作者：王惠清; 李忠玉; 袁红知识挖掘cnn健康模型影响因素相关关系
摘要：在现代社会中,由于不健康的生活方式和压力,导致慢性病患者的比例逐渐增加,为了更好地预测潜在疾病,需要研究卷积神经网络(CNN)的各种模型,这些模型可以从非结构化数据(例如医学数据)中识别知识对象。但是,CNN全连接的网络结构需要占用大量内存。此外,随着层数的增加易出现过拟合,从而出现错误。为了解决这个问题,提出一种基于CNN的健康模型,即相关影响因素的知识挖掘模型,所提出的方法使用双层结构的隐藏层。通过模型发现的影响因素的规则,将它们分为肥胖,高血压和糖尿病等影响因素。对于性能评估,根据知识挖掘对影响因素的应用来评估CNN模型的均方根误差(RMSE)。通过提出的健康模型,可以得出有关各种因素关联的知识。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
