基于神經網絡的決策樹模型在聽力學輔助診療中的應用.pdf

1、聽力疾病對人們的生活、學習、事業(yè)造成極大的不便，同時對其家人也會有一定的影響。目前，聽力研究在國內發(fā)展仍然比較緩慢，多數人做的都是關于數學統(tǒng)計方面的工作，但是很少做關于聽力的數據挖掘。
　　 數據挖掘中主要的分類模型有決策樹方法，神經網絡方法，貝葉斯分類方法等。通過建立相應的分類模型我們可以發(fā)現(xiàn)聽力學中的一些“有趣的知識”。譬如，根據以往的患者癥狀記錄對其進行分析建立模型，對未知患者的耳病進行預測等。
　　 本文在采用U

2、CI聽力數據的基礎上，先后采用神經網絡及決策樹方面對數據進行實驗分析。通過分析對比發(fā)現(xiàn)兩者之前有著很大的互補空間，神經網絡方法具有比決策樹方法更強的理解能力，卻因為其黑箱性而難以理解;決策樹算法的分類結果顯示為樹型結構而具有良好的可理解性，并且通過適當修剪穩(wěn)健性也很好，但是其精確能力卻比不上神經網絡，并且當數據變量太大時候，其精準性會越來越差穩(wěn)健性也會隨之下降。
　　 本文在研究兩種模型優(yōu)缺點的基礎上，提出了基于神經網絡構建決策