基于Hadoop环境BP改进算法的脉象识别应用研究

盛雅兰　王珍　佘侃侃

摘要：目的 分析脉象识别误差大小的影响因素，提高对海量脉诊数据的处理速度，探索减小脉象主观识别误差的方法。方法 运用基于Hadoop环境的MapReduce分布式计算方法改进BP算法，采用改进的BP算法对脉诊样本数据进行自学习，从而减小拟和误差。将中医电子脉诊仪采集的脉诊数据作为神经网络输入层，采用动量-学习率自适应调整快速BP算法对神经网络进行训练。结果 在训练集（75%）768 M共35 890条数据中，单机模式正确预测29 150条，正确率为81.22%；MapRedece并行改进的BP算法模式正确预测35 841条，正确率为99.86%。结论 与传统BP算法相比，基于Hadoop环境的MapReduce分布式计算方法改进的BP算法模型拟合度误差更小，精确度更高。

关键词：Hadoop；MapReduce；BP算法；脉象识别

DOI：10.3969/j.issn.1005-5304.2018.03.023

中图分类号：R2-05；R241.1 文献标识码：A 文章编号：1005-5304（2018）03-0102-05

Abstract： Objective To analyze the factors of errors in the pulse recognition； To improve the speed of processing massive data； To explore the method of reducing the subjective errors in pulse recognition. Methods BP algorithm based on distributed MapReduce in Hadoop environment was optimized. Optimized BP algorithm was used to self-learn pulse-sequence data to reduce fitting errors. The pulse-counting data collected by TCM electronic pulse diagnosis instrument were used as input layer of neural network. Momentum-learning rate adaptive fast BP algorithm was adopted to train neural network. Results In the training set （75%） of 768 M， a total of 35 890 data were collected， and 29 150 items were correctly predicted in stand-alone mode， with the correct rate of 81.22%. MapRedece parallel improved BP algorithm model correctly predicted 35 841 items， with the correct rate of 99.86%. Conclusion Compared with traditional BP algorithm， BP algorithm based on distributed MapReduce in Hadoop environment has smaller fitting errors， with higher accuracy.

Keywords： Hadoop； MapReduce； BP algorithm； pulse recognition

脈诊为中医四诊之一，是辨证论治必不可少的客观依据。传统的诊脉主要通过触觉和压觉，并结合主观判断，故难以形成统一、规范的标准。因此，将中医脉象识别与电子信息技术相结合，对中医脉诊标准化具有重要意义。为提高脉象识别的准确率和可靠性，本研究将基于Hadoop环境优化的BP神经网络算法应用到脉象识别中。

随着信息化社会的飞速发展，有研究价值的数据达到了海量级别，而传统BP神经网络的训练环境是单机串行的处理数据集，在处理海量数据集时有较大局限性，如耗时长、运行内存不足导致训练中途停止等[1]。为解决传统BP神经网络训练方法存在的问题，采用并行方式是较优选择，如新兴的云计算[2]平台Hadoop技术为一项非常适合的技术。本研究在开源云计算平台Hadoop[3]环境的基础上，探索基于算法权值改进的BP神经网络MapReduce[4]并行实现方法，其中包括HDFS的文件处理系统[5-6]并行实现方法及研究提出的结合单样本训练特点的BP神经网络批量训练方法。

1 Hadoop环境下的BP神经网络算法设计

1.1 Hadoop架构

Hadoop是目前应用最广泛的开源分布式云计算技术，Hadoop以HDFS和MapReduce为核心，向用户提供了底层系统透明的分布式基础架构[7]。其中，HDFS的容错性、可靠性极高，允许用户将Hadoop平台部署在低廉的硬件设施上，形成分布式系统，提高读写速度、扩大存储容量。

MapReduce分布式计算框架由一个统筹控制所有节点的主节点（Job Tracker）和分布于子机器上的从节点（Task Tracker）群一并组成。主节点负责对从节点的资源、任务分配以及子节点的生命监控。从节点执行主节点分配的任务，并实时向主节点报告任务执行情况和本身的运行状态。MapReduce作为分布式计算的主要运行框架，旨在将大量的数据计算细分到各从节点上，在计算完成后对数据进行统一的约减操作，得到最终的有效数据。

在MapReduce过程中，Job Tracker将任务分解为多个子任务，分配给Hadoop环境下空闲的机器进行Map过程，Map过程将完成对数据的大部分的处理，并将结果以键值对（key，value）的方式返回。Reduce的工作是将Map运算的结果进行汇总，运行模型见图1。即使使用者无编程经验，仅需将Job Tracker的工作信息配置好，Map函数和Reduce函数会分别完成任务处理及结果收集。

1.2 BP神经网络

BP神经网络是一种典型的多层前向网络，由输入层、隐含层和输出层组成。一个3层的BP神经网络可完成由任意N维到M维的映射[8]。BP神经网络模型为多层感知机结构，其中不仅包含输入和输出节点，而且还有一层或者多层隐层。标准BP神经网络拓扑图见图2。

输入层有M个神经元，即输入矢量为X={X1，X2，…，XM}，输入矢量的每个分量分别为归一化的脉象信号特征值，输入层的传递函数选用比例系数为1的线性函数。隐含层有L个神经元，采用（0，1）型Sigmoid函数[9]作为激活函数，节点的输出总被约束在（0，1）取值区间内。输出层有N个神经元，其传递函数选用比例系数为k的线性函数，输出值为Y={Y1，Y2，…，YN}。

由于BP算法模型的误差收敛速度是由快变慢的，最后几乎趋于平稳，极易陷入局部极小值，在误差的收敛时间上呈几何倍数上升。在实际建立模型过程中发现，当误差达到这个极值点时，程序运行的时间性能陷入瓶颈，普通PC端难以承受这种计算量，程序时间消耗过于庞大。

1.3 Hadoop环境下BP算法设计

为解决收敛时误差达到某个极值点所造成的时间消耗过大的问题，本研究采用Hadoop环境下的MapReduce的链式[10]计算模式。Hadoop提供了专门的链式ChainMapper和ChainReducer来处理链式任务，ChainMapper允许一个Map任务中添加多个Map的子任务，ChainReducer可以在Reducer执行之后，在加入多个Map的子任务。其中，ChainReducer专门提供了一个setReducer（）方法来设置整个作业唯一的Reducer[11]。

实现BP算法的MapReduce化具体步骤如下：

①数据划分：将存放在HDFS中的数据样本分为训练集和测试集2部分，并将训练集分解成块，分布到DataNode机器上进行MapReduce计算。

②Map处理：Map函数在接收训练集数据块后，根据神经网络的结构生成期望输出及输入变量读入在HDFS上的神经网络权值记录，并通过这些权值构造神经网络，对提取的数据进行训练。神经网络收敛后，获取新的网络权值作为Map的输出。伪代码如下：

Map （）

{

IF第一次map处理THEN

随机初始化权重

使用训练集训练

Else

使用训练集训练

更新权值

}

③数据聚合：在把经过Map处理过的数据传递给Reduce前，MapReduce机制会将每个节点上神经网络的所有权值归为1个权值组，聚合所有节点上的权值组，传入Reduce进行下一步运算。

④Reduce处理：Reduce函数接收到权值组后，使用HDFS中的标准值对其进行输出测试，并对结果进行误差精度分析和排序，选择误差精度最高的1/6置于下一次的MapReduce循环当中。伪代码如下：

Reduce （）

{

使用测试集测试神经网络的误差

while （误差不在规定范围内）

{

取误差较小的1/6组

将权重返回给map过程迭代训练

}

神经网络训练完成

保存计算结果

}

实现BP算法的MapReduce化的流程图见图3。

2 Hadoop环境BP算法脉象识别

2.1 实验环境

采用7台普通台式机，单机配置为：CPU型号Intel? Core? i5-7400；CPU最高频率3.50 GHz；CPU缓存6 Mb；内存8 G，DDR4；硬盘1 TB。Hadoop集群配置为：1台设置为主节点，配置JobTracjerhe和NameNode，其余6台设置为从节点，配置TaskTracker和DataNode。Hadoop集群主要软件的安装版本为JDK1.8，Hadoop2.7.3。

2.2 實验数据

采用食指、中指、无名指3根手指在腕动脉寸、关、尺3个部分进行举、按、寻操作，通过脉搏波动频率反馈的信息判断人体的机能状态[12]，采用吕炳奎发明的中医电子脉诊仪来测出辨识指标[13]。Xi={X1，X2，X3，X4，X5，X6，X7，X8}，X1～X8分别表示左寸脉、左关脉、左尺脉、右寸脉、右关脉、右尺脉、左手脉、右手脉[14]，Yi={Y }表示脉象的实际值，脉象数据示例见表1。

2.3 预测模型

将中医电子诊脉仪的8个输出结果作为神经网络的输入层数据，并决定输入层节点个数。中医脉象类型的指标个数决定输出层节点数，隐含层节点个数的确定采用公式m=√rn，式中m为隐节点数，r为输入层节点数，n为输出层节点数，确定大概节点个数，在此基础上探索m+1、m-1等节点个数的网络，直至得到最优结构性网络8∶6∶1。

将1 G条脉象数据样本分为75%训练集（768 M）和25%测试集（256 M），采用动量-学习率自适应[15-17]调整快速BP算法对神经网络进行训练。训练结束时的网络最终误差设定为10-4，训练过程采用自动停止，即当网络输出误差达到10-4，网络训练过程自动停止。

在实验中，随机生成n组初始化的权值数组，并将首次迭代次数设置为5000，以达到基本的误差收敛平缓阶段，然后将权重组中误差精度最高的1/6选出，进入下一次MapReduce过程，程序设置时间上限为3 h和误差接受范围为（0～0.000 1），如果运算时间达到了规定的上限时间，误差还没有被接受，将继续选择误差最接近的1/6组，进行下一次MapReduce过程，依次循环下去，若误差到达约定范围之内，便跳出循环，接受权重。预测结果见表2。

在768 M共35 890条数据中，单机模式预测正确预测29 150条，正确率为81%；MapRedece并行模式正确预测35 841条，正确率为99.86%。表明Hadoop环境下的BP算法能够准确地进行脉象识别。

2.4 结果分析

BP算法传统单机串行模式下要到达程序设定的误差精度，普通的PC端难以承受该计算量，运算时耗太长。本研究针对上述问题设置了2个对照组。

第1组：使单串行机模式和MapReduce并行模式在同一时间点运行，并在运行至30 s时截止取得权值，然后对256 M数据进行运算并与标准数据比较取得误差作图，见图4。

第2组：将2个程序分别设定相同的误差接受范围，并在同一个时间点运行，比较2个程序到达误差范围所需的时间，见表3。

图4表明，在程序运行30 s时终止程序，对256 M实验数据传统串行处理模式和MapReduce链式并行处理模式的所能达到的误差的精确度对比，结果显示MapReduce链式并行处理模式的误差精度远高于传统串行处理模式。

表3表明，要到达相同精度的误差区间时，MapReduce链式并行处理模式所用时间远少于传统串行模式。

网络训练学习完毕后，将检验样本输入神经网络进行脉象分类检验。相同时间内，并行MapReduce所能达到的误差精度比传统单机串行所能到达的精度要高，当对误差的精度要求提高达万分之一点时，传统的计算方法甚至无法算出符合要求的权值，且运算时间超过1 d，资源消耗巨大。而MapReduce模型下的计算仅需4 min便能接受误差，返回多组符合要求的权值。通过分析脉象识别中误差大小的影响因素，可提高对海量脉诊数据处理的速度，探索减小脉象主观识别误差的方法。

3 小结

诊脉“在心易了，指下难明”，学习者需长期积累经验且难以达到精确、客观、统一的标准。计算机技术、信号处理技术、人工智能等多种现代技术的出现，促成了脉象仪产生，脉诊相关研究逐渐呈现信息化发展态势。将多种计算机信息技术与中医研究相结合，使中医脉诊的客观化、标准化成为可能。

本研究基于Hadoop环境改进的BP神经网络算法大大减小了脉象识别中BP算法模型的误差，实验结果表明，采用Hadoop平台下的链式MapReduce方式建模，在时间性能和准确率上远远优越于传统的串行处理方式。对于中医脉象的识别分类和辅助诊断疾病具有一定的临床应用价值。

参考文献：

[1] 朱晨杰，杨永丽.基于MapReduce的BP神经网络算法研究[J].微型电脑应用，2012，28（10）：9-12，19.

[2] MILLER M. Cloud computing：Web-based applications that change the way you work and collaborate online[J]. Que Publishing Company， 2008，82（3）：303-318.

[3] 崔杰，李陶深，兰红星.基于Hadoop的海量数据存储平台设计与开发[J].计算机研究与发展，2012，49（S1）：12-18.

[4] DEAN J. Experiences with map reduce：An abstraction for large scale computation[C]//Proceeding of the 15th International Conferenceon Parallel Architectures and Compilation Techniques. Washington DC：IEEE Press， 2006.

[5] 郝树魁.Hadoop HDFS和MapReduce架构浅析[J].邮电设计技术， 2012（7）：37-42.

[6] 武森，冯小东，杨杰，等.基于MapReduce的大规模文本聚类并行化[J].北京科技大学学报，2014，36（10）：1411-1419.

[7] YANG D S， LIU Z W， ZHAO Y， et al. Exponential networked synchronization of master-slave chaotic systems with time- varying communication topologies[J]. Chinese Physics B，2012， 21（4）：155-162.

[8] 王颖纯，白丽娜.基于BP神经网络的中医脉诊体质类型判定[J].中医杂志，2014，55（15）：1288-1291.

[9] 张雪伟，王焱.基于Sigmoid函数参数调整的双隐层BP神经网络的板形预测[J].化工自动化及仪表，2010，37（4）：42-44，48.

[10] 黄山，王波涛，王国仁，等.MapReduce优化技术综述[J].计算机科学与探索，2013，7（10）：885-905.

[11] 吴斌，刘心光.一种基于改进的链式MapReduce的并行ETL应用[J]. 电信科学，2013，29（12）：1-8.

[12] 朱钦士.切脉“寸关尺”有何依據[J].大众科学，2014（12）：32-33.

[13] 张丽娜，李垠含，张文顺.脉诊仪在实验教学中存在的问题及改进对策[J].辽宁中医药大学学报，2011，13（6）：271-272.

[14] 党宏智.寸关尺部位脉搏信息检测系统[D].兰州：兰州理工大学， 2011.

[15] 宫宁生，钱春阳，张媛.一种BP网的学习速率与动量项自适应算法[J].小型微型计算机系统，2013，34（8）：1872-1876.

[16] MAN Z H， WU H R， LIU S， et al. A new adaptive backpropagation algorithm based on Lyapunov stability theory for neural networks[J]. IEEE Trans on Neural Networks，2006，17（6）：1580?1591.

[17] WONG W K， YUAN C W M， FAN D D. Stitching defect detection and classification using wavelet transform and BP neural network[J]. Expert Systems with Applications，2009，36：3845-3856.

（收稿日期：2017-04-10）

（修回日期：2017-05-03；编辑：向宇雁）