【技术实现步骤摘要】
本专利技术涉及模式识别，具体的说，涉及了一种基于松弛块对角稀疏嵌入的疾病特征提取和疾病识别方法。
技术介绍
1、随着医学影像学、基因组学以及临床数据的快速发展，基于数据驱动的疾病诊断方法得到了广泛应用。传统的疾病诊断方法主要依赖于医生的经验与传统医学检查，但这些方法往往存在着效率低、准确性不高等问题。近年来，机器学习特别是深度学习技术在医学诊断中的应用取得了显著进展，通过分析大量的医学数据，机器学习算法能够辅助医生进行疾病预测和诊断。然而，在实际应用中，医学数据往往包含了大量的噪声和冗余信息，导致模型的训练效果受到影响，进而影响疾病诊断的准确性和可靠性。因此，如何从复杂的医学数据中提取出有效的特征，并且减少冗余信息，成为提升疾病诊断性能的关键问题之一。为了应对这一挑战，近年来，研究者们提出了多种特征选择和特征提取方法。其中稀疏嵌入和嵌入子空间学习技术成为重要的研究方向。
2、在模式识别领域，稀疏嵌入是一项重要的特征提取技术，在提升模型效率、精度和解释性方面具有广泛的应用价值。例如在疾病诊断中，高维医疗数据容易受到噪声干扰，通...
【技术保护点】
1.一种基于松弛块对角稀疏嵌入的疾病特征提取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于松弛块对角稀疏嵌入的疾病特征提取方法，其特征在于，构建基于松弛块对角稀疏嵌入的疾病特征提取模型，包括：
3.根据权利要求2所述的一种基于松弛块对角稀疏嵌入的疾病特征提取方法，其特征在于，采用交替优化方法对稀疏表示、块对角矩阵、低维嵌入矩阵进行迭代更新，得到更新后的投影矩阵，包括：
4.根据权利要求1-3任一项所述的一种基于松弛块对角稀疏嵌入的疾病特征提取方法，其特征在于，获取疾病样本数据集后，将疾病样本数据集随机划分为训练集
<...【技术特征摘要】
1.一种基于松弛块对角稀疏嵌入的疾病特征提取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于松弛块对角稀疏嵌入的疾病特征提取方法，其特征在于，构建基于松弛块对角稀疏嵌入的疾病特征提取模型，包括：
3.根据权利要求2所述的一种基于松弛块对角稀疏嵌入的疾病特征提取方法，其特征在于，采用交替优化方法对稀疏表示、块对角矩阵、低维嵌入矩阵进行迭代更新，得到更新后的投影矩阵，包括：
4.根据权利要求1-3任一项所述的一种基于松弛块对角稀疏嵌入的疾病特征提取方法，其特征在于，获取疾病样本数据集后，将疾病样本数据集随机划分为训练集和测试集；
5.根据权利要求4所述的一种基于松弛块对角稀疏嵌入的疾病特征提取方法，其特征在于，获取疾病样本数据集，与随机划分为训练集和测试集之间，还设置有数据预处理步骤，所述数据预处理步骤包括依据类别标签进行排序，并对数...
【专利技术属性】
技术研发人员：李鹏，王云，李佳，王文慧，马治邦，
申请(专利权)人：河南工业大学，
类型：发明
国别省市：
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。