[发明专利]一种自适应PSO-GRNN的胎儿体重预测方法及系统在审
| 申请号： | 201910511442.5 | 申请日： | 2019-06-13 |
| 公开（公告）号： | CN110223780A | 公开（公告）日： | 2019-09-10 |
| 发明（设计）人： | 程良伦;吴慧诗;陈仿雄;黄国恒 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | G16H50/30 | 分类号： | G16H50/30;G16H50/70;G06N3/00 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 丁曼曼 |
| 地址： | 510060 广东省*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请公开了一种自适应PSO‑GRNN的胎儿体重预测方法，包括：对获取的历史数据进行预处理，得到样本数据；根据所述样本数据对广义回归神经网络的参数进行粒子群算法优化，得到最优参数；将所述最优参数带入广义回归神经网络，得到广义回归神经网络预测模型；根据所述广义回归神经网络预测模型对待预测数据进行预测处理，得到胎儿体重。通过粒子群算法对广义回归神经网络进行优化，提高了广义回归神经网络中最优参数的获取速度，减少人为因素对神经网络的影响，降低平均误差，提高预测过程的准确率。本申请还公开了一种自适应PSO‑GRNN的胎儿体重预测系统，具有以上有益效果。 | ||
| 搜索关键词： | 广义回归神经网络 胎儿体重 最优参数 自适应 粒子群算法 样本数据 预测模型 预测 预处理 历史数据 平均误差 人为因素 神经网络 预测处理 预测数据 预测系统 准确率 申请 优化 | ||
【主权项】：
1.一种自适应PSO‑GRNN的胎儿体重预测方法，其特征在于，包括：对获取的历史数据进行预处理，得到样本数据；根据所述样本数据对广义回归神经网络的参数进行粒子群算法优化，得到最优参数；将所述最优参数带入广义回归神经网络，得到广义回归神经网络预测模型；根据所述广义回归神经网络预测模型对待预测数据进行预测处理，得到胎儿体重。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广东工业大学，未经广东工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910511442.5/，转载请声明来源钻瓜专利网。
