主成分分析结合感知器在医学光谱分类中的应用

被引：9

作者：

余发军 ^{[1
]}

赵元黎 ^{[1
]}

刘伟 ^{[1
]}

吕晶 ^{[2
]}

机构：

[1] 郑州大学物理工程学院

[2] 郑州市中心医院

来源：

光谱学与光谱分析 | 2008年 / 10期

关键词：

主成分分析; 模式识别; 神经网络; 感知器;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

摘要：

基于光谱分析技术的经典理论,应用主成分分析方法对83例(癌症42,非癌41)乳腺患者病理片的紫外吸收光谱进行主成分提取。选用其中44例(癌症22,非癌22)作为训练样本,其余的39例(癌症20,非癌19)作为测试样本,将其主成分数据作为输入向量分别对离散型和连续型感知器神经网络模型进行训练和测试。通过对比发现:离散型感知器模型由于其输出函数值只有{0,1}且算法较为简单,其癌症识别率只有43.3%,非癌识别率为38.7%;而连续型感知器模型将模糊集合理论引进了神经网络系统,将二值{0,1}扩展到隶属度函数的单位区间[0,1]上,结果表明这种模型的癌症识别率为83.6%,非癌的识别率为76.3%,取得了较为理想的识别效果。

引用

页码：2396 / 2400

页数：5

共 6 条

[1]

现代模式识别.[M].孙即祥等编著;.国防科技大学出版社.2002,

[2]

模式识别.[M].边肇祺等编著;.清华大学出版社.2000,

[3]

神经网络与模糊控制.[M].张乃尧;阎平凡编著;.清华大学出版社.1998,

[4]

模式识别.[M].黄凤岗;宋克欧编著;.哈尔滨工程大学出版社.1998,

[5]

神经网络实现技术.[M].戴葵编著;.国防科技大学出版社.1998,

[6]

神经网络模型.[M].陈明著;.大连理工大学出版社.1995,

← 1 →