LVQ神经网络的分类——乳腺肿瘤诊断(matlab实现)

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。

 目录

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!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包