[發(fā)明專利]基于低差異度數(shù)列交叉檢驗(yàn)的數(shù)據(jù)分類優(yōu)化方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201710243664.4
• 申請(qǐng)日: 2017-04-14
• 公開（公告）號(hào): CN107122598B
• 公開（公告）日: 2018-02-23
• 發(fā)明（設(shè)計(jì)）人: 劉建亞;郭亮;呂若丹
• 申請(qǐng)（專利權(quán)）人: 劉建亞
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N99/00
• 代理公司: 濟(jì)南圣達(dá)知識(shí)產(chǎn)權(quán)代理有限公司37221
• 代理人: 張勇

1.一種基于低差異度數(shù)列交叉檢驗(yàn)的數(shù)據(jù)分類優(yōu)化方法，其特征在于，包括：

步驟1：從醫(yī)療信息系統(tǒng)的數(shù)據(jù)庫中提取就診人員歷史醫(yī)療數(shù)據(jù)，所述就診人員歷史醫(yī)療數(shù)據(jù)包括分類標(biāo)簽和生化檢驗(yàn)的特征信息；利用提取的就診人員歷史醫(yī)療數(shù)據(jù)構(gòu)建出樣本數(shù)據(jù)矩陣；

步驟2：對(duì)樣本數(shù)據(jù)矩陣進(jìn)行降維處理得到的一維數(shù)列作為抽樣框架，再結(jié)合一個(gè)均勻分布的低差異度數(shù)列，將提取的醫(yī)療數(shù)據(jù)樣本數(shù)據(jù)矩陣均勻分成k個(gè)子集；其中k為大于1的正整數(shù)；

步驟3：根據(jù)一個(gè)監(jiān)督機(jī)器學(xué)習(xí)分類算法，構(gòu)建一個(gè)分類學(xué)習(xí)模型，用k個(gè)子集中的數(shù)據(jù)進(jìn)行交叉檢驗(yàn)，得到該分類學(xué)習(xí)模型的平均預(yù)測分類準(zhǔn)確率；

步驟4：判斷該分類學(xué)習(xí)模型的平均預(yù)測分類準(zhǔn)確率是否大于或等于預(yù)設(shè)預(yù)測分類準(zhǔn)確率閾值，若是，則該分類學(xué)習(xí)模型符合要求；否則，提示研究人員修改該分類學(xué)習(xí)模型或使用另外一個(gè)監(jiān)督機(jī)器學(xué)習(xí)分類算法構(gòu)建新的模型，返回步驟3；

該方法還包括：將待分類的醫(yī)療數(shù)據(jù)輸入至符合要求的分類學(xué)習(xí)模型中進(jìn)行分類并輸出分類結(jié)果；

所述步驟2的具體過程，包括：

步驟2.1：構(gòu)建由至少一種降維方法組成的降維方法集合，利用降維方法集合內(nèi)的降維方法分別對(duì)樣本數(shù)據(jù)矩陣進(jìn)行降維處理，得到相應(yīng)一維數(shù)列；再分別對(duì)相應(yīng)一維數(shù)列進(jìn)行離差標(biāo)準(zhǔn)化，得到相應(yīng)離差標(biāo)準(zhǔn)化一維數(shù)列；離差標(biāo)準(zhǔn)化一維數(shù)列中每個(gè)數(shù)據(jù)的取值均介于0-1之間，且小數(shù)點(diǎn)后保留預(yù)設(shè)位數(shù)；

步驟2.2：利用圓周率π的正整數(shù)倍的小數(shù)部分構(gòu)建一系列低差異數(shù)，并且使得該低差異數(shù)的小數(shù)點(diǎn)后保留數(shù)字位數(shù)與步驟2.1預(yù)設(shè)小數(shù)點(diǎn)后保留數(shù)字位數(shù)相等；比較小數(shù)點(diǎn)后保留預(yù)設(shè)位數(shù)的離差標(biāo)準(zhǔn)化一維數(shù)列和一個(gè)低差異度數(shù)列中數(shù)據(jù)的大小，將與所述低差異度數(shù)列中相等的數(shù)據(jù)逐個(gè)分配到預(yù)設(shè)的k個(gè)臨時(shí)容器里，直到把一維數(shù)列的數(shù)值全部分配到k個(gè)臨時(shí)容器里，每個(gè)臨時(shí)容器為一個(gè)子集。

2.如權(quán)利要求1所述的一種基于低差異度數(shù)列交叉檢驗(yàn)的數(shù)據(jù)分類優(yōu)化方法，其特征在于，所述步驟1中，所述樣本數(shù)據(jù)矩陣的每一行代表一個(gè)就診人員樣本，樣本數(shù)據(jù)矩陣的列由相應(yīng)就診人員樣本的分類標(biāo)簽和生化檢驗(yàn)的特征信息構(gòu)成。

3.如權(quán)利要求1所述的一種基于低差異度數(shù)列交叉檢驗(yàn)的數(shù)據(jù)分類優(yōu)化方法，其特征在于，所述步驟3具體包括：

步驟3.1：根據(jù)一個(gè)監(jiān)督機(jī)器學(xué)習(xí)分類算法，建立一個(gè)分類學(xué)習(xí)模型；

步驟3.2：使用分配數(shù)據(jù)完成的k個(gè)子集的數(shù)據(jù)對(duì)分類學(xué)習(xí)模型進(jìn)行循環(huán)交叉驗(yàn)證，得到相應(yīng)k個(gè)預(yù)測分類準(zhǔn)確率并存儲(chǔ)至一個(gè)臨時(shí)結(jié)果集合內(nèi)；

步驟3.3：對(duì)臨時(shí)結(jié)果集合中的k個(gè)預(yù)測分類準(zhǔn)確率求平均值，將該平均值存入平均預(yù)測準(zhǔn)確率集合中。