RS-LMBP神经网络在心脏病诊断中的应用研究  

Research on Heart Disease Diagnosis Basd on RS-LMBP Neural Network

作　　者：徐冬[1] 陈彩霞[1] 王翰虎[2] 

机构地区：[1]海南师范大学,海南海口571158 [2]贵州大学,贵州贵阳550025

出　　处：《计算机仿真》2011年第2期236-239,共4页Computer Simulation

基　　金：南省自然科学基金项目(609001);南师范大学青年教师科研资助项目(QN0924)

摘　　要：研究心脏病诊断问题。针对心脏病数据间存在大量信息冗余和噪声影响,诊断中若不能消除信息冗余,容易出现漏判和误判现象,从而导致诊断精度不高,为了提高心脏病诊断的正确率,提出了一种粗集理论(RS)和LMBP神经网络相结合的心脏病诊断组合模型(RS-LMBPNN)。模型首先利用粗集理论对心脏病数据进行属性约简,消除数据之间的冗余信息,简化了神经网络结构,然后将约简后的数据导入LMBP神经网络进行训练,得到心脏病诊断模型,采用测试数据进行仿真。仿真结果表明,与传统诊断方法相比,RS-LMBP加快了网络的训练速度,诊断正确率相应得到了提高,是一种高效、准确的心脏病诊断方法,在心脏病诊断领域中有着广泛的应用前景。Heart disease＇s test indexes have redundancy information,the traditional diagnostic methods cannot eliminate the redundant information and have certain subjectivity,leading to the low diagnostic accuracy.In order to improve the correct rate of the clinical diagnosis of disease,a heart disease diagnosis model（RS-LMBPNN） is proposed based on rough set theory（RS） and LMBP neural network.Firstly,RS-LMBPNN uses rough sets theory to reduce finical diagnosis index attribute,simplified network structure,then the reduced attribute was trained neural network,and finally the mode was tested.Simulation results show that RS-LMBPNN＇s training speeds up,and has strong learn ability to improve the diagnostic accuracy compared with a single LMBP neural network model.

关 键 词：粗糙集理论 神经网络 心脏病 诊断 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]