基于惩罚机制的代价敏感序贯三支阴影膀胱炎分类方法技术

本发明专利技术提供了基于惩罚机制的代价敏感序贯三支阴影膀胱炎分类方法，属于膀胱炎患者进行分类技术领域；其技术方案为：根据条件属性的重要性将其降序排序；其次顺序计算每个膀胱炎数据对象的隶属度，对膀胱炎数据对象进行阴影化处理，阴影域作为膀胱炎数据下一个粒度的论域；然后计算膀胱炎数据相邻两个粒度之间的两种精度差异，通过惩罚函数对膀胱炎数据的代价参数进行修改，从而确定新的阴影集阈值；如果膀胱炎数据最后一个粒度的阴影域不为空,则对其阴影集阈值进行加权求和得到新的阈值对阴影域进行分类。本发明专利技术的有益效果为：本发明专利技术分类精度好，为膀胱炎诊断提供决策支持，提高患者就医满意度。患者就医满意度。患者就医满意度。

【技术实现步骤摘要】
基于惩罚机制的代价敏感序贯三支阴影膀胱炎分类方法


[0001]本专利技术涉及医学信息智能诊断
，尤其涉及基于惩罚机制的代价敏感序贯三支阴影膀胱炎分类方法。

技术介绍

[0002]急性膀胱炎为临床常见、多发疾病，需要及时给予有效治疗，避免病程延长，引发复杂性尿路感染，进而造成肾衰竭，由此可见急性膀胱炎患者早期诊断十分重要。膀胱炎数据集提供了详细的患者病情信息。序贯三支决策从粒计算的角度提高了三支决策的有效性，运用多阶段的“三分而治”思想求解复杂动态决策问题，相比于三支决策和传统的二支决策，提高了决策的可靠性与效率。阴影集理论通过三值逻辑映射保留对象的核心模糊信息，减少量化损失，常被用于处理不确定性问题。
[0003]目前，在患者治疗过程中，获得正确的诊断结果是对患者最基本的尊重。在医生缺乏经验或者患者病情信息不确定性较强的情况下可能会出现误诊的情况，造成不必要的医疗事故，恶化医患关系。因此，如何在不确定的情况下帮助医生做出正确的诊断，是一个急需解决的问题。

技术实现思路

[0004]本专利技术的目的在于提供一种基于惩罚机制的代价敏感序贯三支阴影膀胱炎分类方法，解决了现有的判断急性膀胱炎方法数据量大，增加医生对急性膀胱炎患者的病变情况的判断方面的工作量问题。
[0005]本专利技术是通过如下措施实现的：一种用于基于惩罚机制的代价敏感序贯三支阴影膀胱炎分类方法，包括以下步骤：
[0006]S1：读取膀胱炎数据集，对膀胱炎数据进行预处理，将膀胱炎数据转换为一个四元组决策信息系统S＝(U,C∪D,V,f)，其中U＝{x1,x2,x3......x
n
}表示膀胱炎数据集中样本的集合，n表示样本数量，C＝{c1,c2,c3......c
m
}表示膀胱炎数据集的条件属性的非空有限集合，m表示膀胱炎数据集的条件属性的个数，D＝{d1,d2}表示膀胱炎数据集的决策属性的非空有限集合，且V
c
是膀胱炎数据集属性c下数据对象所有可能的数据取值，f:U
×
C∪D
→
V表示信息函数；
[0007]S2：计算膀胱炎数据集每个属性c的条件信息熵H(D|C
‑
{C
i
})，基于信息熵计算决策属性相对于每个条件属性的重要性I(c
i
)＝H(D|C
‑
{c
i
})
‑
H(D|C)，按属性重要性I(c
i
)将条件属性降序排序，条件属性B相对于决策属性D的条件熵计算公式如下：
[0008][0009]其中，P(B
i
)＝|B
i
|/|D
i
|,P(D
j
|B
i
)＝|D
j
∩B
i
|/|Bi|；
[0010]S3：由膀胱炎数据的一组嵌套属性集合|C|＝m，构造m层序贯
三支决策模型，其中C
i
表示膀胱炎数据的条件属性集合C的子集{c1,c2......c
i
}，1≤i≤m，m表示膀胱炎数据集的条件属性的个数，Des
i
＝(U
i
,C
i
∪D,V
i
,f
i
)表示基于等价关系U/C
i
的第i个粒度，Des＝(Des1,Des2,......,Des
m
)表示分层结构；
[0011]S4：用表示膀胱炎数据的状态集，其中X和分别表示对象x在X中和不在X中，A＝{a
T
,a
R
,a
E
}表示膀胱炎数据的动作集，其中a
T
,a
R
和a
E
分别表示膀胱炎数据分类对象x的三个动作，即X∈Core(X)，X∈Shadow(X)和X∈Exclusion(X)，Core(X)，Shadow(X)和Exclusion(X)分别表示阴影集中的核、阴影域和负域，得到膀胱炎数据第i个粒度Des
i
关于不同状态下不同动作的代价损失函数，和分别表示当对象x属于X时采取动作a
T
,a
R
和a
E
产生的损失，和分别表示当对象x不属于X时采取动作a
T
,a
R
和a
E
产生的损失；
[0012]S5：从膀胱炎数据的第一个粒度Des1开始，计算膀胱炎数据第i个粒度Des
i
中每个膀胱炎数据对象x的隶属度，其中1≤i≤m
‑
1，对膀胱炎数据对象x进行阴影化处理，基于阴影集的阈值将膀胱炎数据对象x划入阴影集三个不同区域，即核Core
i
(X)、阴影域Shadow
i
(X)和负域Exclusion
i
(X)中，其中阴影域Shadow
i
(X)作为膀胱炎数据第i+1个粒度Des
i+1
的论域U
i+1
，分别计算膀胱炎数据第i个粒度Des
i
的核分类精度和负域分类精度以及第i+1个粒度Des
i+1
的核分类精度和负域分类精度，从而得到膀胱炎数据第i+1个粒度Des
i+1
和第i个粒度Des
i
之间两种精度差异；
[0013]S6：基于膀胱炎数据第i+1个粒度Des
i+1
和第i个粒度Des
i
之间两种精度差异的大小，其中1≤i≤m
‑
1，通过惩罚函数对膀胱炎数据第i+1个粒度Des
i+1
的代价参数进行修改，从而确定新的阈值对第i+1个粒度Des
i+1
进行阴影化处理，如果膀胱炎数据第m个粒度Des
m
的阴影域则对膀胱炎数据第m个粒度Des
m
的阴影集阈值进行加权求和得到新的阈值对Shadow
m
进行分类，从而完成所有膀胱炎数据对象x的诊断。
[0014]作为本专利技术提供的基于惩罚机制的代价敏感序贯三支阴影膀胱炎分类方法进一步优化方案，所述步骤S5的具体步骤如下：
[0015]步骤S5.1：从膀胱炎数据的第一个粒度Des1开始，计算膀胱炎数据第i个粒度Des
i
中每个膀胱炎数据对象x的隶属度Pr(X|[x])，其中1≤i≤m
‑
1，隶属度计算公式如下：
[0016][0017]步骤S5.2：计算膀胱炎数据第i个粒度Des
i
的阴影集阈值α
i
和β
i
，计算公式如下：
[0018][0019][0020]步骤S5.3：根据阈值α
i
和β...

【技术保护点】

【技术特征摘要】
1.基于惩罚机制的代价敏感序贯三支阴影膀胱炎分类方法，其特征在于，包括以下步骤：S1：读取膀胱炎数据集，对膀胱炎数据进行预处理，将膀胱炎数据转换为一个四元组决策信息系统S＝(U,C∪D,V,f)，其中U＝{x1,x2,x3......x
n
}表示膀胱炎数据集中样本的集合，n表示样本数量，C＝{c1,c2,c3......c
m
}表示膀胱炎数据集的条件属性的非空有限集合，m表示膀胱炎数据集的条件属性的个数，D＝{d1,d2}表示膀胱炎数据集的决策属性的非空有限集合，且V
c
是膀胱炎数据集属性c下数据对象所有可能的数据取值，f:U
×
C∪D
→
V表示信息函数；S2：计算膀胱炎数据集每个属性c的条件信息熵H(D|C
‑
{C
i
})，基于信息熵计算决策属性相对于每个条件属性的重要性I(c
i
)＝H(D|C
‑
{c
i
})
‑
H(D|C)，按属性重要性I(c
i
)将条件属性降序排序，条件属性B相对于决策属性D的条件熵计算公式如下：其中，P(B
i
)＝|B
i
|/|D
i
|,P(D
j
|B
i
)＝|D
j
∩B
i
|/|Bi|；S3：由膀胱炎数据的一组嵌套属性集合|C|＝m，构造m层序贯三支决策模型，其中C
i
表示膀胱炎数据的条件属性集合C的子集{c1,c2......c
i
}，1≤i≤m，m表示膀胱炎数据集的条件属性的个数，Des
i
＝(U
i
,C
i
∪D,V
i
,f
i
)表示基于等价关系U/C
i
的第i个粒度，Des＝(Des1,Des2,......,Des
m
)表示分层结构；S4：用表示膀胱炎数据的状态集，其中X和分别表示对象x在X中和不在X中，A＝{a
T
,a
R
,a
E
}表示膀胱炎数据的动作集，其中a
T
,a
R
和a
E
分别表示膀胱炎数据分类对象x的三个动作，即X∈Core(X)，X∈Shadow(X)和X∈Exclusion(X)，Core(X)，Shadow(X)和Exclusion(X)分别表示阴影集中的核、阴影域和负域，得到膀胱炎数据第i个粒度Des
i
关于不同状态下不同动作的代价损失函数，和分别表示当对象x属于X时采取动作a
T
,a
R
和a
E
产生的损失，和分别表示当对象x不属于X时采取动作a
T
,a
R
和a
E
产生的损失；S5：从膀胱炎数据的第一个粒度Des1开始，计算膀胱炎数据第i个粒度Des
i
中每个膀胱炎数据对象x的隶属度，其中1≤i≤m
‑
1，对膀胱炎数据对象x进行阴影化处理，基于阴影集的阈值将膀胱炎数据对象x划入阴影集三个不同区域，即核Core
i
(X)、阴影域Shadow
i
(X)和负域Exclusion
i
(X)中，其中阴影域Shadow
i
(X)作为膀胱炎数据第i+1个粒度Des
i+1
的论域U
i+1
，分别计算膀胱炎数据第i个粒度Des
i
的核分类精度和负域分类精度以及第i+1个粒度Des
i+1
的核分类精度和负域分类精度，从而得到膀胱炎数据第i+1个粒度Des
i+1
和第i个粒度Des
i
之间两种精度差异；S6：基于膀胱炎数据第i+1个粒度Des
i+1
和第i个粒度Des
i
之间两种精度差异的大小，其中1≤i≤m
‑
1，通过惩罚函数对膀胱炎数据第i+1个粒度Des
i+1
的代价参数进行修改，从而确定新的阈值对第i+1个粒度Des
i+1
进行阴影化处理，如果膀胱炎数据第m个粒度Des
m
的阴影域则对膀胱炎数据第m个粒度Des
m
的阴影集阈值进行加权求和得到新的阈值
对Shadow
m
进行分类，从而完成所有膀胱炎数据对象x的诊断。2.根据权利要求1所述的基于惩罚机制的代价敏感序贯三支阴影膀胱炎分类方法，其特征在于，所述步骤S5的具体步骤如下：步骤S5.1：从膀胱炎数据的第一个粒度Des1开始，计算膀胱炎数据第i个粒度Des
i
中每个膀胱炎数据对象x的隶属度Pr(X|[x])，其中1≤i≤m
‑
1，隶属度...

【专利技术属性】
技术研发人员：丁卫平，侯涛，鞠恒荣，黄嘉爽，刘传升，耿宇，孙颖，王海鹏，周天奕，姚泓丞，
申请(专利权)人：南通大学，
类型：发明
国别省市：