BP神經(jīng)網(wǎng)絡的代價敏感學習算法研究.pdf

1、誤差反向傳播神經(jīng)網(wǎng)絡(BPNN)具有很強的魯棒性和容錯性，作為分類模型在醫(yī)學輔助診斷中得到廣泛的應用。但是，BPNN是一種代價不敏感的分類模型。一種類別誤分為另一種類別的代價可能極其不同，若直接將傳統(tǒng)BPNN應用到醫(yī)學輔助診斷等代價敏感的領域，當誤分類或誤診時有可能付出慘重的治療代價。
　　 將傳統(tǒng)的BPNN改造為代價敏感的有多種途徑，最吸引人的途徑是把其分類誤差函數(shù)改變?yōu)榇鷥r敏感的，使其通過原始樣本集和代價敏感矩陣能夠?qū)W習誤分

2、類代價。分析了先前提出的代價敏感的BPNN構造方法，指出此前提出的基于最小誤分類代的方法在分類精度方面的不足。
　　 考慮到當網(wǎng)絡正確分類時，如果向BPNN反饋分類代價，會降低BPNN對當前事例的分類精度。針對上述不足，提出了以期望誤分類代價函數(shù)作為代價敏感BPNN的分類誤差函數(shù)，并推導了誤分類代價反向傳播調(diào)整學習參數(shù)公式，得到一個新的代價敏感BP神經(jīng)網(wǎng)絡學習算法。
　　 為了驗證算法，開發(fā)了基于.NET的實驗平臺。以交