[发明专利]基于生理信息熵的人体体成分预测方法

权利要求书

1.一种基于生理信息熵的人体体成分预测方法，其特征在于，包括如下步骤：

S1：收集数据并构造生理信息样本数据集T＝(O,F,C)，其中F＝{f1,f2,···,fm}、C＝{c1,c2,···,ck}和O＝{o1,o2,···,on}分别表示原始特征、类别和数据样本集；

S2：利用平均直方图方法估计原始特征集F中的各个特征f的概率密度分布、信息熵和互信息；

S3：从原始特征集F中选出初始特征子集S；

S4：计算初始特征子集S的评价函数J(f)并记录初始特征子集的数目，采用双向搜索的搜索策略对原始特征集进行搜索，计算J(f)，添加或删除特征；

S5：设定评价函数值J(f)达到最高为终止条件进行判断，若条件满足，则选择算法结束，返回初始特征子集S作为最终结果；否则搜索过程继续循环，生成新的候选子集，返回步骤S4，直到终止条件满足为止；

S6：构造预测人体体成分所需的拟合模型；

S7：对拟合模型进行求解。

2.如权利要求1所述的基于生理信息熵的人体体成分预测方法，其特征在于：八段阻抗值，性别，年龄，身高，体重，种族为第一特征；第一特征的平方、倒数及乘积组合为第二特征；原始特征集F由第一特征和第二特征共同组成。

3.如权利要求1所述的基于生理信息熵的人体体成分预测方法，其特征在于：特征f的概率密度分布函数为m和h取经验公式：m＝67.412n-0.2376、h＝3.73σn-1/3，n表示给定样本集T的特征值数目，h表示将特征值f划分成粗网格的宽度，k表示将粗网格划分成m个细网格后第k个网格。

4.如权利要求3所述的基于生理信息熵的人体体成分预测方法，其特征在于：信息熵计算公式为：H(R1)＝-∫xp(x)logp(x)dx。

5.如权利要求3所述的基于生理信息熵的人体体成分预测方法，其特征在于：互信息计算公式为：

6.如权利要求5所述的基于生理信息熵的人体体成分预测方法，其特征在于：评价函数

7.如权利要求1所述的基于生理信息熵的人体体成分预测方法，其特征在于：新的候选子集的生成方法是将所有生理特征的生理信息熵计算出，并将其按降序排列，每次选择新的特征子集的时候按照信息熵的多少进行选择。