[发明专利]一种孕期检查数据的缺失数据处理方法

权利要求书

1.一种孕期检查数据的缺失数据处理方法，其特征在于，包括：

S1：将孕期数据集进行筛选，并对筛选后的数据集进行划分；

S2：将经过步骤S1处理得到的数据集进行标准化处理；

S3：利用卷积神经网络对经过标准化处理的数据集进行深度学习，输出填补后的结果；

S4：对填补后的结果进行优化，输出最终填补结果；

所述步骤S3具体包括：

S31：设缺失序列为X＝{x₁,x₂,...,x_i,...,x_n}，其中a_i表示序列X中时刻数据x_i的可忽略度，并将a_i的结果记为序列A＝{a₁,a₂,...,a_i,...,a_n}，

其中

同时将b_i的结果记为序列B＝{b₁,b₂,...,b_i,...,b_n}，

对于上述序列，被划分为标记数据集的概率如式(1)表示：

p_i＝α*a_i+β*b_i        (1)

式中，α和β为和为1的参数；

S32：对经过步骤S2得到的标准化处理的训练数据集与缺失序列、孕周数据进行结合，并输入到所述卷积神经网络进行训练，得到填补后的数据集。

2.根据权利要求1所述的一种孕期检查数据的缺失数据处理方法，其特征在于，所述卷积神经网络包括：输入层、卷积网络层、长短时记忆网络训练层、线性处理层以及输出层，所述输入层、所述卷积网络层、所述长短时记忆网络训练层、所述线性处理层以及所述输出层依次级联。

3.根据权利要求1所述的一种孕期检查数据的缺失数据处理方法，其特征在于，所述步骤S1具体包括：剔除样本量低于200的孕期数据集，并对剔除后的数据集划分为标记数据集及训练数据集。

4.根据权利要求2所述的一种孕期检查数据的缺失数据处理方法，其特征在于，所述步骤S2具体为：对所述标记数据集及所述训练数据集进行标准化处理。

5.根据权利要求1所述的一种孕期检查数据的缺失数据处理方法，其特征在于，所述步骤S4具体包括：

S41：计算填补后的数据集的均方误差以及标记数据集的均方误差进行优化；

S42：利用正则化缓解过拟合对填补后的数据集和标记数据集进行拟合，最终输出利用缺失值填补后的数据。