当前位置:大学毕业论文> 本科论文>材料浏览

关于脉象论文范文写作 基于粒子群优化BP神经网络脉象识别方法相关论文写作资料

主题:脉象论文写作 时间:2024-03-16

基于粒子群优化BP神经网络脉象识别方法,本论文可用于脉象论文范文参考下载,脉象相关论文写作参考研究。

脉象论文参考文献:

脉象论文参考文献 网络安全论文网络营销论文网络营销相关论文网络论文

摘 要: 针对传统脉诊存在易受主观因素影响、诊断结果可靠性不高等问题,提出基于粒子群优化BP神经网络的脉象识别方法.粒子群算法中评判粒子好坏的适应度函数采用神经网络的输出误差,以此获得最优粒子的位置向量,并把其值作为BP神经网络的初始权值和阈值.在Matlab中建立基于BP算法、PSO?BP算法和GA?BP算法的三种ANN模型用于脉象信号的识别.实验结果表明,在识别脉象时,优化后的算法降低了传统BP神经网络的输出误差,提高了识别精度,PSO?BP算法明显改善了传统BP神经网络的泛化能力.

关键词: 脉象识别; 粒子群算法; 输出误差; 误差反向传播算法; 神经网络; 泛化能力

中图分类号: TN711?34; TP391 文献标识码: A 文章编号: 1004?373X(2018)03?0096?05

Abstract: Since the traditional pulse diagnosis is easily affected by subjective factors, and its result has low reliability, a pulse recognition method based on PSO?BP neural network is put forward. The fitness function judging the particles in PSO algorithm adopts the neural network to output the error, so as to obtain the position vector of the optimal particle. The value of the position vector is taken as the initial weight and threshold of the BP neural network. The ANN model based on BP algorithm, PSO?BP algorithm and GA?BP algorithm was established in Matlab to recognize the pulse signal. The experimental results show that the optimized algorithm can reduce the output error of the traditional BP neural network and improve the recognition accuracy for pulse recognition. The PSO?BP algorithm can improve the generalization ability of the traditional BP neural network significantly.

Keywords: pulse recognition; particle swarm optimization; output error; error BP algorithm; neural network; generalization ability

0 引 言

脉诊是中医看病时主要的四种诊断方法之一,具有重要的临床价值,其诊断过程就是根据不同脉搏信号中包含的信息判断人体的健康状况.传统脉诊是医生根据自己的经验对病情作出诊断,这种方式极易受到医生个人情况等主观因素的影响,对于同一个病人,不同医生的诊断结果可能会有所差异.随着现代医学的发展,传统的中医脉诊开始慢慢受到人们的质疑,脉诊的客观化研究对于中医的发展具有重大意义[1].

针对以上问题,很多学者对脉搏信号的采集、处理、分析分别进行了研究,并取得了一定的成果[2?4],其中有不少将BP神经网络应用于脉象的识别[5].然而传统BP神经网络常用的学习方法是梯度下降法,在整个学习过程中,只是根据样本调整网络的初始连接权值,以减小输出误差,初始值的设置是否合适,将直接影响到整个算法的性能,存在容易陷入局部最优解、稳定性不好、泛化能力较差的问题[6?7].本文提出基于PSO?BP神经网络的脉象识别方法,先计算神经网络的输出误差,然后以此寻找PSO算法中适应度值最小的粒子,得出该粒子的位置矢量,设置为BP神经网络最初的权值和阈值达到优化BP神经网络的目的,降低输出误差,使脉象识别结果更具可靠性.

1 脉象信号的采集和特征提取

在本文中,需要先采集脉象信号并进行处理,提取特征向量构成建立神经网络模型所需的训练样本集和测试样本集.目前,采集脉象信号时常用的便携式传感器主要包括两种类型,即压电式和光电容积式;脉象信号的处理方式可采用傅里叶变换或者对其进行小波变换.考虑到压电式传感器采集的脉象波形比光电容积式采集的脉象波形信息更准确和全面,而和傅里叶变换相比较,小波变换的时频特性使其能够保留更多的细节信息,因此,本文采用压电式脉搏传感器采集脉象信号,并用小波变换处理脉象信号.

1.1 脉象信号的采集和预处理

脉象信号采集装置的硬件结构包括脉搏传感器、微处理器、A/D转换模块、串口通信模块以及上位机等,各部分之间的连接关系如图1所示.

采用脉象信号采集装置在中医门诊进行临床采集,通过微处理器将脉搏传感器采集到的信号通过串口通信的方式送入到上位机中.设置采样频率为128 Hz,每次采样时间为15 s,得到如图2所示数据长度为1 920的脉搏波形.

在采集信号的过程中,由于人体的呼吸等活动、采集装置的影响以及外界环境的其他干扰会产生噪声信号叠加在脉象信号上,所以要预处理采集到的脉象信号,这个过程包括去除高频噪声和低频干扰引起的基线漂移.因为硬件滤波方便直接,具有很好的时效性,所以本文采用简单的RC低通滤波电路滤除信号中的高频噪声.去除基线漂移最常用的方法就是小波变换,本文利用Matlab中小波工具箱选择“Sym8”小波将脉象信号分解成8个不同频率的部分,将第8层低频部分的系数设置为零,其他尺度系数保持不变,重构信号为去除基线漂移的脉象信号,如图3所示.

结论:关于脉象方面的论文题目、论文提纲、把脉入门必背口诀论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。

基于NMF和BP神经网络人脸识别
摘 要:人脸自动识别是图像识别[1]领域的一个研究热点,有着广泛的应用前景。对于静态人脸识别问题,BP神经网络方法有较强的适应性和易于实现等优点。

基于BP神经网络车牌识别技术算法分析
摘要:车牌识别是计算机视觉技术的一种典型应用,以机器视觉、图形图像、模式识别等为理论基础,采用神经网络、形态学、投影等技术实现车辆拍照、视频分解。

基于遗传算法BP神经网络在权证定价中应用
摘要:对金融衍生品的定价一直都是理论界和实务界所关注的热点问题之一。传统的参数模型定价方法,容易产生系统性偏差,而神经网络方法在解决这一问题时具。

基于AHP和BP神经网络制造企业产品绿色评价
因为近期“十三五”五大发展之一“绿色发展”的提出以及我国长期可持续发展的需要,制造业越来越重视产品及其生产的绿色低碳可持续化,采用科学的评价方法。

论文大全