自由瞬目条件下的眼表指标数据分类方法技术

本发明专利技术公开了一种自由瞬目条件下的眼表指标数据分类方法，包括获取历史数据中自由瞬目条件下的眼表指标数据、进行数据处理、进行混沌特性测试和映射相关运算，得到样本数据；对样本数据进行重要性权重排序和数据移除得到模型输入特征数据；将模型输入特征数据分为训练集和测试集并对分类模型进行训练、测试和修正得到自由瞬目条件下的眼表指标数据分类模型；利用自由瞬目条件下的眼表指标数据分类模型对待分类数据分类。本发明专利技术方法可靠性高、实用性好、稳定性强且适用范围广。

Classification of ocular surface index data under the condition of free blink

【技术实现步骤摘要】
自由瞬目条件下的眼表指标数据分类方法
本专利技术属于数据处理领域，具体涉及一种自由瞬目条件下的眼表指标数据分类方法。
技术介绍
随着经济技术的发展和人们生活水平的提高，眼睛相关的数据分类方法已经开始逐步受到人们的重视，也在相应的领域发挥着巨大的作用。目前眼睛数据相关的分类方法，已经广泛采用了机器学习技术和智能算法。例如，Kim等人获取了各种算法候选特征，然后提出了四种有效的机器学习模型来诊断青光眼，分别为：C5.0，随机森林(RF)，支持向量机(SVM)和k最近邻(KNN)，结果表明RF具有最佳的诊断性能和可解释性。An等人从每只眼睛中提取91个参数，并使用四个机器学习分类器建立青光眼视盘的分类模型，包括：神经网络(NN)，朴素贝叶斯(NB)，支持向量机(SVM)和梯度提升决策树(GBDT)。实验结果表明，NN算法具有最佳的分类性能。Fageeri等人运用三种机器学习算法对眼病的类型进行分类，结果表明，J48决策树分类器的性能优于朴素贝叶斯和SVM。眼表指标是眼睛数据中的一个重要部分，眼表指标的数据分类直接影响着眼表指标的数据应本文档来自技高网...

【技术保护点】
1.一种自由瞬目条件下的眼表指标数据分类方法，包括如下步骤：/nS1.获取历史数据中，自由瞬目条件下的眼表指标数据并进行数据处理；/nS2.将步骤S1进行处理后的数据进行混沌特性测试；/nS3.将步骤S1进行处理后的数据进行映射相关运算，从而得到样本数据；/nS4.对步骤S3得到的样本数据进行重要性权重排序和数据移除，从而得到模型输入特征数据；/nS5.将步骤S4获取的模型输入特征数据分为训练集和测试集，并对分类模型进行训练、测试和修正，从而得到自由瞬目条件下的眼表指标数据分类模型；/nS6.利用步骤S5得到的自由瞬目条件下的眼表指标数据分类模型，对待分类的自由瞬目条件下的眼表指标数据进行分类...

【技术特征摘要】
1.一种自由瞬目条件下的眼表指标数据分类方法，包括如下步骤：
S1.获取历史数据中，自由瞬目条件下的眼表指标数据并进行数据处理；
S2.将步骤S1进行处理后的数据进行混沌特性测试；
S3.将步骤S1进行处理后的数据进行映射相关运算，从而得到样本数据；
S4.对步骤S3得到的样本数据进行重要性权重排序和数据移除，从而得到模型输入特征数据；
S5.将步骤S4获取的模型输入特征数据分为训练集和测试集，并对分类模型进行训练、测试和修正，从而得到自由瞬目条件下的眼表指标数据分类模型；
S6.利用步骤S5得到的自由瞬目条件下的眼表指标数据分类模型，对待分类的自由瞬目条件下的眼表指标数据进行分类。


2.根据权利要求1所述的自由瞬目条件下的眼表指标数据分类方法，其特征在于步骤S1所述的获取历史数据中，自由瞬目条件下的眼表指标数据并进行数据处理，具体为获取历史数据中，自由瞬目条件下的眼表指标数据中的客观散射指数和泪河高度数据；然后计算周期内瞬目频率与最长睁眼时长，并选取周期内维持最大睁眼时间的客观散射指数；最后将所获取的数据进行标识；从而构成原始样本数据。


3.根据权利要求2所述的自由瞬目条件下的眼表指标数据分类方法，其特征在于步骤S2所述的将步骤S1进行处理后的数据进行混沌特性测试，具体为对步骤S1获取的客观散射指数，采用C-C法优化后的Wolf算法，获取客观散射指数的最大李雅普诺夫指数。


4.根据权利要求3所述的自由瞬目条件下的眼表指标数据分类方法，其特征在于所述的采用C-C法优化后的Wolf算法，获取客观散射指数的最大李雅普诺夫指数，具体为采用如下步骤计算客观散射指数的最大李雅普诺夫指数：
A.获取输入的客观散射指数；
B.计算输入的客观散射指数的标准差，并设置参数范围；
C.通过算法函数disjointfunction和correlationfunction计算C(1,N,r,t)；所述算法函数disjointfunction将时间序列分解成t个不相交的时间序列，算法函数correlationfunction为采用阶跃函数(heavisidefunction)和无穷范数(NORMfunction)计算关联积分值；结果C(1,N,r,t)的定义为原始时间序列的关联积分<...

【专利技术属性】
技术研发人员：廖胜辉，韩付昌，蒋义勇，邹忠全，张凡荣，温小斌，刘姝，赵于前，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43