[发明专利]基于局部学习特征权重选择的医疗数据分类方法及装置

权利要求书

1.一种基于局部学习特征权重选择的医疗数据分类方法，其特征在于，包括：

S101：获取医疗数据的第一样本集，得到第一样本属性；

S102：设置所述第一样本属性的初始权重向量，将所述初始权重向量作为本次权重向量；

S103：通过梯度下降的更新方式对本次权重向量进行更新，得到迭代一次后的下次权重向量；

S104：判断确定规则是否成立，若是，则将所次权重向量作为最终权重向量，执行S105；若否，则将下次权重向量作为本次权重向量，返回S103；其中||w^t+1-w^t||≤θ为确定规则，w^t为本次权重向量，w^t+1为下次权重向量，θ为停止准则；

S105：根据所述最终权重向量进行特征选择，得到特征索引子集；

S106：将所述第一样本集根据所述特征索引子集进行特征选择，得到特征选择后的第二样本集；

S107：获取第一待评估数据，并根据所述特征索引子集进行特征选择得到第二待评估数据；

S108：在所述第二样本集上对第二待评估数据进行分类，得到分类结果。

2.根据权利要求1所述的医疗数据分类方法，其特征在于，所述获取医疗数据的第一样本集，得到第一样本属性，包括：

获取医疗数据的第一样本集，得到第一样本属性，并对所述第一样本集进行离差标准化处理。

3.根据权利要求1所述的医疗数据分类方法，其特征在于，所述通过梯度下降的更新方式对本次权重向量进行更新，得到迭代一次后的下次权重向量，包括：

通过规则对本次权重向量进行更新，得到迭代一次后的下次权重向量w^t+1，J(w)为优化目标函数，通过最大化J(w)＝(z_i^t+1)^Tw^t+1计算得到。

4.根据权利要求1所述的医疗数据分类方法，其特征在于，所述获取第一待评估数据，并根据所述特征索引子集进行特征选择得到第二待评估数据，包括：

获取第一待评估数据，进行离差标准化处理，并根据所述特征索引子集进行特征选择得到第二待评估数据。

5.根据权利要求1至4任意一项所述的医疗数据分类方法，其特征在于，在所述第二样本集上对第二待评估数据进行分类，得到分类结果，包括：

在所述第二样本集上对第二待评估数据利用K近邻分类器进行分类，得到分类结果。

6.一种基于局部学习特征权重选择的医疗数据分类装置，其特征在于，包括：

第一样本集获取模块，用于获取医疗数据的第一样本集，得到第一样本属性；

初始权重限量设置模块，用于设置所述第一样本属性的初始权重向量，将所述初始权重向量作为本次权重向量；

下次权重向量获取模块，用于通过梯度下降的更新方式对本次权重向量进行更新，得到迭代一次后的下次权重向量；

判断模块，用于判断确定规则是否成立，若是，则将所述下次权重向量作为最终权重向量，调用特征索引子集获取模块；若否，则将下次权重向量作为本次权重向量，调用所述下次权重向量获取模块；其中确定规则为||w^t+1-w^t||≤θ，w^t为本次权重向量，w^t+1为下次权重向量，θ为停止准则；

所述特征索引子集获取模块，用于根据所述最终权重向量进行特征选择，得到特征索引子集；

第二样本集获取模块，用于将所述第一样本集根据所述特征索引子集进行特征选择，得到特征选择后的第二样本集；

第二待评估数据获取模块，用于获取第一待评估数据，并根据所述特征索引子集进行特征选择得到第二待评估数据；

分类模块，用于在所述第二样本集上对第二待评估数据进行分类，得到分类结果。

7.根据权利要求6所述的医疗数据分类装置，其特征在于，所述第一样本集获取模块具体用于：

获取医疗数据的第一样本集，得到第一样本属性，并对所述第一样本集进行离差标准化处理。