摘要:在現(xiàn)代社會中,由于不健康的生活方式和壓力,導致慢性病患者的比例逐漸增加,為了更好地預測潛在疾病,需要研究卷積神經(jīng)網(wǎng)絡(CNN)的各種模型,這些模型可以從非結(jié)構(gòu)化數(shù)據(jù)(例如醫(yī)學數(shù)據(jù))中識別知識對象。但是,CNN全連接的網(wǎng)絡結(jié)構(gòu)需要占用大量內(nèi)存。此外,隨著層數(shù)的增加易出現(xiàn)過擬合,從而出現(xiàn)錯誤。為了解決這個問題,提出一種基于CNN的健康模型,即相關(guān)影響因素的知識挖掘模型,所提出的方法使用雙層結(jié)構(gòu)的隱藏層。通過模型發(fā)現(xiàn)的影響因素的規(guī)則,將它們分為肥胖,高血壓和糖尿病等影響因素。對于性能評估,根據(jù)知識挖掘?qū)τ绊懸蛩氐膽脕碓u估CNN模型的均方根誤差(RMSE)。通過提出的健康模型,可以得出有關(guān)各種因素關(guān)聯(lián)的知識。
注:因版權(quán)方要求,不能公開全文,如需全文,請咨詢雜志社。
現(xiàn)代計算機雜志, 半月刊,本刊重視學術(shù)導向,堅持科學性、學術(shù)性、先進性、創(chuàng)新性,刊載內(nèi)容涉及的欄目:簡訊、研究與開發(fā)、應用技術(shù)、安全技術(shù)、圖形圖像、開發(fā)案例、電子商務、實踐與經(jīng)驗等。于1984年經(jīng)新聞總署批準的正規(guī)刊物。