典型文献
基于改进LVQ神经网络的乳腺肿瘤诊断
文献摘要：
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％.
文献关键词：
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
中图分类号：
作者姓名：
赵小强;张莺莺
作者机构：
兰州理工大学 电气工程与信息工程学院,甘肃 兰州 730050;甘肃省工业过程先进控制重点实验室,甘肃 兰州 730050;兰州理工大学 国家级电气与控制工程实验教学中心,甘肃 兰州 730050
文献出处：
引用格式：
[1]赵小强;张莺莺-.基于改进LVQ神经网络的乳腺肿瘤诊断)[J].现代电子技术,2022(01):77-82
A类：
LVQ1,LVQ2,自适应速率
B类：
乳腺肿瘤诊断,诊断率,矢量量化,网络训练,训练过程,网络诊断,交叉验证法,学习率,收敛速度,迭代次数,Wisconsin,Breast,Cancer,Database,改进算法,非线性映射,映射关系,混淆矩阵,诊断准确率,误诊率,算法改进
AB值：
0.219007
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
