[发明专利]似然比检验误差的检测方法

说明书

技术领域

本发明涉及一种人工智能技术在中医的应用，尤其是涉及一种似然比检验误差的检测方法。

背景技术

早在东汉时期，张仲景就十分重视证型理论的功能。证型理论是指古代医生制定的辨证标准和论治规则。“辨证论治”原则显示，辨证和论治被用来诊断与治疗。

中医建议，辨证理论描述证型症状的关系，论治理论描述证型方剂的关系，以及处方理论联系证型中药的关系。

4个实体(即证型、症状、方剂和中药)和3个关系(即证型症状的关系、证型方剂关系和证型中药的关系)是中医的精髓。证型可以有许多症状，一个症状可以被许多证型包括。一证型必须包括至少一个症状，但症状不一定有证型。证型症状的关系是指用来表示一个或多个特定症状的辨证。

目前，中医证型模型仅有张连文等([1]Zhang，N.L.Yuan，S.，Chen，T.and Wang，Y.Latent tree models and diagnosis in traditional Chinese medicine.Artificial Intelligence in Medicine，2008，42(3)：229-245)使用隐树模型分析数据集，发现数据集的自然集群，很好地对应于中医证型。它提供统计，以验证中医证型，并建议在辨证的基础上建造证型模型。然而，这种方法以为单个的症状属于特定的证型，并且使用Bayesian网络分析以发现数据集里的自然群。那些假定不与现实一致，结果使用这种方法所建立的模型很少产生相当积极的性能。

现实生活中，包括中医等，都需要科学的预测，而预测的准确程度是研究的首要目的。目前，小样本的似然比检验研究分为区间预测、密度预测和尾预测三类。预测的传统方法侧重于评估区间预测和密度预测。

Johansen([2]Johansen，S.A small sample correction for tests of hypotheses on the cointegrating vectors[J].Journal of Econometrics，2002，111(2)：195-221)在对协整(cointegrated)风险价值模型进行有关的协整关系的推论，得出小样本的渐近推断结果不够准确，应根据样本大小和参数获得校正因子。

McSorley等([3]McSorley，E.O.，Lu，J.C.，and Li，C.S.Performance of Parameter-Estimates in Step-Stress Accelerated Life-Tests With Various Sample-Sizes[J].IEEE Transactions on Reliability，2002，51(3)：271-277)采用仿真技术调查使用大样本的高斯近似置信区间，并估计在不同的拟合模型有限样本情况的ML所需的样本大小。

Wong等([4]Wong，Heung.，Liu，F.，Chen，M.and Cheung，W.Empirical likelihood based diagnostics for heteroscedasticity in partial linear models[J].Computational Statistics and Data Analysis，2009，53：3466-3477)使用经验似然的自举仿真，克服小样本的失真。因为似然比检验是一个具有限制卡方分布的渐近测试。通过经验似然自举临界值(EL bootstrap critical value)可以克服小样本的经验似然比检验造成的失真。

在大部分中医机构中，并没有针对疾病的证型症状模型建立历史数据，此外，中医证型模型需要比其它医学模型更长的时间积累，这些事实表明，需要适合小样本的预测技术。如果中医模型以小样本进行评价，模型的性能必须具有更广泛的角度。但是，密度预测评估会受密度内部的影响，由于受内部刻划许多小的干扰，可能会大幅减少中医管理人员对尾的关注。尾预测度量满足了一套合理的直观公理，如单调性和次可加性，尾预测导致比基于区间预测较低的损失。从统计学的角度来看，很显然，尾预测度量包含比区间更多的信息。尾预测检验力的相对高效和要求更多的参数与基本假设条件，在目前来讲，具有最好的检测效果。

发明内容

本发明的目的在于提供一种基于概率积分变换的似然比检验误差的检测方法。

本发明所述一种基于概率积分变换的似然比检验误差的检测方法包括以下步骤：