[发明专利]慢性病案特征分类处理方法、装置及终端

权利要求书

1.一种慢性病案特征分类处理方法，其特征在于，所述方法包括：

获取慢性病患者的历史数据；

基于各慢性病患者的历史数据，利用慢特征算法分析各慢性病患者慢性病的慢特征，得到各慢性病患者的慢特征序列；

基于各慢性病患者的所述慢特征序列，利用粗糙聚类算法进行聚类处理，得到多个具有上近似集和下近似集的聚类簇，并根据预设的上下近似集再配置策略，将所述粗糙聚类算法聚类处理得到的各聚类簇的上近似集和下近似集的数据进行重新配置；

基于各聚类簇的重新配置的下近似集，利用训练好的机器学习分类模型进行慢性病分类。

2.根据权利要求1所述的方法，其特征在于，所述根据预设上下近似集再配置策略，将所述粗糙聚类算法聚类处理得到的各聚类簇的上近似集和下近似集的数据进行重新配置，包括：

根据预设测试集，利用预设上下近似集再配置机器学习模型，得到上下近似集再配置阈值；

根据所述上下近似集再配置阈值，对各聚类簇的上近似集和下近似集的数据进行重新配置。

3.根据权利要求1所述的方法，其特征在于，其中，在所述利用粗糙聚类算法进行聚类处理步骤之前，所述方法还包括：

利用预设排序截止阈值，剔除各慢性病患者的所述慢特征序列中处于所述排序截止阈值之后的数据，以将剔除排序处于所述排序截止阈值之后数据的所述慢特征序列供给所述粗糙聚类算法进行聚类处理。

4.根据权利要求1所述的方法，其特征在于，在所述利用慢特征算法分析各慢性病患者慢性病的慢特征步骤之前，所述方法还包括：

对各慢性病患者的历史数据进行预处理和特征工程，其中，所述预处理包括：数据的清洗、标准化和归一化，其中，所述特征工程包括：数据特征的降维。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述机器学习分类模型采用SVM模型或者LR模型。

6.一种慢性病案特征分类处理装置，其特征在于，包括：

历史数据获取模块，用于获取慢性病患者的历史数据；

慢特征处理模块，用于基于各慢性病患者的历史数据，利用慢特征算法分析各慢性病患者慢性病的慢特征，得到各慢性病患者的慢特征序列；

下近似集获得模块，用于基于各慢性病患者的所述慢特征序列，利用粗糙聚类算法进行聚类处理，得到多个具有上近似集和下近似集的聚类簇，并根据预设的上下近似集再配置策略，将所述粗糙聚类算法聚类处理得到的各聚类簇的上近似集和下近似集的数据进行重新配置；

分类模块，用于基于各聚类簇的重新配置的下近似集，利用训练好的机器学习分类模型进行慢性病分类。

7.根据权利要求6所述的装置，其特征在于，所述根据预设上下近似集再配置策略，将所述粗糙聚类算法聚类处理得到的各聚类簇的上近似集和下近似集的数据进行重新配置，包括：

根据预设测试集，利用预设上下近似集再配置机器学习模型，得到上下近似集再配置阈值；

根据所述上下近似集再配置阈值，对各聚类簇的上近似集和下近似集的数据进行重新配置。

8.根据权利要求6所述的装置，其特征在于，所述装置还包括：

慢特征序列处理模块，用于在所述利用粗糙聚类算法进行聚类处理步骤之前，利用预设排序截止阈值，剔除各慢性病患者的所述慢特征序列中处于所述排序截止阈值之后的数据，以将剔除排序处于所述排序截止阈值之后数据的所述慢特征序列供给所述粗糙聚类算法进行聚类处理。

9.根据权利要求6所述的装置，其特征在于，所述装置还包括：

历史数据预处理模块，用于在所述利用慢特征算法分析各慢性病患者慢性病的慢特征步骤之前，对各慢性病患者的历史数据进行预处理和特征工程，其中，所述预处理包括：量化指标统一和降维处理。

10.一种慢性病案特征分类处理终端，其特征在于，包括：

一个或者多个存储器，其上存储有可执行程序；

一个或者多个处理器，用于执行所述存储器中的所述可执行程序，以实现权利要求1-5中任一项所述方法的步骤。