BP神经网络在肺癌分类中应用_附matlab代码

    人工神经网络是用来模拟人脑结构及智能特点的一个前沿研究领域，它的一个重要特点是通过网络学习达到其输出与期望输出结果，具有很强的自学习、自适应、鲁棒性、容错性及存储记忆的能力。人工神经网络系统评价方法以其超凡的处理复杂非线性问题的能力独树一帜，这种方法忠于客观实际，不带任何人为干预成分，是一种较好的动态评价方法。 

    本文是居于BP神经网络算法，对三类癌症的样本通过有导师实习来进行分类，结果对肺癌的智能诊断具有实践性意义，为临床肺癌种类的判断提供有价值的参考资料。 

    算法描述： 
    1、BP网络的初始化，确定各层节点的个数，将各个权值和阈值的初始值设为比较小的随机数； 
    2、输入样本和对应的输出，对每一个样本进行学习，即对每一个样本数据进行步骤3到步骤5的过程； 
    3、根据输入样本算出实际的输出及其隐含层神经元的输出； 
    4、计算实际输出与期望输出之间的差值，求输出层的误差和隐含层的误差； 
    5、根据步骤4得出的误差来更新输入层隐含层节点之间、隐含层、输出层节点之间的连接权值； 
    6、求误差函数E，判断E是否收敛到给定的学习精度以内（E<=拟定误差e），如果满足，则学习结束，否则，转向步骤2继续进行。 
    

    数据来源于：http://archive.ics.uci.edu/ml/datasets/Lung+Cancer 

    论文和 Matlab 代码下载：http://www.docin.com/p-241501504.html