您当前的位置：
首页 > 文献资料
所属专业：
多层感知器网络文献资料
-
基于多层感知器网络的过度医疗防治绩效评价研究
目的 通过多层感知器网络的构建评价过度医疗防治的效果,为进一步完善过度医疗防治体系提供参考.方法 基于多层感知器网络,构建了具有3层神经网络、9个隐含层节点数的过度医疗绩效评价模型.结果 多层感知器网络的训练结果与专家评价(期望结果)两者评价是完全一致的.结论 该多层神经网络及其评价指标的选取能够很好地应用于医疗服务中的过度医疗防治绩效评价.
-
应用数据挖掘技术从大脑胶质瘤病例中获取诊断知识
采用数据挖掘技术中3种主要算法:多层感知器网络、决策树以及规则提取从大脑胶质瘤病例中获取胶质瘤恶性程度的术前诊断知识.对于测试样本,它们的平均准确率都超过了80%,达到了医生的一般要求.如果准确率是诊断中首要考虑的因素,那么隐层节点数较小且直接利用数值属性的多层感知器网络具有好的性能.如果要对获取的诊断知识进行人工整理,那么规则提取是好的知识获取算法.
-
基于贝叶斯网络的脑胶质瘤恶性高低度的自动诊断
贝叶斯网络(Bayesian Network)可以把统计学和图论有效地结合起来,近年来成为数据挖掘中的研究热点,其优点可以综合先验信息和样本信息,适于处理不完整数据集.本文采用280例病例作为训练数据,利用Bayesian network进行大脑胶质瘤高低度的自动诊断,利用严格的Bayes 规则进行推理,在推理过程中采用了D分离来简化过程,其诊断正确率达到80%以上,达到了领域专家的要求,而且在可理解性方面要比多层感知器和决策树要好.
