基于改进深度信念网络的心血管疾病预测研究

• 作者: 刘艳红 李奇航 王玉辰 逯鹏 郭赛迪
• 来源期刊: 计算机应用研究
• 关键词: 心血管疾病 风险预测 深度信念网络 受限玻尔兹曼机
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3668-3672
• 页数: 5页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.12.033

摘要

心血管疾病传统预测模型准确率较低,基于浅层神经网络的模型预测结果方差较大.为此提出一种基于改进深度信念网络的心血管疾病预测模型,利用重构误差,自主确定网络深度,结合无监督训练和有监督调优,在提高模型预测准确率的同时保证稳定性.对UCI数据库中的statlog (heart)和heart disease database独立进行30次实验,结果显示预测准确率的均值分别为91.26％、89.78％,预测准确率的方差分别为5.78、4.46.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘艳红	郑州大学电气工程学院	46	212	9.0	12.0
2	逯鹏	郑州大学电气工程学院	32	202	7.0	13.0
6	李奇航	郑州大学电气工程学院	3	9	2.0	3.0
10	王玉辰	郑州大学电气工程学院	1	6	1.0	1.0
14	郭赛迪	郑州大学产业技术研究院	1	6	1.0	1.0