk =[ σ ijk , σ ˉ ijk ] 为T2GMF的均值和不确定方差[10-11],如图4所示。空间3(接受域空间):该空间中的每个节点进行t-norm运算[12],得到每一层的模糊值 f ? jk =[ f jk f ˉ jk ] 。如式(6)、式(7)。

【参考文献】：
期刊论文
[1]基于深度森林和DNA甲基化的癌症分类研究[J]. 刘超,吴申,郑一超,侯维岩.  计算机工程与应用. 2020(13)
[2]基于数据挖掘分析KIF2C在肝细胞癌的表达及临床意义[J]. 张越美,赵洪波,朱亚玲,蒋保三,王刚,何春艳.  重庆医科大学学报. 2019(11)
[3]簇间可分的鲁棒模糊C均值聚类算法[J]. 高云龙,杨程宇,王志豪,罗斯哲,潘金艳.  电子与信息学报. 2019(05)
[4]基于自适应多分类器系统的甲状腺疾病诊断方法研究[J]. 郭海湘,黄媛玥,顾明赟,潘雯雯.  系统工程理论与实践. 2018(08)
[5]融合生成对抗网络和朴素贝叶斯皮肤病诊断方法[J]. 商显震,韩萌,孙毓忠,孙宇宁,陈旭,胡满满,梅御东.  计算机科学与探索. 2019(06)
[6]基于DRBM和边缘检测的脑部磁共振图像分类[J]. 杨雪,刘惠义,陈霜霜.  信息技术. 2018(05)
[7]深度置信网络对孤立性肺结节良恶性的分类[J]. 刘露,杨培亮,孙巍巍,周洋,赵宏远.  哈尔滨理工大学学报. 2018(03)
[8]基于重采样技术在医学不平衡数据分类中的应用研究[J]. 闫慈,田翔华,阿拉依·阿汗,张伟文,曹明芹.  中国卫生统计. 2018(02)
[9]基于CMAC的非参数化近似策略迭代增强学习[J]. 季挺,张华.  计算机工程与应用. 2019(02)
[10]一种新型区间二型模糊神经网络隶属函数的设计（英文）[J]. 王家军.  自动化学报. 2017(08)



本文编号：3384585