基于主成分分析与神经网络的肝病预测分析

论文摘要

本文在分析现有肝病预测方法的基础上,针对现有预测方法的局限性,提出基于主成分分析和神经网络的预测模型。为了降低预测时的复杂度首先利用主成分分析法对诊断目标进行降维,然后在降维的基础上分别利用BP神经网络和RBF神经网络建立预测模型。本文的主要研究工作如下：本文首先利用主成分分析法,在保留大量原始信息的前提下将十三项指标转化为七个综合指,避免了由于网络模型过于复杂而影响预测效果。然后针对BP网络在预测时出现的问题,分别提出了有效的解决办法。首先对初值进行归一化处理,在隐层节点的选取上,根据常用选取公式,利用试凑法,选择最佳隐结点数。针对收敛速度缓慢的问题,以L-M算法代替梯度下降法训练神经网络。又在BP神经网络实验的基础上对预测精度进行提高,采用局部逼近的RBF神经网络进一步提高预测效果的准确性。同时得到如下结论：（1）基于主成分分析得神经网络预测精度会大大提高。（2）BP神经网络预测效果吻合度相对于RBF神经网络要好.

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 人工神经网络在医学领域的研究现状
• 1.3 研究的内容及意义
• 1.4 本文的内容安排
• 第二章 肝病患者的数据资料分析
• 2.1 肝炎疾病知识分析
• 2.2 患者确诊的主要诊断目标及意义
• 2.3 传统的诊断方法及其不足之处
• 2.4 本章小结
• 第三章 基于主成分分析的模型建立
• 3.1 主成分分析简介
• 3.1.1 主成分分析基本原理
• 3.1.2 主成分分析计算步骤
• 3.2 主成分分析基于SPSS的实现步骤
• 3.3 基于主成份分析模型的建立及求解
• 3.3.1 资料的选取
• 3.3.2 利用spss软件模型求解
• 3.3.3 实验数据分析
• 3.4 本章小结
• 第四章 基于BP神经网络的肝病数据处理
• 4.1 单隐层BP网络简介
• 4.1.1 BP神经网络基本原理
• 4.1.2 BP网络的局限性及改进方法
• 4.1.3 L-M算法原理
• 4.2 BP网络模型设计
• 4.2.1 网络拓扑结构
• 4.2.2 激活函数的选取
• 4.2.3 网络学习参数的设置
• 4.3 基于主成分分析的BP神经网络预测效果及分析
• 4.3.1 数据的选取
• 4.3.2 网络拓扑结构的确定
• 4.3.3 基于matlab的BP神经网络模型的实现
• 4.3.4 检测结果对比评价
• 4.4 未经降维的BP神经网络模型预测效果及分析
• 4.5 对比评价分析
• 4.6 本章小结
• 第五章 基于RBF神经网络的数据预测分析
• 5.1 RBF神经网络简介
• 5.1.1 RBF神经网络的基本结构
• 5.1.2 RBF神经网络的基本算法
• 5.2 RBF网络模型设计及求解
• 5.2.1 RBF神经网络的拓扑结构
• 5.2.2 RBF神经网络参数选定与训练
• 5.2.3 RBF神经网络实验结果
• 5.3 结果对比分析
• 5.4 本章小结
• 结束语
• 参考文献
• 致谢
• 攻读硕士学位期间主要研究成果