[发明专利]一种精神分裂症面部识别规则的生成方法、系统和预测系统

权利要求书

1.一种精神分裂症面部识别规则的生成方法，其特征在于，所述生成方法包括：

S1、采集用户的面部视频，根据统计学特征生成面部关键点变化数据的特征数据集A和类别数据集B，特征数据集A的列为特征，行为用户的特征值，类别数据集B的列为分类，行为用户的类别，类别为正常者和精神分裂者；

S2、设定阈值，构建决策树T；

S3、获取精神分裂症面部识别规则。

2.根据权利要求1所述的生成方法，其特征在于，在步骤S1中，还包括对所述特征数据集的归一化和降维处理。

3.根据权利要求2所述的生成方法，其特征在于，所述步骤S2包括以下步骤：

S21.如果特征数据集A中的所有数据属于同一类别，则决策树T为单节点树，并将所述类别作为所述单节点的类标记，返回T，构建结束；否则进入步骤S22；

S22.如果特征数据集A为空，则决策树T为单节点树，将类别数据集B中数量占最多的类别作为所述单节点的类标记，返回T，构建结束；否则进入步骤S23；

S23.计算特征数据集A中的特征对类别数据集B的信息增益率，选择信息增益率最大的特征A_g；

S24.如果最大的信息增益率小于设定的阈值，则设置特征A_g为叶节点，将类别数据集B中个数最多的类别作为所述叶节点的类标记，返回T，构建结束；

S25.如果最大的信息增益率不小于设定的阈值，则设置A_g为子节点，然后根据A_g的取值a_i，将特征数据集A和类别数据集B分割为非空子集Ai和Bi，创建子节点i，将Bi中个数最多的类别作为所述子节点的类标记，返回T；

S26.对子节点i，以A-{A_g}为特征数据集，以B-{B_g}，递归地调用S21-S25步，从而构建完整的决策树T。

4.根据权利要求2所述的生成方法，其特征在于，在所述步骤S3中，从决策树T的根节点开始，自上而下深度遍历，得到所有的决策规则，然后把叶节点标注为精神分裂症类别的规则汇集起来，得到精神分裂症的识别规则。

5.一种精神分裂症面部识别规则的生成系统，其特征在于，所述生成系统包括：数据集获取模块、决策树生成模块和识别规则提取模块，其中，

所述数据集获取模块，用于采集用户面部视频，提取面部关键点变化的坐标数据，根据统计学特征生成面部关键点变化数据的特征数据集A和类别数据集B，特征数据集A的列为特征，行为用户的特征值，类别数据集B的列为分类，行为用户的类别，类别为正常者和精神分裂者；

决策树生成模块，用于根据所述数据获取模块传送来的特征数据集A、类别数据集B和阈值构建决策树；

识别规则提取模块，用于根据决策树生成模块传送来的决策树，提取精神分裂症的识别规则。

6.根据权利要求5所述的生成系统，其特征在于，在所述数据获取模块中，使用openpose开源库提取面部关键点的X、Y轴坐标；统计学特征包括：最大值、最小值、均值、标准差、动态范围、峰度、偏度、斜率、截距、均方误差。

7.根据权利要求5所述的生成系统，其特征在于，所述数据获取模块，能够对特征数据集归一化处理和降维，对类别数据集降维。