基于证据推理分类器的医疗数据分类方法及相关设备.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114239741A(43)申请公布日2022.03.25(21)申请号202111576257.8(22)申请日2021.12.21(71)申请人中国人民解放军国防科技大学地址410003湖南省长沙市开福区德雅路109号(72)发明人赵青松王小燕孙建彬游雅倩赵蕊蕊崔瑞靖杨克巍葛冰峰姜江(74)专利代理机构北京风雅颂专利代理有限公司11403代理人曾志鹏(51)Int.Cl.G06K9/62(2022.01)G06N3/12(2006.01)权利要求书3页说明书21页附图3页(54)发明名称基于证据推理分类器的医疗数据分类方法及相关设备(57)摘要本申请提供一种基于证据推理分类器的医疗数据分类方法及相关设备；包括：确定医疗数据集中每个样本的属性和类别，计算属性的费希尔得分、皮尔逊相关系数和互信息，对计算结果进行融合，得到该属性的属性可靠性；根据预设的约束条件，为每个属性设置参考值、参考证据和参考证据权重；并将其组合为个体编码，通过对个体编码初始化，得到初始化种群，采取多目标遗传算法，对初始化种群进行迭代，当达到迭代的目标次数，得到目标种群，根据帕累托支配原则，确定目标个体；利用目标个体的参考值、参考值个数和参考证据权重计算属性的属性证据和属性证据权重，并对全部属性证据进行融合，得到证据推理分类器，利用证据推理分类器对样本进行分类决策。CN114239741ACN114239741A权利要求书1/3页1.一种基于证据推理分类器的医疗数据分类方法，其特征在于，应用于存储有医疗数据及的数据库，包括：确定医疗数据集中每个样本的多个属性和每个所述样本初始对应的类别，对于每个所述属性，利用该属性和全部所述类别计算费希尔得分、皮尔逊相关系数和互信息，对计算结果进行融合，得到该属性的属性可靠性；根据预设的约束条件，对于每个所述属性，设置多个参考值，并为该属性的每个所述参考值设置对应的参考证据，为每个所述参考证据设置对于该属性的参考证据权重；将全部所述属性所对应的所述参考值、参考值个数和所述参考证据权重组合为个体编码，通过对所述个体编码多次初始化，得到多个初始个体并组成初始化种群，采取多目标遗传算法，对所述初始化种群进行迭代，响应于确定达到迭代的目标次数，得到目标种群，根据帕累托支配原则，在所述目标种群中确定目标个体；利用所述目标个体中每个所述属性对应的所述参考值、所述参考值个数和所述参考证据权重计算该属性的属性证据和属性证据权重，利用所述属性可靠性和所述属性证据权重对全部所述属性证据进行融合，得到证据推理分类器，利用所述证据推理分类器对所述样本进行分类决策。2.根据权利要求1所述的方法，其特征在于，所述采取多目标遗传算法，对所述初始化种群进行迭代，包括：在每次所述多目标遗传算法的每次迭代中，执行如下操作：响应于确定本次迭代为首次迭代，在初始化种群中，对全部初始个体构建帕累托等级的排序，并对每个所述初始个体计算拥挤度，在初始化种群中，选取多个所述初始个体，根据每个所述初始个体的所述帕累托等级和所述拥挤度，执行竞标赛选择法，得到本次迭代的父代种群；响应于确定本次迭代为非首次迭代，在前一次迭代得到的新代种群中，对全部新代个体构建帕累托等级的排序，并对每个所述新代个体计算拥挤度，在前一次迭代得到的所述新代种群中，选取多个所述新代个体，根据每个新代个体的所述帕累托等级和所述拥挤度，执行竞标赛选择法，得到本次迭代的所述父代种群；对本次迭代的所述父代种群中的多个父代个体通过执行模拟二进制交叉法和多项式变异，得到本次迭代的子代种群；将本次迭代的所述父代种群和所述子代种群合并，得到本次迭代的过渡种群；在本次迭代的所述过渡种群中，对全部过渡个体构建快速非支配级排序，并对每个所述过渡个体计算拥挤度；将本次迭代的所述过渡种群中的前多个过渡个体组成本次迭代的所述新代种群。3.根据权利要求2所述的方法，其特征在于，所述构建帕累托等级的排序，包括：对于每个所述初始个体，计算利用该初始个体执行分类的错误率，根据所述错误率构建第一目标函数；利用该初始个体中所述参考值个数，构建第二目标函数；根据所述帕累托支配原则，以所述第一目标函数和所述第二目标函数的取值越小越优为目标，对所述初始化种群中的全部初始个体进行所述帕累托等级的排序；对于每个所述新代个体，计算利用该新代个体执行分类的错误率，根据所述错误率构建所述第一目标函数；2CN114239741A权利要求书2/3页利用该新代个体中所述参考值个数，构建所述第二目标函数；根据所述帕累托支配原则，以所述第一目标函数和所述第二目标函数的取值越小越优为目标，对所述新代种群中的全部新代个体进行所述帕累托等级的排序；对于每个所述过渡个体，计算利用该过渡个体执行分类的