主成分分析结合感知器在医学光谱分类中的应用

摘要

基于光谱分析技术的经典理论,应用主成分分析方法对83例(癌症42,非癌41)乳腺患者病理片的紫外吸收光谱进行主成分提取.选用其中44例(癌症22,非癌22)作为训练样本,其余的39例(癌症20,非癌19)作为测试样本,将其主成分数据作为输入向量分别对离散型和连续型感知器神经网络模型进行训练和测试.通过对比发现:离散型感知器模型由于其输出函数值只有{0,1}且算法较为简单,其癌症识别率只有43.3%,非癌识别率为38.7%;而连续型感知器模型将模糊集合理论引进了神经网络系统,将二值{0,1)扩展到隶属度函数的单位区间[0,1]上,结果表明这种模型的癌症识别率为83.6%,非癌的识别率为76.3%,取得了较为理想的识别效果.