主成分分析结合感知器在医学光谱分类中的应用

详细信息   全文下载|推荐本文 |

• 出版年：2008
• 作者：余发军；赵元黎；刘伟；吕晶
• 单位1：郑州大学物理工程学院
• 出生年：1982
• 学历：硕士研究生
• 语种：中文
• 作者关键词：主成分分析；模式识别；神经网络；感知器
• 起始页：2396
• 总页数：5
• 经费资助：国家自然科学基金项目(10205013)；河南省高校创新人才基金项目(1999-125)资助
• 刊名：光谱学会光谱分析
• 是否内版：否
• 刊频：月刊
• 创刊时间：1981
• 主管单位：中国科学技术协会
• 主办单位：中国光学学会
• 主编：黄本立
• 地址：北京市海淀区魏公村学院南路76号
• 邮编：100081
• 电子信箱：chngpxygpfx@vip.sina.com
• 网址：http://www.gpxygpfx.com
• 卷：28
• 期：10
• 期刊索取号：P342.06220
• 核心期刊：物理类、化学类核心期刊

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。