基于遗传算法和BP神经网络的CTG识别研究
目的:针对正常类、非典型类和异常类3类胎心宫缩监护图(Cardiotocography,CTG),利用BP神经网络建立分类识别模型.方法:根据遗传算法(Genetic algorithm,GA)具有全局寻优的特点,引入遗传算法对神经网络权值和阈值进行优化,形成一种训练神经网络的混合算法(GA-BP算法),以克服BP算法易陷入局部最优解的缺陷,并以UCI数据库中的CTG数据集为例进行测试.结论:仿真结果表明,对于正常类、非典型类和异常类3类样本,BP算法的分类准确率分别为97.32%、71.97%和95.45%,而GA-BP算法的分类准确率分别提高到98.24%、82.67%和95.65%.可见GA-BP分类模型具有较强的学习能力和泛化能力,分类准确度更令人满意,所提出的方法是可行的.
胎心宫缩监护、BP神经网络、遗传算法、优化
36
TP391.9;R318.04(计算技术、计算机技术)
淮安市2010年度科技支撑资助项目SN1045;淮阴工学院科研基金资助项目HGG1009
2011-12-06(万方平台首次上网日期,不代表论文的发表时间)
共4页
846-849