基于神經(jīng)網(wǎng)絡(luò)的中醫(yī)脈象識(shí)別方法研究.pdf

1、中醫(yī)脈象的客觀識(shí)別是中醫(yī)脈診現(xiàn)代化研究中極具挑戰(zhàn)和意義深遠(yuǎn)的前沿性課題，對(duì)此研究目前尚處于探索階段。 人工神經(jīng)網(wǎng)絡(luò)(ANN)是近年來(lái)再度興起的一門(mén)應(yīng)用性非常廣泛的學(xué)科，神經(jīng)網(wǎng)絡(luò)方法作為“統(tǒng)計(jì)模式識(shí)別”的一個(gè)新的分支，有其獨(dú)特的優(yōu)點(diǎn)。本文將神經(jīng)網(wǎng)絡(luò)應(yīng)用于中醫(yī)脈象的識(shí)別，研究了三種基于ANN的中醫(yī)脈象識(shí)別方法。 首先，研究了基于改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)的脈象識(shí)別方法?？疾炝穗[層節(jié)點(diǎn)數(shù)對(duì)網(wǎng)絡(luò)收斂速度、識(shí)別正確率的影響以及學(xué)習(xí)率對(duì)收斂

2、速度的影響，改進(jìn)了網(wǎng)絡(luò)訓(xùn)練算法。并利用改進(jìn)的動(dòng)量-學(xué)習(xí)率自適應(yīng)調(diào)整BP算法進(jìn)行了網(wǎng)絡(luò)訓(xùn)練和脈象識(shí)別實(shí)驗(yàn)。 其次，利用小波變換具有揭示信號(hào)時(shí)頻域的細(xì)節(jié)和局部特征的能力，提出了將脈象樣本的小波包分析和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的識(shí)別方法。對(duì)脈象樣本作三層小波包分解，利用小波包分解系數(shù)重構(gòu)信號(hào)，然后計(jì)算第三層從低頻到高頻8個(gè)頻帶的信號(hào)能量，以此能量構(gòu)造出脈象樣本的特征向量送入改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。大量樣本的實(shí)驗(yàn)證實(shí)該方法具有較高的識(shí)別正

3、確率。 最后，針對(duì)中醫(yī)脈象模糊性強(qiáng)、種類(lèi)繁多的問(wèn)題，提出了一種基于概率神經(jīng)網(wǎng)絡(luò)(PNN)的脈象識(shí)別方法。研究了PNN模式分類(lèi)的Bayes策略，分析了PNN脈象識(shí)別的數(shù)學(xué)原理和結(jié)構(gòu)模型。然后運(yùn)用所建立的PNN脈象識(shí)別模型對(duì)12種脈象(617例)進(jìn)行了識(shí)別檢驗(yàn)，平均識(shí)別正確率達(dá)93％。 為了與其它方法的識(shí)別結(jié)果進(jìn)行比較，論文還研究了F-PFSR模糊聚類(lèi)方法對(duì)中醫(yī)脈象的識(shí)別分類(lèi)。比較結(jié)果表明，本文提出的概率神經(jīng)網(wǎng)絡(luò)脈象識(shí)別方法