[发明专利]一种基于集成学习的伤情多分类方法在审
| 申请号： | 202111005230.3 | 申请日： | 2021-08-30 |
| 公开（公告）号： | CN113569995A | 公开（公告）日： | 2021-10-29 |
| 发明（设计）人： | 徐肖攀;卢虹冰;刘洋;郝晓硕;刘健;李俊杰 | 申请（专利权）人： | 中国人民解放军空军军医大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N20/00 |
| 代理公司： | 西安铭泽知识产权代理事务所(普通合伙) 61223 | 代理人： | 韩晓娟 |
| 地址： | 710032 陕西*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 集成 学习 伤情 分类 方法 | ||
1.一种基于集成学习的伤情多分类方法，其特征在于，包括：
采集待处理伤员的生理数据；
采用随机森林分类器、逻辑回归分类器、朴素贝叶斯分类器和决策树分类器，通过简单投票法合并，构造基于DAG策略的多类别集成分类器预测模型；
利用基于DAG策略的多类别与集成分类器预测模型，对伤员的生理数据进行分类识别。
2.如权利要求1所述的一种基于集成学习的伤情多分类方法，其特征在于，所述采集待处理伤员的生理数据包括：病人的体温、脉搏、呼吸频率、血压、神智。
3.如权利要求1所述的一种基于集成学习的伤情多分类方法，其特征在于，还包括：对基于DAG拆分策略的多类别与集成分类器预测模型的训练：
选取样本分别作为阳性样本、阴性样本；
采用机器学习方法构建第一级分类器；
将该分类器预测的阳性样本与剩余其他类样本放在一起作为新阳性样本；
从剩余其他类样本中选择一类作为阴性样本；
采用机器学习方法构建第二级分类器；
将第一级分类器预测为阴性样本与剩余其他类样本放在一起，并将其继续作为阴性样本；
从剩余其他样本中选择一类作为阴性样本；
采用特定的机器学习方法构建第二级分类器；
重复以上操作，直到所有类别的样本都被预测，得到输出结果。
4.如权利要求1所述的一种基于集成学习的伤情多分类方法，其特征在于，所述随机森林分类器、所述逻辑回归分类器、所述朴素贝叶斯分类器和所述决策树分类器各自设计6个二分类器。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国人民解放军空军军医大学，未经中国人民解放军空军军医大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202111005230.3/1.html，转载请声明来源钻瓜专利网。
