基于径向基函数神经网络的高血压分类诊断系统的建立

为研究头发中Ca,Mg,A l,Cu,Zn 5种微量元素以及w(Zn)/w(Cu)与高血压的相关性,利用径向基神经网络(RBF-NN)的函数逼近、模式识别和分类能力强以及学习速度快等特点,对微量元素与高血压的相关性进行了研究;基于M atlab平台,对原始数据进行标准化预处理,45个作训练样本、8个作检测样本及其2个目标输出,建立了高血压分类的辅助诊断模型;同时与主成分分析法进行对照实验。结果表明,获得了最佳网络参数sc=0.1,m e=43,分类准确率达到96.226%,径向基神经网络在判别分类上优于主成分分析法。可见RBF-NN在揭示头发微量元素与高血压的相关性上是可行的,为临床高血压分类诊断提供了一种新的方法。