论文部分内容阅读
神经网络首先是由心理学家Mcculloch和数学家Pitts于20世纪40年代共同提出的,他们提出的MP模型拉开了人们研究神经网络的序幕。作为一种新兴学科,涉及到机器学习,统计理论,计算智能等相关知识和理论。目前慢性肾脏病已经成为威胁人类健康的又一大主要疾病,其患病率在全球范围内都呈现不断上升趋势,人类对于慢性肾脏病的认识和研究已经刻不容缓。对于慢性肾脏病的判断一直有很多相关因素的存在,而在医学上,缺少一些能够进行智能诊断的模型和算法。本文利用神经网络技术对慢性肾脏病临床数据进行了分析研究,期望从中发掘出慢性肾脏病的一些影响因素,从而建立相应的分类模型。本文主要完成了下面三个方面的工作:1.对目前世界国家的慢性肾脏病患病情况进行了分析,结果表明发展中国家在慢性肾脏病的防治与治疗当中花费的人力,财力,物力要高于发达国家,但是大多数发展中国家的人口基数较大,进而造成在慢性肾脏病防治与治疗方面,发达国家的人均花费要高于发展中国家。2.本文对BP神经网络和概率神经网络(PNN)进行了研究,利用遗传算法(GA)、Adaboost算法、佳点集理论对两种神经网络进行了改进得到IGABP模型、IGAPNN模型、Adaboost-BP模型和Adaboost-PNN模型,此外本文还建立了PNN模型、BP模型、SVM模型和C5.0模型作为对比模型。3.利用75%的样本对8个模型进行对比研究,对模型误差进行分析包括最大值、最小值、期望、方差以及运行时间得到Adaboost-PNN模型和IGABP模型的准确性和鲁棒性较好。为了得到更为准确的模型,本文分别用50%、60%、70%、80%、90%的样本作为训练样本对两种模型进行训练,其余的样本作为测试集对Adaboost-PNN模型和IGABP模型进行验证得到两者的分类准确率,当训练集为90%时,两者的准确率达到最高分别是93.23%和91.24%,最终得到Adaboost-PNN模型鲁棒性和准确性最好。