基于交叉验证和神经网络融合的医学数据分类 |
| |
引用本文: | 张剑飞,王真,崔文升,杜晓昕.基于交叉验证和神经网络融合的医学数据分类[J].齐齐哈尔大学学报(自然科学版),2019(4). |
| |
作者姓名: | 张剑飞 王真 崔文升 杜晓昕 |
| |
作者单位: | 齐齐哈尔大学计算机与控制工程学院 |
| |
摘 要: | 在医学诊断过程中采集到的数据具有低样本数量、少特征的特点,作为神经网络输入会导致网络收敛速度过慢或者陷入局部最优。针对这一问题,在现有神经网络和交叉验证算法的基础上,给出将留一法和神经网络融合的医学数据分类方法。首先对获取到的医学数据进行预处理,然后使用深度学习Keras框架搭建神经网络模型,最后对网络模型训练和预测分析。实验表明,给出的方法能在较少的迭代次数内使网络模型达到收敛,避免陷入局部最优,有效地提升网络模型的拟合程度和稳性,与传统机器学习算法相比有更高的分类准确性。
|
本文献已被 CNKI 等数据库收录! |
|