【技术实现步骤摘要】
一种基于特征权重的LARS糖尿病预测方法
本专利技术涉及医疗信息化
，尤其涉及一种基于特征权重的LARS糖尿病预测方法。
技术介绍
糖尿病作为一种与生活方式和环境因素密切相关的慢性非传染性疾病，影响人群范围广，并发症致残、致死率高，需要庞大的社会资源及医疗资源支出。如何更准确地预测、预防、减少糖尿病的发病，以及制定更有效的治疗方案以减少并发症的发生发展，成为目前面临的难题。糖尿病的不良预后往往与长期高血糖暴露相关，然而在患者血糖升高的初期往往临床症状不明显。如果能在血糖升高之前就对糖尿病发病进行精准的预测，则对于糖尿病的防治具有重大的意义。糖尿病个体发病预测模型能有效识别糖尿病高危人群、是选择干预方案的必要工具,可为健康管理、疾病预防决策以及干预方案效果评价提供依据，已经被广泛认可。糖尿病个体发病预测模型似乎使我们对于高危人群的发病有了一定的前瞻预测性，但更为重要的是，糖尿病的发病虽然有遗传因素的作用，其与生活方式以及环境因素密切相关。而目前所提出的大量预测模型，均只考虑了单一的因素，未能将各种因素整合，也尚未...
【技术保护点】
1.一种基于特征权重的LARS糖尿病预测系统，其特征是，该系统包括：/n存储设备；/n基于特征权重的LARS糖尿病预测模块(1)，其耦合至存储设备且被配置为：/n计算自变量特征权重向量和原始相关度向量；/n基于所述自变量特征权重向量和所述原始相关度向量，输出基于特征权重的LARS糖尿病模型的回归系数ω。/n
【技术特征摘要】
20190425 CN 20191034060051.一种基于特征权重的LARS糖尿病预测系统，其特征是，该系统包括：
存储设备；
基于特征权重的LARS糖尿病预测模块(1)，其耦合至存储设备且被配置为：
计算自变量特征权重向量和原始相关度向量；
基于所述自变量特征权重向量和所述原始相关度向量，输出基于特征权重的LARS糖尿病模型的回归系数ω。
2.根据权利要求1所述的预测系统，其特征是，计算特征自变量的特征权重的公式为：
其中，为特征方程的特征值。
3.根据权利要求2所述的预测系统，其特征是，所述特征方程中的R为糖尿病数据集矩阵X的协方差矩阵，其计算公式为：
其中，θi为第i个特征的均值。
4.根据权利要求3所述的预测系统，其特征是，基于所述自变量特征权重向量和所述原始相关度向量的回归系数ω的输出是通过以下至少一个步骤来实现的：
计算角平分向量、回归系数向量、新相关度向量和最大相关度；
更新回归系数向量，评估值向量、残差向量和指标集；
判断残差向量的L2范数是否小于容忍度，若是则结束，否则重复以上步骤。
5.根据权利要求4所述的预测系统，其特征是，列向量XA中向量的角平分线线uA是通过以下计算公式来得到的：
uA＝XAωA。
6.根据权利要求5所述的预测系统，其特征是，每个特征自变...
【专利技术属性】
技术研发人员：陈波，高秀娥，陈世峰，桑海涛，谢文学，
申请(专利权)人：岭南师范学院，
类型：发明
国别省市：广东;44
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。