[发明专利]一种基于边界增强的心衰死亡预测系统

权利要求书

1.一种基于边界增强的心衰死亡预测系统，其特征在于，包括以下骤：

S1,将心衰数据集进行特征提取，特征包括年龄、性别和心率信息，还包括诊断信息、用药信息和检查信息，得到训练数据集

S2,对于训练数据集，根据边界增强的方法给训练样本计算每个样本的权重，得到训练样本的权重包括以下步骤：

S21,计算训练样本x_i的熵，其计算公式为：

H_i＝-p_i+ln(p_i+)-p_i-ln(p_i-)          (1)

其中，p_i+和p_i-分别表示属于正类和负类的x_i的概率，ln(·)是自然对数运算符，

S22，假设所有负类训练样本的熵为H＝{H_1-,H_2-,…,H_n-,},其中，n是负类样本的数量，对于每个负类样本x_i-，其样本权重计算公式如下：

其中μ是H的平均值，而σ是H的标准差，正类样本被赋予较大的权重以保证的正类的重要性，所述较大权重为1.0，全部训练样本的计算公式如下：

S3,从训练样本集随机选择M个子集，对于每个子集，根据经验核映射方法将训练样本子集映射到不同的核空间，得到样本在核空间的表达形式，包括以下步骤，

S31，根据以下公式计算并得到RBF核的参数；

S32，输入所述训练样本子集和核参数，根据以下公式计算核矩阵的每一项，得到核矩阵K_n×n＝[ker(x_i,x_j)]^n×n；

S33，输入所述核矩阵K_n×n，将核矩阵分解为如下形式，得到矩阵K_n×n的特征向量矩阵Q和特征值矩阵Λ

其中，r是矩阵K_n×n的秩，n是训练样本子集样本数量，Q是K的特征向量，Λ是K的特征值

S34，输入矩阵K_n×n、矩阵Q和Λ，根据以下公式计算样本在核空间的具体表达形式，

φ(x)＝Λ^-1/2Q[ker(x，x₁)，ker(x，x₂)，…，kef(x，x_N)]^T   (7)；

S4，输入核映射后的训练样本子集，根据基于边界增强的心衰死亡预测系统的目标函数对训练样本子集进行学习，得到基于边界增强的心衰死亡预测系统，包括以下步骤：

S41，采用最小二损失与Moore-Penrose广义逆优化增广权重向量W，训练样本的结果定义为如下：

增广权重向量W求解如下：

其中，和|| ||表示欧几里得空间，W^*可用作一般线性系统的最小二乘解之一，增广权重向量W以解析形式优化为：

其中是的Moore-Penrose广义逆，

S42，按权重线性组合M个经验核，可以获得最终分类器，

其中，α_l，l＝1，2，...，M表示第l经验特征空间的权重，表示l个特征空间的权重向量，表示最终分类器的偏差，表示样本x的增广经验特征向量，是增广权重向量，因此，如果f(x)＞0，则将输入样本x预测为正类，否则x预测为负类；

S5,输入测试样本，根据经验核映射方法得到样本在核空间的具体表达，代入预测系统进行分类。