【技术实现步骤摘要】
本专利技术涉及一种基于人体面部皮肤指标信息的中医体质分类方法,属于中医体质科学与信息科学技术交叉融合的工程
具体地说,是一种基于改进型CART(Classification And Regression Tree)决策树与模糊朴素贝叶斯组合模型的分类方法,根据面部皮肤指标与人体内在的中医体质类型间的隐形关联关系,实现通过面部皮肤测试信息,快速确定中医体质类型的目的。
技术介绍
皮肤作为人体最外层,最大的组织器官,遍布于身体的各个部位,是覆盖身体的屏障,起着最基础的保护作用。中医体质是中医基础理论的重要组成部分,主要研究人的体质和健康之间的相关关系。中医学认为,体质是人体生命过程中,在先天禀赋和后天获得的基础上所形成的形态结构、生理功能和心理状态等方面综合的、相对稳定的固有特质。根据传统的中医面诊思想,皮肤表象可以反映人体身体健康程度及疾病迹象,中医体质学则进一步认为体质状态对皮肤状态具有决定性作用。因此,探索建立基于皮肤状态信息的体质分类模型,研究皮肤与体质间的潜在联系,可以深入了解每种体质类型的皮肤特性,实现从内调理体质的角度开展指导外部皮肤养护的工作,为增进皮肤健康提供新的手段和方法。然而,目前在中医体质分类领域,由于问题的复杂性,现阶段学者们大多仅研究了体质与生活习惯、年龄、周围环境等因素的相关关系,对皮肤与体质关系的研究相对较少。在仅有的一些研究中,由于受到测试设备、时间、环境及经济等因素的影响,研究工作一般仅针对少数几个皮肤指标进行分析,虽然在一定程度上佐证了皮肤和体质具有相关性,但仍未能建立描述二者间复杂关系的较精确的定量模型。因此,
【技术保护点】
基于改进型CART决策树与模糊朴素贝叶斯组合模型的中医体质优化分类方法,其特征在于:包括以下步骤,步骤一、人体面部皮肤指标体系构建及关键指标提取;确定人体面部皮肤状态的皮肤指标,选择Spearman秩相关系数来度量皮肤指标两两之间的相关性,并对筛选出的相关性强的皮肤指标采用主成分分析法进行降维,重新组合为一组新的相互无关的综合变量,作为皮肤指标属性集;步骤二、不同部位皮肤指标信息加权综合;选取额头、左眼角、左脸颊和下巴四个部位的皮肤指标属性,采用层次分析法计算出四个部位的权重,对四个部位的皮肤指标值加权综合得到各皮肤指标属性的四部位综合值;步骤三、基于改进CART决策树模型的中医体质分类;将人体的体质类型集表示为因变量,皮肤指标属性集表示为自变量,以人体面部皮肤指标属性的四部位综合值和其相应的体质类型为训练样本,对训练样本通过递归分割的方式建立CART决策树;步骤四、基于模糊朴素贝叶斯模型的中医体质分类;将中医体质类型设定为贝叶斯模型的类变量,皮肤指标属性集设定为贝叶斯模型的属性集,定义各皮肤指标属性值对归属区间的模糊隶属度函数,用以计算贝叶斯模型的模糊类条件概率;并通过统计分析计算出 ...
【技术特征摘要】
1.基于改进型CART决策树与模糊朴素贝叶斯组合模型的中医体质优化分类方法,其特征在于:包括以下步骤,步骤一、人体面部皮肤指标体系构建及关键指标提取;确定人体面部皮肤状态的皮肤指标,选择Spearman秩相关系数来度量皮肤指标两两之间的相关性,并对筛选出的相关性强的皮肤指标采用主成分分析法进行降维,重新组合为一组新的相互无关的综合变量,作为皮肤指标属性集;步骤二、不同部位皮肤指标信息加权综合;选取额头、左眼角、左脸颊和下巴四个部位的皮肤指标属性,采用层次分析法计算出四个部位的权重,对四个部位的皮肤指标值加权综合得到各皮肤指标属性的四部位综合值;步骤三、基于改进CART决策树模型的中医体质分类;将人体的体质类型集表示为因变量,皮肤指标属性集表示为自变量,以人体面部皮肤指标属性的四部位综合值和其相应的体质类型为训练样本,对训练样本通过递归分割的方式建立CART决策树;步骤四、基于模糊朴素贝叶斯模型的中医体质分类;将中医体质类型设定为贝叶斯模型的类变量,皮肤指标属性集设定为贝叶斯模型的属性集,定义各皮肤指标属性值对归属区间的模糊隶属度函数,用以计算贝叶斯模型的模糊类条件概率;并通过统计分析计算出各类中医体质类型的先验概率,带入贝叶斯模型中求解得到各皮肤指标属性集对三类中医体质的模糊后验概率,最大后验概率所对应的中医体质类型就是该皮肤指标属性对应的基础体质;步骤五、改进CART决策树与模糊朴素贝叶斯模型的组合;分别统计CART决策树和贝叶斯模型在训练过程中分类正确的训练样本个数,除以训练样本总数即为两算法的分类准确度ACART和ANB;进而计算决策树模型分别对各类体质的训练准确度b(k),k=1,2,…,m,m为全部的体质类型总数;定义决策树模型在输出体质类型为Yt时对各类体质的后验概率为, P ( Y k | X ) C A R T = b k , k = t 1 - b k / ( m - 1 ) , k ≠ t - - - ( 7 ) ]]>将其与贝叶斯模型输出的后验概率P(Yk|X)NB加权综合,得, P ( Y k | X ) = A C A R T × P ( Y k | X ) C A R T + A N B × P ( Y k | X ) N B A C A R T + A N B - - - ( 8 ) ]]>此时,得到的最大概率所对应的体质类型即为最终的分类输出结果。2.根据权利要求1所述的基于改进型CART决策树与模糊朴素贝叶斯组合模型的中医体质优化分类方法,其特征在于:所述的人体面部皮肤指标包括光泽度、粗糙度、pH值、气血、水分含量、水分散失、色度、油脂、黑红色素和弹性;所述的相关性较强是指Spearman秩相关系数大于0.4。3.根据权利要求1所述的基于改进型CART决策树与模糊朴素贝叶斯组合模型的中医体质优化分类方法,其特征在于:步骤三中,将训练样本的中医体质类型集表示为因变量,皮肤指标属性集表示为自变量,对训练样本采用二分递归分割的方式建立CART决策树,具体为:第一步,创建根节点;第二步,计算根节点中全部训练样本的Gini系数G;第三步,指定某一皮肤指标属性X为划分属性;第四步,设定皮肤指标属性X的分割阈值,将训练样本分成两组,计算划分后的Gini系数G';求出划分前后的Gini系数减少量ΔG=G-G';求解皮肤指标属性X的所有可能分割阈值对应的Gini系...
【专利技术属性】
技术研发人员:张慧妍,王小艺,王立,李爽,许继平,于家斌,董银卯,孟宏,
申请(专利权)人:北京工商大学,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。