[发明专利]一种用于癫痫脑波病历特征选择的多专家协同决策方法

权利要求书

1.一种用于癫痫脑波病历特征选择的多专家协同决策方法，其特征在于：具体步骤如下：

A.设计一个具有n个专家的专家系统集E，其中每个专家e_i∈E具有相应的重要度权重w_i且w_i∈[0,1]，并将该权重初始化为w_i＝1,i∈{1,2,...,n}；

B.构造专家系统集中第i个专家e_i对应的癫痫脑波病历参考关系特征选择矩阵其中l,k∈{1,2,...,n}，为专家e_i选择的每对脑波病历信号(x_l,x_k)相应特征值；

C.设计专家e_i所在专家组Exg_i的邻域半径r_i，值范围r_i∈[(w_i-η_i),(w_i+η_i)]，其中w_i为重要度权重，α_i为专家e_i选择脑波病历信号对(x_l,x_k)相应特征值的迭代次数；

D.计算邻域半径范围r_i内专家组Exg_i的特征选择值协同性,并获取专家组Exg_i的特征选择关系协同度cr_i；

E.比较专家组Exg_i特征选择关系协同度cr_i与预先设定的协同性阈值μ关系：如果cr_i≥μ，则专家组Exg_i对癫痫脑波病历特征选择过程结束，转向新的专家组进行脑波病历特征选择过程；如果cr_i＜μ，则继续专家组Exg_i继续进行上述癫痫脑波病历特征选择过程，进一步优化协同度cr_i，直至满足cr_i＝μ；

F.构造含有专家系统集E的专家邻近矩阵集P和专家组Exg_i的关系矩阵PE_i，优化外伤性癫痫脑波病历特征集，并进行多专家特征选择的协同决策优化，求出外伤性癫痫脑波病历优化特征向量，从而获得多专家协同决策优化后的癫痫脑波病历特征选择集；

G.判断上述求得的外伤性癫痫脑波病历特征选择集结果是否满足最优精度要求，若满足，则输出癫痫脑波病历全局最优特征选择集；否则，转至步骤B重复进行上述过程。

2.根据权利要求1所述一种用于癫痫脑波病历特征选择的多专家协同决策方法，其特征在于：所述步骤D中所述实现计算邻域半径范围r_i内专家组Exg_i的特征选择值协同性，并获取专家组Exg_i特征选择关系协同度cr_i；具体步骤如下：

a.在专家组Exg_i内对每一对专家e_i,e_j利用相似函数计算他们特征选择值之间的相似度计算公式为：

b.构造每一对专家e_i,e_j之间相似矩阵SM如下：

c.设计每一对专家e_i,e_j选择脑波病历信号(x_l,x_k)特征值时的平均权重为：

其中

d.计算专家组Exg_i内每一对专家e_i,e_j平均权重值的最大值为最小值为求出专家组Exg_i总的参考平均权重值为

其中

e.计算专家组Exg_i内分配的癫痫脑波病历信号的特征选择度EM_i为：

f.获取专家组Exg_i特征选择的关系协同度cr_i为：

3.根据权利要求1所述一种用于癫痫脑波病历特征选择的多专家协同决策方法，其特征在于：所述步骤F中所述构造专家系统集E的专家邻近矩阵集P和专家组Exg_i的关系矩阵PE_i，优化外伤性癫痫脑波病历的特征集，并进行多专家特征选择的协同决策优化，求出外伤性癫痫脑波病历优化特征向量，从而获得多专家协同决策优化后的癫痫脑波病历特征选择集；具体步骤如下：

a.在专家系统集E中计算专家e_i选择的每对脑波病历信号(x_l,x_k)相应特征值求出专家邻近矩阵集P＝{P₁,P₂,...,P_i,...,P_n}，其中P_i为：

b.构造专家组Exg_i的特征选择值与专家邻近矩阵集P的关系矩阵PE_i如下：

其中为专家组Exg_i内每对专家(x_l,x_k)的特征关系值，其计算公式为：

c.优化专家组Exg_i中专家e_i对癫痫脑波病历信号的特征选择值，使其特征关系值为：

d.设专家协同决策阈值为ε，使和之间特征关系进一步满足则此时专家组Exg_i中专家e_i获得了较好的癫痫脑波病历信号的特征选择值；

e.专家组Exg₁,Exg₂,…,Exg_i,…,Exg_n分别针对各自分配的癫痫脑波病历信号构造相应的特征选择集向量为FS₁,FS₂,…,FS_i,…,FS_n，其向量具体如下：

f.给每个癫痫脑波病历特征选择集向量赋以相应的特征权重Γ_i，Γ_i定义如下：

g.进一步将每个癫痫脑波病历特征向量优化为FOS₁,FOS₂,…,FOS_i,…,FOS_n，其优化公式分别为：

FOS₁＝Γ₁×FS₁,

FOS₂＝Γ₂×FS₂,

…

FOS_i＝Γ_i×FS_i,

…

FOS_n＝Γ_n×FS_n；

从而获取多专家协同优化癫痫脑波病历全局最优特征选择集为