一种基于改进GA-BP算法的疾病症状数量预测方法

摘要

本发明涉及一种基于改进GA‑BP算法的疾病症状数量预测方法，属于人工智能算法技术领域。本发明利用遗传算法、粒子群算法和BP神经网络相结合，解决了传统BP网络容易陷入局部极小点、收敛速度慢等缺点，提高了预测的精确度。本发明先建立疾病症状数据库，并对数据预处理；然后根据预测对象确定网络拓扑结构，初始化BP神经网络的权值和阈值、初始化遗传参数；接着通过建立的BP神经网络训练所有样本，并计算其适应度函数，通过遗传算法求得最优适应度值及最优个体，获得最优的权值及阈值，并把最优参数代入BP神经网络中，训练网络，引入粒子群算法更新权值和阈值，并判断是否满足结束条件进而退出算法得出预测结果。