论文部分内容阅读
中医独特的诊断方法和治病疗效在我国卫生保健事业中发挥着重要作用。切脉是中医诊断的主要方法之一,随着传感器和计算机技术的发展,中医脉诊的客观化要求也提上日程。这是本论文的立论依据。人工神经网络(ANN)是在结构上模仿生物神经连接的连接型网络,具有很强的自适应学习能力以及鲁棒性和容错能力。通过这种网络能够实现任意的非线性映射关系,这种映射关系体现在构成网络的神经元之间的分布连接权上,经训练的神经网络可用来进行模式分类,信号处理与检测等。针对海洛因吸毒者的脉象信号与正常人脉象信号的特征差异,本文成功地应用BP网络和自组织网络对15例海洛因吸毒者和15例正常人的脉象信号进行了识别。首先建立了一个40~20~1的二层BP网络模型,选取每一例脉象信号的一段特征信号作为网络的输入信号,采用了训练样本和加噪声的训练样本分别训练网络的方法。用训练完成的BP网络分别测试30例原始脉象和加噪声的脉象信号时,吸毒病人全部被检测出来,仅有一例正常人Z01被误判为病人,网络最高达到了96.7%的识别率。论文还比较了Levenberg-Marquardt BP算法与基本BP算法训练网络的快慢问题。用自组织神经网络分析30例脉象信号时,实验结果显示有3例脉象被误判,其中正常人Z01、Z10被误判为吸毒者,B13被误判为正常人。将30例脉象添加噪声信号,再用自组织网络分析时,发现该网络对噪声较为敏感。研究表明,用BP网络分析脉象信号时,识别正确率高,网络容错性好,但基本BP网络训练速度较慢。用自组织网络分析脉象信号时,网络训练速度较快,但网络的识别正确率和容错性表现不及BP网络。本论文除对BP网络和自组织网络的理论和算法进行推导、验证,还对神经网络的相关基础理论做了较系统的阐述,包括神经网络的结构分类、学习算法和训练函数等。