优化中医八纲辨证神经网络参数的MIGA-1算法-文档资料.doc

优化中医八纲辨证神经网络参数的ＭＩＧＡ－１算法

收稿日期：2008-01-14；修回日期：2008-03-24基金项目：国家自然科学基金资助项目；厦门理工学院科研启动基金资助项目（YKJ07012R）

(1.厦门理工学院计算机科学与技术系，福建厦门361024;2.厦门大学信息科学与技术系，福建厦门361005)

MIGA-1foroptimizedEPSNN’sparameters

WUYun1，ZHOUChang-le2

(1.Dept.ofComputerScienceTechnology,XiamenUniversityofTechnology,XiamenFujian361024,China;2.Dept.ofInformationScienceTechnology,XiamenUniversity,XiamenFujian361005,China)

:AnalyzingtheshortcomingoftheEPSNN,thispaperdesignedakindofimmunitygeneticalgorithm――MIGA-1tooptimizetheEPSNN’sparameters，whichwasbasedontheMIGAalgorithm.AndtheexperimentalresultsshowthattheMIGA-1canmaketheEPSNNhavebetteradaptabilityanddecreasetherandomicitytotheartificialselectionoftheparameters.

中医八纲辨证神经网络模型[1]主要根据对标准样本病例的“记忆”和人为设定参数，对病例进行辨证分析计算，对标准样本病例的模范性和人为设定参数的合理性要求高。而标准样本病例是通过人工归纳总结获得，所以中医八纲辨证神经网络模型根据临床病例自动学习的能力较差，不利于中医八纲辨证神经网络模型的临床实用性推广。为此，需要引入对临床病例的“学习”能力，使其能够提高自适应能力，减少对标准样本病例的模范性要求和依赖性，以及人为设定参数的随意性。但是根据中医辨证机制特点，采用传统神经网络的学习策略不能满足对中医八纲辨证神经网络的优化要求。因此，采用具有全局搜索能力的遗传算法作为中医八纲辨证神经网络模型的学习机制，实现达到对中医八纲辨证神经网络的优化目的。本文首先在MIGA优化算法[2]的基础上设计了MIGA-1优化算法，对中医八纲辨证神经网络模型的相关参数进行优化。在基本保证中医八纲辨证神经网络模型辨证计算准确性的基础上，提高中医八纲辨证神经网络模型的自适应能力，减少人为设定参数的随意性。

1中医八纲辨证神经网络

本文设计的中医八纲辨证神经网络采用三层前馈式神经网络模型，如图1所示。

中医八纲辨证神经网络采用三层前馈式神经网络模型，其神经元数目以及神经元间的连接相对固定，输入层的预处理神经元与辨证计算隐层的第一子层神经元的连接权值是由输入样本决定，而辨证计算隐层第二子层神经元与输出层的后处理神经元的连接权值由期望结果向量决定。其中第一子层神经元的激活函数中包含两个重要的参数：a)函数f(x)的方差σ。它控制函数方差可以得到不同的分类器，有利于根据实际待分类的问题适当调整神经网络的分类性质，但人工选择适合于中医八纲辨证的分类器比较困难，并且随机获取的参数σ具有很大的盲目性，不一定是最适合中医八纲辨证的数值。b)第一子层神经元的阈值θ。它能够适当地调整激活函数，提高隐层神经元激活函数的计算准确度。因此，有必要根据输入的样本数据对参数σ和θ进行优化，寻找最合适的σ和θ。由于中医八纲辨证神经网具有独特的网络结构，采用传统学习机制进行学习，计算量大，而且受到训练样本的限制。笔者以具有全局择优能力的MIGA算法理论为基础设计了MIGA-1算法对网络参数σ和θ进行优化。

2优化中医八纲辨证神经网络参数的MIGA-1算法

MIGA-1算法是根据MIGA优化算法理论[2]，对中医八纲辨证神经网络参数进行优化的免疫遗传算法。因此MIGA-1算法继承了MIGA优化算法的优点，能够在全局范围内有效地搜索中医八纲辨证神经网络的最优参数值。

21编码

采用双染色体的二进制编码。其中一条染色体包含参数σ的信息（σ染色体）；另一条染色体包含参数θ的信息（θ染色体），如图2所示。其中,每条染色体中包含以小数点分隔的两部分。小数点左边部分（m位数，m≥