基于改进LVQ神经网络的乳腺肿瘤诊断

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％.

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

所属期刊栏目：45

分类号：TN711-34;TP3-05(基本电子电路)

资助基金：国家自然科学基金;国家自然科学基金;国防基础科研项目

在线出版日期：2022-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：77-82