[发明专利]患病风险值预测方法及电子设备

权利要求书

1.一种患病风险值预测方法，应用于高血压分析，其特征在于，包括：

采集用户的静态数据和动态数据；

对所述静态数据和动态数据进行预处理；

通过逻辑学回归以及动态向量机，构建动态预警模型；

根据所述预处理后的数据，应用所述动态预警模型对用户进行分类；

根据所述用户的分类，计算对应的风险值；所述风险值表示用户患有高血压的风险。

2.根据权利要求1所述的患病风险值预测方法，其特征在于，所述采集用户的静态数据和动态数据，具体包括：

确定所述静态数据和所述动态数据包含的若干个衡量指标；

通过问卷调查的方式采集用户的静态数据，并通过可穿戴设备的方式采集用户的动态数据。

3.根据权利要求2所述的患病风险值预测方法，其特征在于，所述通过逻辑学回归以及支持向量机，构建动态预警模型，具体包括：

利用所述支持向量机中的二次核函数、线性内核函数以及逻辑学回归对不确定是否患高血压的人群进行分类；

根据所述二次核函数的第一分类结果、所述线性内核函数的第二分类结果以及所述逻辑学回归的第三分类结果，将用户划分为真或非真两类。

4.根据权利要求3所述的患病风险值预测方法，其特征在于，所述根据所述二次核函数的第一分类结果、所述线性内核函数的第二分类结果以及所述逻辑学回归的第三分类结果，将用户划分为真或非真两类，具体包括：

当所述第一分类结果、第二分类结果以及第三分类结果中存在两个以上的判断结果为真时，确定用户的分类为真；

当不存在时，判断所述用户的分类为非真。

5.根据权利要求4所述的患病风险值预测方法，其特征在于，所述根据所述用户的分类，计算对应的风险值，具体包括：

定义一个单调连续的概率函数，所述概率函数的取值范围为0-1之间；

将所述用户的分类映射到所述概率函数；

结合综合权重，计算所述风险值，用于表示当前用户的患病概率。

6.根据权利要求5所述的患病风险值预测方法，其特征在于，所述综合权重通过如下方法计算：

利用逻辑学回归，确定每个衡量指标的静态权重；

计算所述衡量指标的动态权重；

赋予所述动态权重和所述静态权重对应的比例系数，加权获得综合权重；所述比例系数为0至1之间的比例系数。

7.根据权利要求6所述的患病风险值预测方法，其特征在于，所述利用逻辑学回归，确定每个衡量指标的静态权重，具体包括：

设因变量为自变量为X_i(i＝1,2,…,k)

其中，p为所述风险值，X_i为衡量指标；

建立如下线性回归方程：

其中，ω₀、ω₁…ω_k为回归系数；

计算每个衡量指标的回归系数，并归一化处理后获得所述静态权重。