随机协同分解PSO优化的Takagi-Sugeno

• 作者: 刁晓娣 姚阳 杜刚 江志斌
• 来源期刊: 上海交通大学学报
• 学科: 医学
• 关键词: 临床路径 T-S模糊神经网络 随机协同分解粒子群优化 卡尔曼滤波算法 变异 骨肉瘤
• 年，卷（期）: 2010,（8）
• 页码范围: 1120-1124
• 页数: 5页
• 分类号: R197.323
• 语种: 中文

摘要

提出了一种随机协同分解粒子群(RCDPSO)优化的Takagi-Sugeno(T-S)模糊神经网络临床路径变异处理方法.在子种群的协同进化过程中,执行顺序随机确定后,选取表现最优的粒子进行分解,对表现最差的粒子进行交叉和变异,并保持子种群的总数不变,既保证了收敛速率,又增加了种群的全局搜索能力.在此基础上,加入了变异扰动机制,增加了种群的多样性,防止种群陷入局部最优.最后以骨肉瘤术前化疗临床路径变异(肝中毒)为例,进行实例验证.结果表明,在处理临床路径变异方面,RCDPSO优化的T-S模糊神经网络与其他算法优化的T-S模糊神经网络相比,预测能力较强、鲁棒性更佳,大幅度提高了临床路径变异处理的精度和效率.