买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京疤康健康管理有限公司

摘要：本发明属于疾病的分类和诊断领域，具体涉及一种基于双边模糊集的三支决策疾病分类方法及装置，包括：获取与疾病诊疗信息相关的数据集，并对其预处理形成一个近似空间；基于近似空间计算数据集的背离度得到双边模糊集；基于双边模糊集构建三支决策模型；基于置信区间理论构建目标优化函数，求解得到最优置信水平并计算决策阈值，得到最终三支决策模型；采用最终三支决策模型对数据集的背离度进行划分，得到诊断结果及对应决策；本发明将模糊集拓展为双边模糊集构建三支决策模型，保留疾病信息语义的同时得到除目标疾病外的相关诊断结果，还提出了最优化置信水平的阈值自动计算方法，减少了人为对阈值计算的影响。

主权项：1.一种基于双边模糊集的三支决策疾病分类方法，其特征在于，包括：S1.获取与待诊断对象的疾病诊疗信息相关的数据集，对数据集进行预处理后形成一个近似空间；近似空间为S且S＝U,R，U＝{x1,x2,…,x10}是待诊断对象的集合，R＝{r}是与疾病诊疗信息相关的数据集，A为U上的一个双边模糊集，ωA为U上的一个映射，映射ωA为A的背离函数，且该映射满足条件：ωA:U→[-1,1]； 其中，ωAx为x对A的背离程度，简称背离度；计算背离度的背离函数表示为： 其中，rxi表示对象xi在属性r上的属性值，rm表示属性的正常值，ωaxi表示对象xi的属性值的背离度，rmax表示最大属性值，rmin表示最小属性值；S2.基于近似空间计算数据集的背离度，得到双边模糊集；S3.根据得到的双边模糊集构建三支决策模型；在三支决策模型中，设置β2、α2、α1和β1四个阈值，且阈值之间满足-1＜β2＜α2＜0＜α1＜β1＜1，通过四个阈值将待诊断对象的集合分为正区域、边界区域和负区域，分别表示为：POSωA＝{x∈U|α2≤ωAx≤α1}；BNDωA＝{x∈U|β2＜ωAx＜α2∨α1＜ωAx＜β1}；NEGωA＝{x∈U|ωAx≤β2∨ωAx≥β1}；其中，POSωA表示正区域，BNDωA表示边界区域，NEGωA表示负区域；阈值计算公式表示为： 其中，表示背离度的平均值，σ表示背离度的标准差，n为待诊断对象的个数，z1、z2、z3和z4是根据所选择的置信水平设置的参数；根据背离度将三支决策模型分为左区域和右区域两部分，将正区域、边界区域和负区域进一步划分为三支决策模型的左区域内的正区域、边界区域和负区域和右区域内的正区域、边界区域和负区域，分别表示为：POSlωA＝{x∈U|α2≤ωAx＜0}；POSrωA＝{x∈U|0≤ωAx≤α1}；BNDlωA＝{x∈U|β2＜ωAx＜α2}；BNDrωA＝{x∈U|α1＜ωAx＜β1}；NEGlωA＝{x∈U|ωAx≤β2}；NEGrωA＝{x∈U|ωAx≥β1}；其中，POSlωA、BNDlωA和NEGlωA分别表示左区域内的正区域、边界区域和负区域，POSrωA、BNDrωA和NEGrωA分别表示右区域内的正区域、边界区域和负区域；S4.基于置信区间理论构建目标优化函数，求解目标优化函数得到最优置信水平，根据最优置信水平计算三支决策模型中的决策阈值；基于置信区间理论构建的左区域与右区域的目标优化函数，分别表示为： 其中，和分别表示三支决策模型的左区域内的正区域、边界区域和负区域的对象方差，代表左区域的三个区域的对象均值之间的方差，和分别表示三支决策模型的右区域内的正区域、边界区域和负区域的对象方差，代表右区域的三个区域的对象均值之间的方差；S5.使用S4步骤得到的决策阈值对步骤S2计算得到的背离度进行划分，得到待诊断对象的诊断结果及对应决策。

全文数据：

权利要求：

百度查询： 北京疤康健康管理有限公司 一种基于双边模糊集的三支决策疾病分类方法及装置