[发明专利]一种基于线性回归的牙齿选色推测方法有效
申请号: | 201510040451.2 | 申请日: | 2015-01-27 |
公开(公告)号: | CN104573391B | 公开(公告)日: | 2017-09-22 |
发明(设计)人: | 于皓;程辉;张栋;林明宝;张长源 | 申请(专利权)人: | 福建医科大学附属口腔医院 |
主分类号: | G06F19/00 | 分类号: | G06F19/00 |
代理公司: | 福州元创专利商标代理有限公司35100 | 代理人: | 蔡学俊 |
地址: | 350002 福建*** | 国省代码: | 福建;35 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 线性 回归 牙齿 推测 方法 | ||
1.一种基于线性回归的牙齿选色推测方法,其特征在于,包括以下步骤:
步骤S1:以测试者的牙色值为对象,确定影响所有测试者每个牙齿的牙色值的特征向量,用矩阵X表示影响所有测试者每个牙齿的牙色值的特征值,矩阵X表示为:
;
其中,为影响所有测试者的第i颗牙齿的特征向量,m为每个测试者牙齿的测试数,其中,表示第i个牙齿的第k1个特征值,n1为特征数; i、k1、n1均为正整数;
步骤S2:确定每个测试者的线性回归系数向量,线性回归系数向量的维数与步骤1中特征向量的维数相同;用矩阵表示每个测试者的线性回归系数,矩阵为:
;
其中,u为测试者的人数,为第j个测试者的线性回归系数向量,为第j个测试者的第k2个线性回归系数;其中,,且n1=n2;
步骤S3:用矩阵Y定义每个测试者的每个测试牙齿的牙色值,矩阵Y表示为:
;
其中,,表示第j个测试者的第i颗牙齿的牙色值;若测试者的牙齿的牙色值缺失,则通过建立回归函数模型对缺失的牙色值进行估算,包括以下步骤:
步骤S31:通过一个m*n1的矩阵R标记每个测试者的每个牙齿是否缺失,判断矩阵中的值,若,则表示第j个测试者的第i颗牙齿的牙色值已测得,则进行步骤S35;若,则表示第j个测试者的第i颗牙齿的牙色值缺失,则进行步骤S32;
步骤S32:根据协同过滤算法,得出成本函数,表示为:
;
步骤S33:采用梯度下降法,获取使成本函数达到最小的和,表示为和;
步骤S34:建立回归函数模型为:,将步骤S33中得到和的代入所述回归函数模型,获取第j个测试者的第i颗牙齿的缺失的牙色值;
步骤S35:确定第j个测试者的第i颗牙齿的牙色值;
在所述步骤S1中,初始化矩阵X,通过人为随机产生的值;其中,;
在所述步骤S2中,初始化矩阵,通过人为随机产生的值;其中,;
所述步骤S33还包括以下步骤:
步骤S331:根据成本函数分别对和求偏导,得出:
;
其中为大于10小于1000的正整数;
步骤S332:获取和的迭代公式,分别表示为:
;
步骤S333:根据步骤S332中的迭代公式对和进行迭代更新,若得到的和使得步骤S332中,则转至步骤S332;若得到的和使得步骤S041中,则停止迭代,此时得到的和使成本函数达到最小。
2.根据权利要求1所述的基于线性回归的牙齿选色推测方法,其特征在于:所述步骤S1中的n1和步骤S2中n2均为大于1的正整数。
3.根据权利要求1所述的基于线性回归的牙齿选色推测方法,其特征在于:在所述步骤S32中,(i,j):r(i,j)=1为r(i,j)=1对应的(i,j)的值。
4.根据权利要求1所述的基于线性回归的牙齿选色推测方法,其特征在于:在所述步骤S331和步骤S332中的j:r(i,j)=1表示矩阵r(i,j)中r(i,j)=1时对应的j的值; i:r(i,j)=1表示矩阵r(i,j)中r(i,j)=1时对应的的i的值。
5.根据权利要求1所述的基于线性回归的牙齿选色推测方法,其特征在于:在所述步骤1中m的值为10。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于福建医科大学附属口腔医院,未经福建医科大学附属口腔医院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201510040451.2/1.html,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用