[发明专利]基于惩罚机制的代价敏感序贯三支阴影膀胱炎分类方法

说明书

本发明提供了基于惩罚机制的代价敏感序贯三支阴影膀胱炎分类方法，属于膀胱炎患者进行分类技术领域；其技术方案为：根据条件属性的重要性将其降序排序；其次顺序计算每个膀胱炎数据对象的隶属度，对膀胱炎数据对象进行阴影化处理，阴影域作为膀胱炎数据下一个粒度的论域；然后计算膀胱炎数据相邻两个粒度之间的两种精度差异，通过惩罚函数对膀胱炎数据的代价参数进行修改，从而确定新的阴影集阈值；如果膀胱炎数据最后一个粒度的阴影域不为空,则对其阴影集阈值进行加权求和得到新的阈值对阴影域进行分类。本发明的有益效果为：本发明分类精度好，为膀胱炎诊断提供决策支持，提高患者就医满意度。

技术领域

本发明涉及医学信息智能诊断技术领域，尤其涉及基于惩罚机制的代价敏感序贯三支阴影膀胱炎分类方法。

背景技术

急性膀胱炎为临床常见、多发疾病，需要及时给予有效治疗，避免病程延长，引发复杂性尿路感染，进而造成肾衰竭，由此可见急性膀胱炎患者早期诊断十分重要。膀胱炎数据集提供了详细的患者病情信息。序贯三支决策从粒计算的角度提高了三支决策的有效性，运用多阶段的“三分而治”思想求解复杂动态决策问题，相比于三支决策和传统的二支决策，提高了决策的可靠性与效率。阴影集理论通过三值逻辑映射保留对象的核心模糊信息，减少量化损失，常被用于处理不确定性问题。

目前，在患者治疗过程中，获得正确的诊断结果是对患者最基本的尊重。在医生缺乏经验或者患者病情信息不确定性较强的情况下可能会出现误诊的情况，造成不必要的医疗事故，恶化医患关系。因此，如何在不确定的情况下帮助医生做出正确的诊断，是一个急需解决的问题。

发明内容

本发明的目的在于提供一种基于惩罚机制的代价敏感序贯三支阴影膀胱炎分类方法，解决了现有的判断急性膀胱炎方法数据量大，增加医生对急性膀胱炎患者的病变情况的判断方面的工作量问题。

本发明是通过如下措施实现的：一种用于基于惩罚机制的代价敏感序贯三支阴影膀胱炎分类方法，包括以下步骤：

S1：读取膀胱炎数据集，对膀胱炎数据进行预处理，将膀胱炎数据转换为一个四元组决策信息系统S＝(U,C∪D,V,f)，其中U＝{x₁,x₂,x₃......x_n}表示膀胱炎数据集中样本的集合，n表示样本数量，C＝{c₁,c₂,c₃......c_m}表示膀胱炎数据集的条件属性的非空有限集合，m表示膀胱炎数据集的条件属性的个数，D＝{d₁,d₂}表示膀胱炎数据集的决策属性的非空有限集合，且V_c是膀胱炎数据集属性c下数据对象所有可能的数据取值，f:U×C∪D→V表示信息函数；

S2：计算膀胱炎数据集每个属性c的条件信息熵H(D|C-{C_i})，基于信息熵计算决策属性相对于每个条件属性的重要性I(c_i)＝H(D|C-{c_i})-H(D|C)，按属性重要性I(c_i)将条件属性降序排序，条件属性B相对于决策属性D的条件熵计算公式如下：

其中，P(B_i)＝|B_i|/|D_i|,P(D_j|B_i)＝|D_j∩B_i|/|Bi|；