基于聚類和BP網(wǎng)絡(luò)集成的中醫(yī)耳穴智能診斷儀研究.pdf

1、中醫(yī)耳穴診斷在醫(yī)學(xué)界的地位越來(lái)越重要，目前，世界上已有近百個(gè)國(guó)家研究和應(yīng)用中醫(yī)耳穴診斷，并不斷取得新的進(jìn)展。我們結(jié)合中國(guó)傳統(tǒng)的醫(yī)學(xué)與現(xiàn)代數(shù)據(jù)挖掘技術(shù)設(shè)計(jì)并開(kāi)發(fā)了這套中醫(yī)耳穴智能診斷儀，儀器主要模塊采用了數(shù)據(jù)挖掘中聚類和BP神經(jīng)網(wǎng)絡(luò)技術(shù)的無(wú)縫結(jié)合，通過(guò)改進(jìn)的自組織特征映射神經(jīng)網(wǎng)絡(luò)結(jié)合K—means聚類算法對(duì)中醫(yī)耳穴診斷成熟樣本進(jìn)行聚類分析，然后針對(duì)各類分別創(chuàng)建BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)一步學(xué)習(xí)形成專家診斷知識(shí)庫(kù)；診斷過(guò)程中通過(guò)判斷所采集病人耳穴樣

2、本的類別調(diào)用相應(yīng)的BP神經(jīng)網(wǎng)絡(luò)模型，利用網(wǎng)絡(luò)的預(yù)測(cè)功能進(jìn)行病情的智能診斷。 數(shù)據(jù)挖掘技術(shù)近年來(lái)成為計(jì)算機(jī)技術(shù)最活躍的主要領(lǐng)域之一，其應(yīng)用范圍十分廣泛，包括金融、醫(yī)學(xué)、保險(xiǎn)和政府部門等各行各業(yè)，可用于這些行業(yè)中的決策分析和預(yù)測(cè)等問(wèn)題。本文詳細(xì)分析了數(shù)據(jù)挖掘中的聚類和神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)技術(shù)，并結(jié)合其中較有代表性的幾個(gè)算法應(yīng)用到中醫(yī)耳穴診斷中，針對(duì)傳統(tǒng)線性診斷的突出問(wèn)題，為中醫(yī)耳穴診斷提供了一條新的思路。 本文提出了一種基于改進(jìn)自組

3、織特征映射神經(jīng)網(wǎng)絡(luò)(SOFM)的K—means兩階段聚類算法(ISOFMK)，該算法充分結(jié)合了SOFM聚類無(wú)教師指導(dǎo)和K—means聚類高效準(zhǔn)確的優(yōu)點(diǎn)，同時(shí)解決了SOFM網(wǎng)絡(luò)收斂時(shí)間過(guò)長(zhǎng)、容易陷入局部最優(yōu)和K—means算法初始聚類中心選取不當(dāng)造成聚類效果不佳等問(wèn)題。我們將該兩階段聚類算法應(yīng)用于中醫(yī)耳穴智能診斷儀對(duì)耳穴生物電阻值進(jìn)行聚類分析，并集成BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)和預(yù)測(cè)，實(shí)現(xiàn)智能診斷病人所患疾病。本文的中醫(yī)耳穴智能診斷儀較采用固定線性公