[发明专利]一种分类方法

说明书

本发明公开了一种分类方法，包括以下步骤：获取残疾儿童自我护理活动的数据；根据获取的残疾儿童自我护理活动数据，对残疾儿童自我护理活动数据进行分类处理；根据分类处理，得到残疾儿童自我护理能力的分类结果。本发明的一种分类方法，具有简单易用、快速、精度高等优势。

技术领域

本发明涉及医学诊断领域，尤其涉及一种分类方法，特别是一种残疾儿童自我护理能力的分类方法。

背景技术

作为一种限制个人活动的障碍性疾病，残疾在医学上的诊断和分类是一个复杂的过程。为了得到准确的诊断结果，往往需要专业的职业治疗师进行判断，而职业治疗师的稀缺使得残疾患者的治疗过程变得漫长而昂贵。为解决这个问题，出现了很多针对残疾症状的分类方法，根据患者的身体症状及生活表现做出残疾评估与分类，有效提高了诊断效率，改善了残疾患者的医疗服务环境。

青少年版国际功能、残疾和健康分类(ICF-CY)是一个针对青少年的残疾诊断框架，用于识别青少年在心理、身体、运动等生物学领域的各种功能性问题，经常被用作残疾评估与分类的概念框架，以该框架为导向的研究工作将有助于解决残疾病症的治疗问题。

M.S.Zarchi等人在数据集SCADI的基础上提出了基于有监督学习的两种分类方法，其一，在SCADI数据集上抽取70％的儿童数据作为训练样本数据，余下30％的数据用于验证与测试；利用人工神经网络模型在训练样本数据上进行模型训练，不断调整模型中的神经元个数，选取实验效果最佳时的神经元数量，建立神经网络分类系统；其二，在分类规则的建立问题上，引入决策树算法，在数据集SCADI上提取残疾儿童自我护理问题的分类规则。

SayanPutatunda提出了一种基于深度学习的分类方法Care2Vec，该方法的建模过程可分为两个阶段，阶段一通过自动编码器将数据集SCADI从高维特征空间转换为低维特征空间，阶段二将低维度的数据输入深度学习神经网络进行模型训练，完成分类系统的建立。

基于有监督学习的分类方法在建立分类模型时需要对训练样本数据进行学习，训练样本如何选择的问题会影响分类方法的最终效果，而模型的训练过程也需要耗费较多的时间。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是现有技术中对残疾儿童自我护理能力分类的数据处理出现的数据处理复杂、耗费时间多、分类精度不高等问题。本发明开发了一种分类方法，具有简单易用、快速、精度高等优势。

为实现上述目的，本发明提供了一种分类方法，包括以下步骤：

获取待分类的的数据；

根据获取的待分类的数据，对待分类的数据使用无监督学习算法进行分类处理；

根据分类处理，得到分类结果。

进一步地，根据获取的待分类的数据，对待分类的数据使用无监督学习算法进行分类处理，具体包括以下步骤：

步骤一，将获取的待分类的数据记为数据集X＝{x₁，x₂，L，x_n}，其中，x_i(i＝1，2，L，n)表示第i条儿童自我护理能力数据，x_i＝{x_i1，x_i2，L，x_id}，x_ij(j＝1，2，L，d)表示第i条数据内的第j个属性，儿童的自我保健问题的类别数目为K；

步骤二、利用数据在近邻关系上的活跃程度，将数据集X划分为两个具有不同分布特性的子集X₁与X₂；

步骤三、利用最近邻关系对子集X₁进行预聚类，得到由m个子簇构成的子簇集合C₁；