一种基于边界增强的心衰死亡预测系统技术方案

本发明专利技术公开了一种基于边界增强的心衰死亡预测系统。首先，采集心衰数据集，将采集到的兴衰样本转化成矩阵型的样本；之后使用边界增强方法对正负类样本赋予不同的权重，以增强位于分类超平面的负样本对分类的影响；然后使用多随机经验核映射将样本映射到低维特征空间；最后，在低维特征空间中使用基于边界增强的心衰死亡预测系统对现有的心衰样本进行学习得到分类决策函数；根据所述分类决策函数对新的心衰测试样本进行分类。本发明专利技术提出的边界强化方法可以强化边界样本的重要性，降低噪声对决策超平面的影响。本发明专利技术采用多随机经验核映射方法，有效地将高维特征映射到低维特征空间，使算法能够有效地处理线性不可分问题。

【技术实现步骤摘要】
一种基于边界增强的心衰死亡预测系统
本专利技术涉及一种基于边界增强的心衰死亡预测系统，属于数据分类

技术介绍
心衰(HeartFailure,HF)是指由人体心脏功能障碍引起的心脏功能障碍。心脏不能及时排出静脉血液，造成心脏循环紊乱。心衰是一般心脏病发展的最后阶段，几乎所有心血管疾病最终都会导致心力衰竭。心衰的风险特别高，在严重的情况下导致死亡。因此，准确预测心衰的死亡率就变得非常有意义。将心衰患者的临床记录量化为适合机器学习算法的数字特征。具体来说，心衰患者的每个临床记录都由一个数据样本组成，其中年龄和心率以数值表示，性别代表以数字1和0表示。根据药物的功能，将药物分为11类，使药物信息形成11维特征。根据体检结果的参考价值，将体检结果分为高、低、正常三类。每个体检结果都转换为三维向量，22个与心衰有关的体检结果被向量化化为66维特征。如表1所示，药物信息是11维特征，体检信息是66维特征，诊断信息是1222维特征，性别是2维特征，心率是1维特征，年龄是1维特征。心率和年龄是数值特征，其他是类别特征。每个样本具有1302个维本文档来自技高网...

【技术保护点】
1.一种基于边界增强的心衰死亡预测系统，其特征在于，包括以下骤：/nS1,将心衰数据集进行特征提取，特征包括年龄、性别和心率信息，还包括诊断信息、用药信息和检查信息，得到训练数据集

【技术特征摘要】
1.一种基于边界增强的心衰死亡预测系统，其特征在于，包括以下骤：
S1,将心衰数据集进行特征提取，特征包括年龄、性别和心率信息，还包括诊断信息、用药信息和检查信息，得到训练数据集
S2,对于训练数据集，根据边界增强的方法给训练样本计算每个样本的权重，得到训练样的权重；
S3,输入所述训练样本子集，根据经验核映射方法将训练样本子集映射到不同的核空间，得到样本在核空间的表达形式；
S4,输入核映射后的训练样本子集，根据基于边界增强的心衰死亡预测系统的目标函数对训练样本子集进行学习，得到基于边界增强的心衰死亡预测系统；
S5,输入测试样本，根据经验核映射方法得到样本在核空间的具体表达，代入预测系统进行分类。


2.根据权利要求1所述的基于多视角集成的心衰死亡预测系统，其特征在于，步骤S2包括以下步骤：
S21,计算训练样本xi的熵，其计算公式为：
Hi＝-pi+ln(pi+)-pi-ln(pi-)
其中，pi＝和pi＝分别表示属于正类和负类的xi的概率。ln(·)是自然对数运算符。
S22，假设所有负类训练样本的熵为H＝{H1-,H2-,...,Hn-,},其中，n是负类样...

【专利技术属性】
技术研发人员：王喆，李冬冬，范奇，陈李龙，周扬名，杨海，张静，
申请(专利权)人：华东理工大学，
类型：发明
国别省市：上海;31