RS-LMBP神经网络在心脏病诊断中的应用研究

摘要

研究心脏病诊断问题.针对心脏病数据间存在大量信息冗余和噪声影响,诊断中若不能消除信息冗余,容易出现漏判和误判现象,从而导致诊断精度不高,为了提高心脏病诊断的正确率,提出了一种粗集理论(RS)和LMBP神经网络相结合的心脏病诊断组合模型(RS-LMBPNN).模型首先利用粗集理论对心脏病数据进行属性约简,消除数据之间的冗余信息,简化了神经网络结构,然后将约简后的数据导入LMBP神经网络进行训练,得到心脏病诊断模型,采用测试数据进行仿真.仿真结果表明,与传统诊断方法相比,RS-LMBP加快了网络的训练速度,诊断正确率相应得到了提高,是一种高效、准确的心脏病诊断方法,在心脏病诊断领域中有着广泛的应用前景.