基于LVQ神经网络的乳腺肿癌诊断( 四 ) _神经网络算法

说明:由于BP网络输出非二值结果,因此程序中进行了四舍五入处理，即若输出小于1.5则认为属于良性肿瘤，输出大于1.5则表示属于恶性肿瘤。
在训练集和测试集与LVQ神经网络相同的情况下,程序运行结果为:
病例总数:569 良性:357 恶性:212
训练集病例总数:500 良性:312 恶性:188
测试集病例总数:69 良性:45 恶性:24
良性乳腺肿瘤确诊:35 误诊:10 确诊率p1= 77.7778%
恶性乳腺肿瘤确诊:16 误诊:8确诊率p2= 66.6667%
从上述结果可以看出,在69组测试集数据中,有18组数据误诊断(10组将良性乳腺肿瘤误诊为恶性乳腺肿瘤,8组将恶性乳腺肿瘤误诊为良性乳腺肿瘤),平均诊断正确率达73.9%(51/69) 。对比LVQ神经网络及BP神经网络的仿真结果，可以看出,LVQ神经网络的效果比BP神经网络要好很多,这也表明LVQ神经网络用于模式识别是有效的。
【基于LVQ神经网络的乳腺肿癌诊断】LVQ神经网络无需对数据进行预处理，这使得相比于其他神经网络,LVQ神经网络更简单、有效。LVQ神经网络已经应用到各行各业中,如故障诊断、性能评价、风险预测等。近年来,许多人致力于研究LVQ神经网络的特点,提出了很多改进的算法以解决“死”神经元问题、改善权值调整规则等。