基于BIA的人体内脏脂肪面积预测云模型研究

人体内脏脂肪面积与人体腹部总阻抗和腹部皮下阻抗测量值存在着强非线性关系,采用小波神经网络云模型建立了人体内脏脂肪面积预测模型。采用八电极法并结合人体腹部形状特征和人群特征属性,构成预测模型输入量。对不同条件的输入量进行划分,建立对应各个输入量的隶属云并进行模糊推理;构建对应于输入量的以小波函数为基函数的网络,采用输入量隶属云模糊推理输出对小波神经网络输出加权平均,以预测人体内脏脂肪面积。对该模型的参数进行训练,并采用训练后的模型对人体内脏脂肪面积预测。实测结果表明,该模型具有较强的非线性函数逼近能力,对人体VFA的预测效果比统计回归模型有明显的改进。

基于小波神经网络的云模型

云模型是一种基于语言规则的不确定性推理系统.为了提高辨识精度通常需要增加规则数目,这样在多维输入的情况下容易形成"维数灾".为了解决此问题,利用小波神经网络代替传统云模型的后件隶属云,建立了一种基于小波神经网络的云模型(WNCM).详细分析了WNCM的系统结构,同时给出了参数和结构辨识算法.仿真结果以及与其它方法的对比分析表明,WNCM具有较强的非线性函数逼近能力,在不增加推理规则的前提下,可以实现对系统的精确辨识.

基于遗传算法的云小波寻优

针对定性概念与定量表示之间不确定性转化的模糊性和随机性问题,并为避免小波网络陷入局部极小、过拟合现象,将云模型、遗传算法和小波神经网络相结合,不但解决了定性定量之间的完好转换,而且通过遗传算法的全局优化搜索得到了网络的最优参数。仿真实验验证了这种新方法对于空气增压机故障诊断的有效性。