核logistic神經(jīng)網(wǎng)絡分類器及在血液透析診斷中的應用.pdf

1、核logistic神經(jīng)網(wǎng)絡分類器，一方面結(jié)合了核logistic回歸的非線性特征處理能力和概率描述能力，保證了模型的泛化性能；另一方面又對模型的網(wǎng)絡結(jié)構做出了創(chuàng)新和改進，使模型結(jié)構更加優(yōu)化。模型使用受限玻爾茲曼機進行預訓練，能夠得到較好的網(wǎng)絡參數(shù)初始值。本文分別探討了基于受限玻爾茲曼機的核 logistic神經(jīng)網(wǎng)絡二分類模型和多分類模型，并將其應用到血液透析診斷中，建立血液透析評價模型。本文的主要工作如下：
　　首先提出了一種基于

2、受限玻爾茲曼機的核 logistic神經(jīng)網(wǎng)絡二分類模型。該模型將核 logistic回歸與人工神經(jīng)網(wǎng)絡相結(jié)合，使模型既具有自主學習能力，又能處理線性不可分問題。網(wǎng)絡先通過受限玻爾茲曼機的無監(jiān)督訓練進行特征學習，獲得待辨識參數(shù)的初始值，減小了初始參數(shù)的隨機性帶來的影響。采用帶伸縮因子的變論域?qū)W習率對待辨識參數(shù)進行學習，并通過學習率的動態(tài)調(diào)節(jié)提高模型收斂速度。數(shù)值仿真表明，對UCI數(shù)據(jù)集和實測醫(yī)療數(shù)據(jù)集而言，本文提出的二分類模型相比其它分類

3、算法能得到更高的分類精度。
　　其次本文在二分類模型的基礎上提出了核 logistic神經(jīng)網(wǎng)絡多分類模型，用于處理多分類問題。模型采用“一對多”思想的多分類算法將模型劃分為多個二分類器，輸出結(jié)果采用最大值策略，選擇輸出概率最大的類標號作為最終類別。數(shù)值仿真采用交叉驗證的方法，取多次仿真結(jié)果的平均值，UCI數(shù)據(jù)集和實測醫(yī)療數(shù)據(jù)集仿真結(jié)果表明，提出的多分類模型相比其它多分類方法能取得更加準確的分類結(jié)果。
　　最后針對血液透析關鍵