[发明专利]结合粗糙集和模糊推理的生理信息与健康相关性获取方法

权利要求书

1.结合粗糙集和模糊推理的生理信息与健康相关性获取方法，其特征在于该方法的步骤如下： 

（1）利用粗糙集理论对生理信息数据进行数据挖掘，构建知识库 

1）首先进行数据预处理，即对采集到的原始数据进行量化处理，根据数据离散化准则处理数据，确定条件属性和决策属性，形成决策数据表； 

2）其次进行属性约简，即在保持属性分类能力不变的前提下，利用改进的属性依赖度约简算法，删除其中不相关或不重要的属性； 

3）然后进行属性值约简，即去除每条规则中冗余的属性值，得到简化的决策数据表； 

4）此后进行规则提取，即根据约简后的属性决策数据表，合并相同或相关的规则，计算规则的支持度和准确度，提取出支持度和准确度高的规则； 

5）最后进行知识库的构建，即将所提取的规则合并，构建出由若干条规则组成的知识库； 

（2）由构建的知识库根据距离型模糊推理得到推理结果； 

1）首先根据隶属度函数将输入的事实模糊化； 

2）然后通过计算给定事实与知识库中每条规则的前件的距离，来判断给定事实与规则的匹配程度。距离越小，说明事实与该规则的匹配程度越高，反之匹配程度越低； 

3）最后根据给定事实与知识库中所有规则的距离推理出生理信息与健康状况的相关性。 

2.根据权利要求1所述的结合粗糙集和模糊推理的生理信息与健康相关性获取方法，其特征在于：权利要求1所述步骤（1）的步骤2）中对属性依赖度约简算法的改进，以及首次利用粗糙集理论与距离型模糊推理相结合的新方法来获取生理信息与健康状况的相关性。 

3.根据权利要求2所述的结合粗糙集和模糊推理的生理信息与健康相关性获取方法，其特征在于：对属性依赖度约简算法的改进，其过程如下： 

1）计算核属性； 

2）将核属性与其余单个属性组合为新的属性集，我们称为核属性集，划分核属性和单个属性构成的核属性集的等价类； 

3）求出每个核属性集的依赖度，并依次排序，求出最大依赖度的核属性集 

4）再重新划分所求出的最大核属性集与剩余单个属性的新的核属性集，重复步骤3），直到所求出的最大依赖度的核属性集满足整个属性集合的下近似分布；此满足整个属性集合的下近似分布的最大核属性集即为属性约简结果； 

5）删除冗余属性，完成属性依赖度约简。 

4.根据权利要求2所述的结合粗糙集和模糊推理的生理信息与健康相关性获取方法，其特征在于：首次利用粗糙集理论与距离型模 糊推理相结合的新方法来获取生理信息与健康状况的相关性，其过程如下： 

1）首先利用粗糙集理论对生理信息数据进行数据挖掘，构建知识库，即将简化的决策信息表中的条件属性作为模糊规则的前件，决策属性作为模糊规则的后件； 

2）然后输入用户的各个属性值，即输入事实； 

3）最后根据距离型模糊推理方法将输入事实与知识库中已有规则进行匹配，推理出生理信息与健康状况相关性。