[发明专利]一种基于类间混合决策树的健康信息处理方法

权利要求书

1.一种基于类间混合决策树的健康信息处理方法，包括以下步骤：

步骤1，获取包含用户身体数据的训练集X；

步骤2，基于训练集X建立目标函数，并得到最优解；

步骤3，将数据划分为不相交的分区，直到节点变纯或样本数小于预定义的阈值。

2.根据权利要求1所述的方法，其特征在于，步骤1中，将包含用户身体数据的训练集X记为：

其中x_i＝[x_i1,x_i2,...,x_id]^T是第i个用户样本，i＝1,2,...,n，d是x_i的特征维度，x_id∈R表示第i个用户的第d个特征值，y_i∈{-1,+1}是第i个用户样本的标签，y_i取值为-1时表示第i个用户患病，y_i取值为1时表示第i个用户健康；x'∈U是一个Universum样本，U表示Universum集。

3.根据权利要求2所述的方法，其特征在于，步骤2包括：

步骤2-1，最小化两个用户样本x₁,x₂间的马氏距离d_A(x₁,x₂)＝(x₁-x₂)^TA(x₁-x₂)等价于最大化其中A是一个d×d实对称正定矩阵；

最大化两类中心的马氏距离d_A(m₁,m₂)等价于最小化其中m₁和m₂分别代表患病数据的类中心和健康数据的类中心，每个内部节点t的分裂准则对应的目标函数min_A＞0f(A)表示为：

min_A＞0f(A)＝tr(A(S_w+S_u))+tr(A^-1S_b)    (2)

其中tr表示矩阵的迹，A＞0表示A是一个正定矩阵；

S_b，S_w和S_u分别定义为类间协方差矩阵、类内协方差矩阵和Universum类内协方差矩阵；

步骤2-2，目标是获得一个对角矩阵A＝diag(w₁,...,w_j,...,w_d)，它的第j个对角元素w_j表示候选特征j的判别性权重，特征j表示用户的第j个体征，取值为1～d，diag表示对角矩阵，在对角化度量矩阵约束下优化公式(2)，得到f(w₁,...,w_j,...,w_d)；

步骤2-3，当f(A)的导数为零时，获得全局最优解，f(A)对w_j求导；

步骤2-4，获得最优解。

4.根据权利要求3所述的方法，其特征在于，步骤2-1中，所述类间协方差矩阵S_b、类内协方差矩阵S_w和Universum类内协方差矩阵S_u如下所示：

S_b＝(m₁-m₂)(m₁-m₂)^T

其中c是类序号，m_c是类别C的中心，m₁和m₂分别表示患病数据的类中心和健康数据的类中心，x_i'和m_u'分别表示Universum样本及其类中心，上标T表示矩阵转置。