基于粒子群优化BP神经网络的脉象识别方法

• 作者: 张开生 黄谦
• 来源期刊: 现代电子技术
• 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
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 网络与信息安全
• 页码范围: 96-100,106
• 页数: 6页
• 分类号: TN711-34|TP391
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2018.03.023

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张开生	陕西科技大学电气与信息工程学院	78	273	8.0	12.0
2	黄谦	陕西科技大学电气与信息工程学院	2	17	1.0	2.0