基于增强稀疏自编码器与Softmax回归的医学诊断

作者：孟祥莲; 蒋巍; 李晓芳

来源：电子测量技术, 2021, 44(11): 114-119.

DOI：10.19651/j.cnki.emt.2106497

• 稀疏自动编码器
• 无监督学习
• Softmax回归
• 医学诊断

为了提升医学诊断的预测精度,设计了增强稀疏自编码器和Softmax回归的特征学习和分类阶段组合方法。在稀疏自编码器(SAE)网络的特征学习中,通过惩罚网络的权重实现稀疏性,结合反向传播学习方法将变化向后传递并迭代优化成本函数。在Softmax回归分类阶段中,利用带动量的小批量梯度下降法来优化Softmax分类器的交叉熵,结合小批数据计算模型误差更新模型参数并实现收敛性。将所提出方法用于心脏病、宫颈癌和慢性肾病(CKD)数据集实验,其预测精度分别为91%、97%和98%,并且表现出较高的特征学习和鲁棒的分类性能。

• 单位
  常州工学院