基于遗传算法和BP神经网络的CTG识别研究

被引：3

作者：

周红标 ^{[1
]}

张宇林 ^{[1
]}

胡金平 ^{[2
]}

机构：

[1] 淮阴工学院电子与电气工程学院电气教研室

[2] 兰州理工大学电信学院电子信息教研室

来源：

重庆医科大学学报 | 2011年 / 36卷 / 07期

关键词：

胎心宫缩监护; BP神经网络; 遗传算法; 优化;

D O I：

10.13406/j.cnki.cyxb.2011.07.002

中图分类号：

R714.5 [胎儿]; TP183 [人工神经网络与计算];

学科分类号：

100211 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

目的:针对正常类、非典型类和异常类3类胎心宫缩监护图(Cardiotocography,CTG),利用BP神经网络建立分类识别模型。方法:根据遗传算法(Genetic algorithm,GA)具有全局寻优的特点,引入遗传算法对神经网络权值和阈值进行优化,形成一种训练神经网络的混合算法(GA-BP算法),以克服BP算法易陷入局部最优解的缺陷,并以UCI数据库中的CTG数据集为例进行测试。结论:仿真结果表明,对于正常类、非典型类和异常类3类样本,BP算法的分类准确率分别为97.32%、71.97%和95.45%,而GA-BP算法的分类准确率分别提高到98.24%、82.67%和95.65%。可见GA-BP分类模型具有较强的学习能力和泛化能力,分类准确度更令人满意,所提出的方法是可行的。

引用

页码：846 / 849

页数：4

共 9 条

[1] 基于遗传算法优化神经网络的齿轮故障诊断 [J].