基于RBF神经网络的老年痴呆症智能诊断研究

为验证单RBF神经网络更适用于老年痴呆症的预测诊断,通过仿真实验将单BP神经网络、单RBF神经网络、遗传算法优化BP神经网络及遗传算法优化RBF神经网络分别应用于老年痴呆症的预测诊断,建立这四种网络模型,并对四种网络模型的预测结果进行分析比较。仿真实验在Matlab软件平台上进行。结果表明:在老年痴呆症的预测诊断中,单RBF神经网络比单BP神经网络预测结果更好,建模时间更短。此外,单RBF神经网络与遗传算法优化的BP神经网络预测结果相同,但单RBF神经网络建模较为简单,预测结果更为稳定。而遗传算法对RBF神经网络优化作用不明显。因此,单RBF神经网络更适用于老年痴呆症的预测诊断,实际应用时可以此结论作为理论指导。

遗传算法优化BP神经网络的老年痴呆症智能诊断

为了提高BP神经网络对疾病诊断的效率和预测准确率,提出一种遗传算法优化BP神经网络的老年痴呆症智能诊断模型,并以医院电子病历数据挖掘为例,对老年痴呆症诊断建立预测模型。该方法首先利用遗传算法的搜索寻优技术进行特征约简,然后将约简后的特征作为BP神经网络的输入变量,训练和构建BP神经网络模型。仿真实验在Matlab软件平台上进行,结果表明:与单BP神经网络相比,遗传算法优化BP神经网络能够降低模型训练时间、提高预测精度,是一种切实可行的老年痴呆症辅助诊断方法。

基于SVM的老年痴呆症智能诊断研究

为了验证支持向量机(SVM)更适用于基于血常规数据的老年痴呆症的预测诊断,通过仿真实验,将BP神经网络、RBF神经网络、SVM支持向量机分别应用于老年痴呆症的预测诊断,建立3种算法对应的诊断模型,并对3种模型的预测结果进行分析比较,仿真实验在Matlab软件平台上进行.结果表明,与BP、RBF神经网络方法相比,SVM模型预测准确度高,建模时间短,整体性能好,更适用于基于血常规数据的老年痴呆症预测诊断,实际应用时可以此结论作为理论指导.