云模型优化径向基函数神经网络算法研究

径向基函数(RBF)神经网络广泛用于各类医学预测模型中，针对RBF神经网络隐含层高斯径向基函数的参数确定困难，影响癌症预后模型的因素具有多样性和模糊性等问题。利用云模型优化RBF神经网络算法，通过高维云变换确定RBF隐含层神经元，优化RBF神经网络结构。用来自美国国家癌症研究所监测、流行病学和最终结果(SEER)数据库的4 771例食管鳞状细胞癌患者数据建模仿真与传统的仿真对比，证明该模型预测生存期的C-index为0.705,远高于肿瘤等级、列线图和RBF神经网络(0.598、0.627和0.632),能更好更准确地对食管鳞状细胞癌患者进行预后预测。