隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展和人口的迅速老齡化,心血管患病率居高不下,與此同時(shí)醫(yī)療技術(shù)迅速發(fā)展形成的現(xiàn)代醫(yī)療器械可以實(shí)現(xiàn)對(duì)病人全方位的實(shí)時(shí)檢查,由此不可避免的產(chǎn)生了海量的監(jiān)測(cè)數(shù)據(jù),海量醫(yī)療數(shù)據(jù)的處理是未來(lái)醫(yī)療發(fā)展中面臨的現(xiàn)實(shí)問題,而基于深度學(xué)習(xí)的數(shù)據(jù)挖掘技術(shù)是解決該問題的有效手段之一。然而,如何從海量數(shù)據(jù)中挖掘知識(shí),并將其應(yīng)用于醫(yī)療疾病診斷實(shí)際中,同時(shí),在保證診斷準(zhǔn)確性的基礎(chǔ)上,提高數(shù)據(jù)處理速度就是需要重點(diǎn)研究的內(nèi)容。本文從特征自動(dòng)提取和智能診斷分類技術(shù)兩個(gè)方面入手,針對(duì)傳統(tǒng)特征提取方法依賴于人工經(jīng)驗(yàn)的缺陷,利用無(wú)監(jiān)督學(xué)習(xí)方法自動(dòng)提取數(shù)據(jù)中的知識(shí),并通過(guò)參數(shù)自適應(yīng)的遺傳編程方法優(yōu)化特征,在此基礎(chǔ)上,研究Softmax回歸模型,利用其結(jié)構(gòu)簡(jiǎn)單的優(yōu)點(diǎn)實(shí)現(xiàn)快速有效的故障分類。具體研究?jī)?nèi)容如下:（1）針對(duì)在現(xiàn)有經(jīng)驗(yàn)知識(shí)基礎(chǔ)上如何提高特征提取效果的問題,研究基于遺傳編程的特征提取方法,并針對(duì)遺傳編程算法中關(guān)鍵參數(shù)的初始值選取問題,提出關(guān)鍵參數(shù)自適應(yīng)調(diào)整的遺傳編程算法,避免參數(shù)初始值對(duì)優(yōu)化結(jié)果的影響,并提高遺傳編程算法尋優(yōu)效率,最后通過(guò)符號(hào)回歸實(shí)驗(yàn)驗(yàn)證所提方法的有效性。（2）針對(duì)特征提取過(guò)程中缺乏信號(hào)先... 

【文章來(lái)源】：廣西師范大學(xué)廣西壯族自治區(qū)

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

論文邏輯流程圖

管病人心電圖信號(hào)的特征提取方法，很多學(xué)者都向大量的病人狀態(tài)數(shù)據(jù)的醫(yī)療診斷任務(wù)中，如何有效特征從而提高研究人員處理大量數(shù)據(jù)的效率在研究動(dòng)態(tài)調(diào)整參數(shù)值方法的基礎(chǔ)上，提出基于當(dāng)前群體中個(gè)體的適應(yīng)度值為參考，計(jì)算進(jìn)化過(guò)使個(gè)體動(dòng)態(tài)適應(yīng)進(jìn)化過(guò)程，實(shí)現(xiàn)遺傳編程算法的以期提高特征提取過(guò)程的自動(dòng)化程度。主要步驟包括編碼、群體初始化、適應(yīng)度評(píng)價(jià)、步[20-21]。遺傳編程算法的基本流程圖如圖 2-1 所示

圖 2-2 雜交示意圖編程算法，雜交子體與父代一般是不同的，除非兩個(gè)，遺傳編程的雜交操作更有利于維持種群的多樣性。實(shí)現(xiàn)變異操作時(shí)，在個(gè)體所表示的父代樹型結(jié)構(gòu)中隨后判斷變異點(diǎn)是運(yùn)算符還是終止符，以防止變異后產(chǎn)現(xiàn)象，最后對(duì)原來(lái)的元素進(jìn)行替代，替代的新元素根中隨機(jī)地進(jìn)行選取，需要注意的是，若需要替代的元目數(shù)始終不變。遺傳編程的變異操作的圖形解釋如圖

【參考文獻(xiàn)】：
期刊論文
[1]高血壓致慢性心力衰竭中醫(yī)證型危險(xiǎn)因素的Logistic分析[J]. 李萬(wàn)芳,陳守強(qiáng).  世界中醫(yī)藥. 2019(05)
[2]基于Logistic二元回歸的陜西地理標(biāo)志農(nóng)產(chǎn)品經(jīng)濟(jì)效益研究[J]. 李娜娜.  浙江農(nóng)業(yè)科學(xué). 2019(06)
[3]麻省理工學(xué)院人工智能專業(yè)課程研究[J]. 彭利.  科教文匯(上旬刊). 2019(06)
[4]基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的心電信號(hào)分類方法[J]. 王莉,郭曉東,惠延波.  電子技術(shù)應(yīng)用. 2019(06)
[5]基于Sigmoid函數(shù)的限制水域船舶避障路徑建模[J]. 王仁強(qiáng),趙越.  廣州航海學(xué)院學(xué)報(bào). 2019(01)
[6]基于Sigmoid函數(shù)的軟件漏洞風(fēng)險(xiǎn)評(píng)價(jià)算法[J]. 王帆,洪流,顧欣.  信息安全研究. 2018(11)
[7]基于softmax回歸的工業(yè)設(shè)備多類故障診斷方法研究[J]. 陳韻安.  電子制作. 2018(20)
[8]基于深度卷積變分自編碼網(wǎng)絡(luò)的故障診斷方法[J]. 佘博,田福慶,梁偉閣.  儀器儀表學(xué)報(bào). 2018(10)
[9]自編碼神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用綜述[J]. 袁非牛,章琳,史勁亭,夏雪,李鋼.  計(jì)算機(jī)學(xué)報(bào). 2019(01)
[10]AI專家系統(tǒng)在播出系統(tǒng)故障診斷的應(yīng)用探討[J]. 張娟.  現(xiàn)代電視技術(shù). 2018(07)

碩士論文
[1]基于卷積自編碼神經(jīng)網(wǎng)絡(luò)的肺結(jié)節(jié)檢測(cè)[D]. 吳川北.華中科技大學(xué) 2017
[2]基于深度學(xué)習(xí)的心腦血管疾病預(yù)測(cè)方法研究[D]. 馬宗帥.西安建筑科技大學(xué) 2015
[3]心電信號(hào)的R波檢測(cè)及自動(dòng)分析算法研究[D]. 楊建利.河北大學(xué) 2013
[4]多疾病共同危險(xiǎn)因素挖掘與患病預(yù)測(cè)的研究[D]. 狄曉敏.太原理工大學(xué) 2013
[5]基于BP神經(jīng)網(wǎng)絡(luò)的心臟病預(yù)測(cè)研究與實(shí)現(xiàn)[D]. 龐顯濤.吉林大學(xué) 2012
[6]基于醫(yī)學(xué)影像的心血管疾病輔助診斷方法研究[D]. 潘慧明.西安電子科技大學(xué) 2005



本文編號(hào)：3314138