[发明专利]一种基于高斯模糊积分的HBV分类方法

说明书

技术领域

本发明涉及分类预测的研究领域，特别涉及一种基于高斯模糊积分的HBV分类方法。

背景技术

目前，现实应用中很多问题涉及到分类预测，研究者已经从最初的线性分类器扩展到了非线性分类器的使用。传统的模糊积分就是一种用于处理非线性问题的信息融合工具。而模糊积分自身也存在着极大的局限性，比如经典模糊测度的表示仅限于[0，1]区间，以及传统模糊积分所能处理的数据只能根据被积函数沿直线投影来获得积分值，而实际的数据分布并不是单纯线性的。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于高斯模糊积分的HBV分类方法。

本发明的目的通过以下的技术方案实现：

一种基于高斯模糊积分的HBV分类方法，包括下述步骤：

S1、从HBV数据库中筛选HBV患者的DNA序列；

S2、数据库根据聚类方法分为四个小的数据集合B1、C1、C2以及C3；

S3、对数据集进行分类，依靠分类器的分类和病例的真实类别，可以有四种结果用于预测评价；

真正类---患者诊断为患病，而真有病的情况；

假正类---患者诊断为患病，而未患病的情况；

真负类---患者诊断为无病，而真无病的情况；

假负类---患者诊断为无病，而真有病的情况；

令TP,FP,TN和FN分别表示真正类、假正类、真负类和假负类的数目，对于每个学习和评价实验，Accuracy准确度、Sensitivity敏感度和Specificity特异性定义如下，用作分类的性能或适应度的指示器；

Accuracy＝(TP+TN)/(TP+TN+FP+FN),

Sensitivity＝TP/(TP+FN),

Specificity＝TN/(TN+FP).

S4、将高斯模糊积分构造的分类器应用于HBV数据库，对HBV进行分类，所述高斯模糊积分构造的分类器具体为：

假设给定特征集X＝{x₁,x₂,…,x_n}，f为特征函数，相应的特征值为f(x₁),f(x₂),…,f(x_n)，将特征值进行降序排列满足f(x₁')≤f(x₂')≤…≤f(x_n')，其中(x₁',x₂',…,x_n')是(x₁,x₂,…,x_n)的变形；