基于PSO-ELM的疾病诊断方法研究
为了提高疾病诊断的准确率,提出了粒子群算法优化极限学习机的疾病诊断方法.传统的极限学习机算法初始权值和阈值随机产生,限制了算法的预测精度.为了改进极限学习机的预测效果,将极限学习机的权值和阈值作为粒子群中粒子的位置,通过粒子群的全局寻优获得期望的权值和阈值,提升极限学习机的神经元敏感度.将优化后的极限学习机算法与传统预测算法进行仿真对比,结果验证了改进极限学习机的有效性.在疾病诊断上,相比于其他传统算法,所设计的算法具有更高的预测精度和收敛速度,验证了所提方法的可靠性.
极限学习机;粒子群;疾病诊断
40
TP183(自动化基础理论)
陕西省教育厅专项科研计划;陕西省自然科学基础研究计划
2021-11-04(万方平台首次上网日期,不代表论文的发表时间)
共5页
82-86