基于粒子群优化BP神经网络的脉象识别方法

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

所属期刊栏目：41

分类号：TN711-34;TP391(基本电子电路)

资助基金：陕西省科技计划项目2017GY-063 Project Supported by Shaanxi Province Science and Technology Project 2017GY-063

在线出版日期：2018-02-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：96-100,106