[发明专利]一种基于特征提取算法的数据特征分类方法

权利要求书

1.一种基于特征提取算法的数据特征分类方法，其特征在于，包括如下步骤：

步骤一、收集正常人的生命体征数据，并构建成数据库N存储；

步骤二、收集病人的生命体征数据S-1；

步骤三、从数据库N中选取与收集的病人的生命体征数据S-1相匹配的正常人的生命体征数据N-1，引入特征提取算法，从病人的生命体征数据S-1的时间特征序列中提取出呼吸、心率、血氧饱和度、血压这四种最有鉴别能力的特征；所述特征提取算法包括如下步骤：

(3.1)用趋势波动分析算法获取病人的生命体征数据S-1与正常人的生命体征数据N-1的线性拟合特征数据；

(3.2)用近似熵算法描述数据的复杂度特征；

(3.3)用频谱分析算法提取数据的能量普特征；

(3.4)用分析数据的一阶特征算法提取数据的均值、标准差、偏度、和峰度特征；

(3.5)用分析数据的二阶特征算法提取时间序列内部的共生关系特征：熵、惯性系数、相关系数和局部同质性；

(3.6)用时间序列间的特征算法提取数据的线性相关系数和互相关系数；

步骤四、从提取的全部特征中选取相应的组合特征子集；

步骤五、用数据挖掘算法将选择出的特征子集进行分类。

2.根据权利要求1所述的一种基于特征提取算法的数据特征分类方法，其特征在于：所述步骤四的特征子集的选取包括如下步骤：

(4.1)用完全搜索(Complete)，启发式搜索(Heuristic)，随机搜索(Random)3大类搜索算法从步骤三获得的特征全集中产生出一个特征子集；

(4.2)用筛选器(Filter)、封装器(Wrapper)两大类评价函数对该特征子集进行评价；

(4.3)将评价的结果与特征选择的评价标准停止准则AUC，F-score进行比较，若评价结果符合停止准则就停止，否则就继续产生下一组特征子集，继续对特征子集进行评价；

(4.4)验证选出来的特征子集的有效性。

3.根据权利要求1所述的一种基于特征提取算法的数据特征分类方法，其特征在于：所述步骤五、用数据挖掘算法对选择出的特征子集进行分类，包括如下步骤：

(5.1)将逻辑回归模型准确度、敏感度和AUC作为评价系统分类性能的准则；

(5.2)引入特征选择和探索性下采样，对选出的特征子集进行分类；

(5.3)考虑到数据类间的不平衡性，再将探索性下采样引入系统中来提高分类效果。