[发明专利]一种用于肺癌筛查的模式识别方法

权利要求书

1.为提高早期肺癌筛查电子鼻系统的灵敏度和特异性，提出一种用于早期肺癌得模式识别方法，模式识别方法主要包括：S1数据预处理、S2特征提取并进行S3分类训练和S4分类识别，其步骤基本如下：

S1对原始的数据将进行数据解析、基线处理、滤波和数据标准化；

S2采用LE降维方法对预处理后的特征矩阵降维以提取主要特征；

数据预处理和特征提取完成后，S3是使用Fuzzy k-NN分类算法对数据进行训练并获得判别函数；

S4是基于判别函数对原始数据进行识别并判断样本是否患有肺癌。

2.根据权利要求1所述的一种用于肺癌筛查的模式识别方法，其特征在于：

所属步骤S1中对原始数据进行数据解析，并对解析后的数据进行基线处理，有效周期截取是将传感器与采样气体反应的时间段进行截取，使得周期数据具有一致性，对传感器数据进行滤波，为了补偿气室中传感器测量结果的数值范围和/或单位差异，本发明采用标准差标准化方法。

3.根据权利要求1所述的一种用于肺癌筛查的模式识别方法，其特征在于：

所属步骤S2拉布拉斯特征映射(LE)是流形学习降维算法，降维后可以保持原始数据的流形结构，使得高维空间相互接近的点在低维空间也应相互接近。

4.根据权利要求1所述的一种用于肺癌筛查的模式识别方法，其特征在于：

所属步骤S3分类训练数据预处理以及特征提取完成后，就可以通过分类算法进行分类训练并获得判别函数。采用Fuzzy k-NN分类算法，相对于传统的k-NN分类算法，Fuzzy k-NN算法是对传统k-NN算法进行基于模糊逻辑方法改变后的算法，该方法给每个样本分配一个模糊分类的隶属值，改善了传统k-NN也有其缺陷，比如k值的选择可能会严重影响分类结果：过大的k值可能造成局部信息浪费，k值太小造成敏感过度而误分类。