結合粗糙集和模糊推理的生理信息與健康相關性獲取方法

結合粗糙集和模糊推理的生理信息與健康相關性獲取方法
【專利摘要】本發明提出了一種結合粗糙集和距離型模糊推理獲取生理信息與健康狀況相關性的新方法，該方法首先利用粗糙集描述構建生理信息知識庫的過程，利用屬性依賴度約簡算法約簡原有數據的冗余屬性，并提取有效規則構建知識庫。再利用模糊集合中距離的概念，匹配知識庫中已有的規則，獲取生理信息與健康狀況之間的相關性，幫助人間更好地了解身體狀況，改善身體，而且之后還可以利用方法結合其他數據檢查人們的身體狀況。該方法性能均衡，可以保證規則的準確性和有效性。
【專利說明】結合粗糙集和模糊推理的生理信息與健康相關性獲取方法
[0001]【技術領域】:本發明提供一種結合粗糙集和距離型模糊推理的生理信息與健康狀況相關性的獲取方法，屬于數據挖掘及模糊推理領域。本發明可以在知識獲取、故障診斷、專家系統等領域得到廣泛應用。
[0002]【背景技術】:隨著生活環境的改善與生活習慣的改變,癌癥、心臟疾病、糖尿病、高血壓等疾病逐漸成為威脅人類生命的主要殺手，而人類身體健康的問題并非一朝一夕，而是與日常生活緊密相關，不健康的生活所帶來的健康問題日益嚴重，不良的固定模式的生活習慣會導致各種身體問題。因此，對身體狀況的的早期關注、早期改善顯得尤為重要。
[0003]目前的醫療實驗領域中存在著大量的電子病例，如果利用各種先進信息處理技術開發處理這些數據信息，通過分析這些數據找出各種生理信息與人們健康狀況的相關性，將對醫護人員的工作起到輔助作用，可以幫助人們及早地認識身體健康狀況的相關問題并及時改善，無疑對于增進健康狀況和預防疾病具有重大的意義。為了獲取生理信息與健康狀況之間相關性，在分析粗糙集知識約簡理論和模糊推理系統的基礎上，提出一種結合粗糙集和距離型模糊推理獲取生理信息與健康狀況的相關性的新方法。粗糙集理論能有效地分析和處理不精確、不完備的數據，并有可能直接提取出隱含的知識，因此將粗糙集應用到生理信息知識的獲取中，構建生理信息的規則庫。然后依據模糊規則，選擇距離型模糊推理獲取生理信息與健康狀況之間的相關性。

【發明內容】
:
[0004]發明目的:本發明提供一種結合粗糙集和距離型模糊推理的生理信息與健康狀況相關性的獲取方法，其目的是解決以往的知識庫的建立過程中所存在的數據不精確、不完備等問題，并首次實現粗糙集與距離型模糊推理相結合的新方法來獲取生理信息與身體健康之間的相關性。
[0005]本發明首先利用粗糙集描述構建生理信息知識庫的過程，利用屬性依賴度約簡算法約簡原有數據的冗余屬性，并提取有效規則構建知識庫。再利用模糊集合中距離的概念，匹配知識庫中已有的規則，獲取生理信息與健康狀況之間的相關性，幫助人間更好地了解身體狀況，改善身體，而且之后還可以利用方法結合其他數據檢查人們的身體狀況。
[0006]技術方案:本發明是通過以下技術方案實現的:
[0007](I)利用粗糙集理論對生理信息數據進行數據挖掘，構建知識庫
[0008]I)首先進行數據預處理，即對采集到的原始數據進行量化處理，根據數據離散化準則處理數據，確定條件屬性和決策屬性，形成決策數據表；
[0009]2)其次進行屬性約簡，即在保持屬性分類能力不變的前提下，利用改進的屬性依賴度約簡算法，刪除其中不相關或不重要的屬性；
[0010]3)然后進行屬性值約簡，即去除每條規則中冗余的屬性值，得到簡化的決策數據表;
[0011]4)此后進行規則提取，即根據約簡后的屬性決策數據表，合并相同或相關的規則，計算規則的支持度和準確度，提取出支持度和準確度高的規則；[0012]5)最后進行知識庫的構建，即將所提取的規則合并，構建出由若干條規則組成的知識庫；
[0013](2)由構建的知識庫根據距離型模糊推理得到推理結果；
[0014]I)首先根據隸屬度函數將輸入的事實模糊化；
[0015]2)然后通過計算給定事實與知識庫中每條規則的前件的距離，來判斷給定事實與規則的匹配程度。距離越小，說明事實與該規則的匹配程度越高，反之匹配程度越低；
[0016]3)最后根據給定事實與知識庫中所有規則的距離推理出生理信息與健康狀況的相關性。
[0017]為更好地實現本發明的目的，所述步驟(I)的步驟2)中對屬性依賴度約簡算法的改進，以及首次結合粗糙集理論與距離型模糊推理這兩種方法來獲取生理信息與健康狀況的相關性。
[0018]對屬性依賴度約簡算法的改進是指:在決策系統中，多個條件屬性針對決策屬性的依賴度可能會相同，根據傳統屬性依賴度的計算無法區分相同依賴度屬性的重要度；我們判斷一個條件屬性的依賴度大小，是根據單個屬性與核屬性或核屬性集所構成的新的屬性集的依賴度大小來判斷的，并可以依此求解出依賴度最大的核屬性集，其過程如下:
[0019]I)計算核屬性；
[0020]2)將核屬性與其余單個屬性組合為新的屬性集，我們稱為核屬性集，劃分核屬性和單個屬性構成的核屬性集的等價類；
[0021]3)求出每個核屬性集的依賴度，并依次排序，求出最大依賴度的核屬性集
[0022]4)再重新劃分所求出的最大核屬性集與剩余單個屬性的新的核屬性集，重復步驟
3)，直到所求出的最大依賴度的核屬性集滿足整個屬性集合的下近似分布；此滿足整個屬性集合的下近似分布的最大核屬性集即為屬性約簡結果；
[0023]5)刪除冗余屬性，完成屬性依賴度約簡。
[0024]本發明首次結合粗糙集理論與距離型模糊推理這兩種方法來獲取生理信息與健康狀況的相關性，其過程如下:
[0025]I)首先利用粗糙集理論對生理信息數據進行數據挖掘，構建知識庫，即將簡化的決策信息表中的條件屬性作為模糊規則的前件，決策屬性作為模糊規則的后件；
[0026]2)然后輸入用戶的各個屬性值，即輸入事實；
[0027]3)最后根據距離型模糊推理方法將輸入事實與知識庫中已有規則進行匹配，推理出生理信息與健康狀況相關性；
[0028]優點及效果:本發明提供一種結合粗糙集和距離型模糊推理的生理信息與健康狀況相關性的獲取方法，在分析粗糙集知識約簡理論和模糊推理處理模糊問題的基礎上，將粗糙集理論和模糊推理方法相結合應用于獲取生理信息與健康狀況的相關性。該方法在構建規則庫方面不再單純依靠專家經驗，而是利用粗糙集實現構建規則庫的過程，約簡原始數據的冗余屬性，并挖掘出有效規則構建知識庫，可以有效地解決知識庫構建過程中不完備，不精確問題。再利用滿足分離原則的距離型模糊推理獲取生理信息與身體健康的相關性問題，可以有效地解決身體檢查中的模糊性問題。該方法可以保證規則準確、方法性能均衡等優點，同時該方法可以廣泛地應用于其他相關領域中。
[0029]本發明將粗糙集理論應用到人們生理信息與健康狀況相關性的獲取中，構建有關生理信息的模糊規則庫，依據所建立模糊規則，采用距離型模糊推理方法對身體健康狀況進行檢查分析，建立基于粗糙集理論和距離型模糊推理的獲取生理信息與健康狀況相關性新方法° 并利用 University of California at Irvine (UCI)machine learningrepository database (UCI機器學習數據庫)中的臨床數據驗證所得到規則庫的準確性以及距離型模糊推理方法的有效性，并與其它類似方法做了對比，對比結果見表1:
[0030]表1本發明方法與其他方法的對比結果
[0031]
【權利要求】
1.結合粗糙集和模糊推理的生理信息與健康相關性獲取方法，其特征在于該方法的步驟如下: (1)利用粗糙集理論對生理信息數據進行數據挖掘，構建知識庫 1)首先進行數據預處理，即對采集到的原始數據進行量化處理，根據數據離散化準則處理數據，確定條件屬性和決策屬性，形成決策數據表； 2)其次進行屬性約簡，即在保持屬性分類能力不變的前提下，利用改進的屬性依賴度約簡算法，刪除其中不相關或不重要的屬性； 3)然后進行屬性值約簡，即去除每條規則中冗余的屬性值，得到簡化的決策數據表； 4)此后進行規則提取，即根據約簡后的屬性決策數據表，合并相同或相關的規則，計算規則的支持度和準確度，提取出支持度和準確度高的規則； 5)最后進行知識庫的構建，即將所提取的規則合并，構建出由若干條規則組成的知識庫； (2)由構建的知識庫根據距離型模糊推理得到推理結果； 1)首先根據隸屬度函數將輸入的事實模糊化； 2)然后通過計算給定事實與知識庫中每條規則的前件的距離，來判斷給定事實與規則的匹配程度。距離越小，說明事實與該規則的匹配程度越高，反之匹配程度越低； 3)最后根據給定事實與知識庫中所有規則的距離推理出生理信息與健康狀況的相關性。
2.根據權利要求1所述的結合粗糙集和模糊推理的生理信息與健康相關性獲取方法，其特征在于:權利要求1所述步驟(I)的步驟2)中對屬性依賴度約簡算法的改進，以及首次利用粗糙集理論與距離型模糊推理相結合的新方法來獲取生理信息與健康狀況的相關性。
3.根據權利要求2所述的結合粗糙集和模糊推理的生理信息與健康相關性獲取方法，其特征在于:對屬性依賴度約簡算法的改進，其過程如下: 1)計算核屬性； 2)將核屬性與其余單個屬性組合為新的屬性集，我們稱為核屬性集，劃分核屬性和單個屬性構成的核屬性集的等價類； 3)求出每個核屬性集的依賴度，并依次排序，求出最大依賴度的核屬性集 4)再重新劃分所求出的最大核屬性集與剩余單個屬性的新的核屬性集，重復步驟3)，直到所求出的最大依賴度的核屬性集滿足整個屬性集合的下近似分布；此滿足整個屬性集合的下近似分布的最大核屬性集即為屬性約簡結果； 5)刪除冗余屬性,完成屬性依賴度約簡。
4.根據權利要求2所述的結合粗糙集和模糊推理的生理信息與健康相關性獲取方法，其特征在于:首次利用粗糙集理論與距離型模糊推理相結合的新方法來獲取生理信息與健康狀況的相關性，其過程如下: 1)首先利用粗糙集理論對生理信息數據進行數據挖掘，構建知識庫，即將簡化的決策信息表中的條件屬性作為模糊規則的前件，決策屬性作為模糊規則的后件； 2)然后輸入用戶的各個屬性值，即輸入事實； 3)最后根據距離型模糊推理方法將輸入事實與知識庫中已有規則進行匹配，推理出生理信息與健康狀況相關性。
【文檔編號】G06F17/30GK103678534SQ201310635363
【公開日】2014年3月26日 申請日期:2013年11月29日 優先權日:2013年11月29日
【發明者】于霞, 蘇良, 王碩玉 申請人:沈陽工業大學