[發明專利]一種基于ɑ-RIPPER分類器的國民體質健康分析方法

在審

• 申請號: 201910632232.1
• 申請日: 2019-07-13
• 公開（公告）號: CN110335680A
• 公開（公告）日: 2019-10-15
• 發明（設計）人: 朱容波
• 申請（專利權）人: 朱容波;丹陽市遠波醫療科技有限公司
• 主分類號: G16H50/30
• 分類號: G16H50/30;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于ɑ?RIPPER分類器的國民體質健康分析方法，首先將國民體質健康分析轉換為數學問題，然后利用優化的RIPPER算法，構建ɑ?RIPPER分類模型，實現對成長期兒童或青少年不同生長階段各項重要體質評價指標的分類并結合的評價結果綜合分析兒童或青少年的生長狀況。本發明在RIPPER算法中引入規則沖突率閾值α，在規集增長階段每次新增一條規則時，計算規則間的沖突率，當超過α時對相關規則進行剪枝操作，通過減少其中某條規則的規則前件降低沖突率，同時也能遵循MDL原則減少規則的描述長度，實現最少比特位描述。

技術領域

本發明屬于大數據應用技術領域，涉及一種基于ɑ-RIPPER分類器的國民健康分析方法。

背景技術

隨著社會的發展人們對于下一代的生長發育發育越來越重視，特別是孩子的身高、體重等重要指標。由于目前國內的研究工作集中在從社會學角度出發的兒童青少年生長發育概念的相關理論方面，并針對特定指標提出了大量的科學指導方法，但從自然科學的角度對兒童青少年生長發育過程中結合數據量化分析的指導模型卻很少見。因此在生長發育大數據的驅動下，借助深度學習等熱門方法建立標準化生長健康指標評估模型，對于分析特定地區男女生生長發育規律進行直觀量化同時對兒童青少年的成長發育提供更科學的指導，具有重要的理論意義與參考價值。利用改進的RIPPER構建分析模型，對兒童青少年相應體質數據與重要指標的內在關系進行有效刻畫，實現生長期兒童青少年各項成長指標的分類評估預測。

RIPPER(Repeated Incremental Pruning to Produce Error Reduction)算法是目前最著名、包含最多技巧的命題規則學習方法，通過將預剪枝策略與后處理優化操作結合，使算法相較于REP、IREP等速度更快且具有較強的泛化能力，甚至使規則學習首次在性能表現上超過決策樹。目前針對RIPPER算法生成的規則集中多條規則產生沖突時大多采用投票法、排序法或元規則法，然而上述做法沒有從根本對規則沖突進行控制。本文提出在算法規則集增長階段，設置一個沖突率閾值α，每增加一條規則對規則集在訓練數據上各項規則間的沖突率δ_i進行計算并將其與α比較，當δ_i>α時，對產生沖突的規則進行剪枝操作直至低于閾值。上述操作從控制沖突率的角度進行沖突消解同時依照MDL原則對規則集描述長度進行控制，使規則的描述更加精練、準確，同時在一定程度上增強了算法泛化能力。

發明內容

為了解決上述技術問題，本發明提出了基于ɑ-RIPPER分類器的國民體質健康分析方法。

本發明所采用的技術方案是，一種基于ɑ-RIPPER分類器的國民健康分析方法，其特征包括以下兩點：

(1)對RIPPER算法進行改進，引入沖突率閾值降低生成規則集的沖突率，使規則的描述更加精練、準確，且在增強算法泛化能力。

(2)將兒童青少年體質健康分析轉換為數學問題，構建ɑ-RIPPER分類模型，實現對以地域劃分的成長期兒童或青少年不同生長階段各項重要體質評價指標的歸類并結合評價結果綜合分析兒童或青少年的生長狀況。

附圖說明

圖1：生長指標等級分類問題描述；

圖2：α-RIPPEP規則歸納流程圖；

圖3：α-IREP*程序流程圖；

具體實施方式

為了發現生長期兒童青少年在不同成長階段的身高、體重、肺活量、握力變化規律，本文提取成長期青少年兒童的健康信息包括年齡、性別、所在地域、身高體重、父親身高、母親身高、立定跳遠、引體向上、俯臥撐、仰臥起坐、肺活量、體前屈、折返跑、實心球、握力、體脂、血壓、視力、聽力等生長期關鍵信息，通過對上述屬性進行初步歸類統計并嘗試將其與生長期兒童青少年在特定成長階段的身高、體重、肺活量、握力等最能反映生長期兒童青少年成長狀況的衡量指標的等級進行映射匹配，我們發現：