来源：期刊VIP网 时间：
作者：徐政治;毛严;周天真;徐翔;
单位：浙江水利水电学院信息技术中心;杭州电子科技大学人文艺术与数字媒体学院;温州医科大学第一临床医学院;
摘要：针对国内青少年阶段性身高（间隔一年后的身高）预测研究相对匮乏、可用身高数据稀缺以及预测准确率较低的问题，本研究提出一种基于自适应参数优化深度神经网络（Deep Neural Network,DNN）的青少年阶段性身高预测方法。该方法动态调整遗传算法（Genetic Algorithms,GA）的交叉率和变异率，并引入精英选择策略和锦标赛选择策略构成的混合选择策略。基于混合选择策略和参数动态变化（Hybrid selection strategy and Dynamic changing parameter,HD）的遗传算法自动优化DNN隐藏层的神经元数量，构成HDGA-DNN模型用于青少年阶段性预测。实验结果表明，HDGA-DNN模型相较于其他身高预测模型准确率较高，对于预测阶段性身高具有重要意义，为生长发育科医生在诊断和评估用药效果方面提供了宝贵的参考依据。
关键词：阶段性身高预测;;自适应;;深度神经网络;;遗传算法
