基于粒子群优化的RBF神经网络模型研究

在本文中,提出了采用粒子群算法来优化RBF神经网络,并建立了这种新的混合模型。在这个粒子群和RBF神经网络的混合模型中,粒子群优化算法应用于选择中心节点和隐藏节点的宽度以及输出向量方面,对RBF神经网络建立了5个输入节点,6个隐藏节点和一个输出节点。通过对粒子群优化的RBF神经网络模型对一些地区的结核病发病趋势进行预测,得出这种混合模型对结核病发展趋势进行预测能够取得较好的预测结果。     

基于归一化割的颅脑MRI肿瘤提取算法

颅脑核磁共振图像( MRI)的肿瘤图像由于自身对比度较低、肿瘤边缘模糊以及肿瘤形状复杂等因素,导致其难以被准确提取。为此,提出将归一化割算法和基于符号压力( SPF)函数的活动轮廓模型相结合,对颅脑MRI肿瘤进行提取的算法。利用基于SPF函数的活动轮廓模型,实现对归一化割算法提取肿瘤边缘的收敛,通过设置收敛的迭代次数和光滑系数完成对颅脑MRI肿瘤边缘的收敛速度和形状的控制,使最终曲线停止于真正的肿瘤边缘。仿真结果表明,该算法克服了肿瘤形状变化及对比度等因素对肿瘤提取的不利影响,能稳定而准确地提取颅脑MRI肿瘤。     

数据挖掘算法评分函数研究

阐述了数据挖掘的定义及所涉及到的基础理论知识,同时介绍了数据挖掘算法的评分函数,并根据数据挖掘本身的特点,探讨了选择合适算法评分函数的重要性。