LVQ神经网络的分类——乳腺肿瘤诊断（matlab实现）-Toy模板网

这篇具有很好参考价值的文章主要介绍了LVQ神经网络的分类——乳腺肿瘤诊断（matlab实现）。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

1 代码

2 结果

1 代码

%% LVQ神经网络的分类——乳腺肿瘤诊断

%% 清空环境变量
clear all
clc
warning off
%% 导入数据
load data.mat
a=randperm(569);
Train=data(a(1:500),:);
Test=data(a(501:end),:);
% 训练数据
P_train=Train(:,3:end)';
Tc_train=Train(:,2)';
T_train=ind2vec(Tc_train);
% 测试数据
P_test=Test(:,3:end)';
Tc_test=Test(:,2)';
%% 创建网络
count_B=length(find(Tc_train==1));
count_M=length(find(Tc_train==2));
rate_B=count_B/500;
rate_M=count_M/500;
net=newlvq(minmax(P_train),20,[rate_B rate_M],0.01,'learnlv1');
% 设置网络参数
net.trainParam.epochs=1000;
net.trainParam.show=10;
net.trainParam.lr=0.1;
net.trainParam.goal=0.1;
%% 训练网络
net=train(net,P_train,T_train);
%% 仿真测试
T_sim=sim(net,P_test);
Tc_sim=vec2ind(T_sim);
result=[Tc_sim;Tc_test]
%% 结果显示
total_B=length(find(data(:,2)==1));
total_M=length(find(data(:,2)==2));
number_B=length(find(Tc_test==1));
number_M=length(find(Tc_test==2));
number_B_sim=length(find(Tc_sim==1 & Tc_test==1));
number_M_sim=length(find(Tc_sim==2 &Tc_test==2));
disp(['病例总数：' num2str(569)...
      '  良性：' num2str(total_B)...
      '  恶性：' num2str(total_M)]);
disp(['训练集病例总数：' num2str(500)...
      '  良性：' num2str(count_B)...
      '  恶性：' num2str(count_M)]);
disp(['测试集病例总数：' num2str(69)...
      '  良性：' num2str(number_B)...
      '  恶性：' num2str(number_M)]);
disp(['良性乳腺肿瘤确诊：' num2str(number_B_sim)...
      '  误诊：' num2str(number_B-number_B_sim)...
      '  确诊率p1=' num2str(number_B_sim/number_B*100) '%']);
disp(['恶性乳腺肿瘤确诊：' num2str(number_M_sim)...
      '  误诊：' num2str(number_M-number_M_sim)...
      '  确诊率p2=' num2str(number_M_sim/number_M*100) '%']);

2 结果


result =

  1 至 18 列

     1     2     1     2     2     1     1     1     1     1     1     1     2     2     2     2     1     1
     1     2     1     2     2     1     1     1     1     2     1     1     2     2     2     2     1     1

  19 至 36 列

     1     1     1     1     1     1     2     1     1     1     1     1     1     1     2     1     2     1
     1     2     1     2     1     1     2     2     1     1     1     1     1     1     2     1     2     1

  37 至 54 列

     1     1     1     2     2     2     1     1     1     2     1     1     1     2     2     1     1     2
     1     1     1     2     2     2     1     2     1     2     1     1     2     2     2     1     1     2

  55 至 69 列

     1     1     1     1     1     1     1     1     1     1     1     1     2     1     2
     1     2     1     1     1     1     1     1     1     1     1     2     2     1     2

病例总数：569  良性：357  恶性：212
训练集病例总数：500  良性：315  恶性：185
测试集病例总数：69  良性：42  恶性：27
良性乳腺肿瘤确诊：42  误诊：0  确诊率p1=100%
恶性乳腺肿瘤确诊：19  误诊：8  确诊率p2=70.3704%
>>

result =

1 至 18 列

1 2 1 2 2 1 1 1 1 1 1 1 2 2 2 2 1 1
1 2 1 2 2 1 1 1 1 2 1 1 2 2 2 2 1 1

19 至 36 列

1 1 1 1 1 1 2 1 1 1 1 1 1 1 2 1 2 1
1 2 1 2 1 1 2 2 1 1 1 1 1 1 2 1 2 1

37 至 54 列

1 1 1 2 2 2 1 1 1 2 1 1 1 2 2 1 1 2
1 1 1 2 2 2 1 2 1 2 1 1 2 2 2 1 1 2

55 至 69 列

1 1 1 1 1 1 1 1 1 1 1 1 2 1 2
1 2 1 1 1 1 1 1 1 1 1 2 2 1 2

病例总数：569 良性：357 恶性：212
训练集病例总数：500 良性：315 恶性：185
测试集病例总数：69 良性：42 恶性：27
良性乳腺肿瘤确诊：42 误诊：0 确诊率p1=100%
恶性乳腺肿瘤确诊：19 误诊：8 确诊率p2=70.3704%
>> 文章来源地址https://www.toymoban.com/news/detail-538300.html

到了这里，关于LVQ神经网络的分类——乳腺肿瘤诊断（matlab实现）的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！