[发明专利]一种基于特征提取算法的数据特征分类方法

摘要

本发明属于临床数据检测和数据挖掘技术领域，具体涉及是一种基于特征提取算法的数据特征分类方法，包括以下步骤首先，收集并构建正常人的生命体征数据库N；其次，收集病人的生命体征数据S‑1；然后，从数据库N中选取与收集的病人生命体征数据S‑1相匹配的正常人的生命体征数据N‑1，引入特征提取算法，从病人生命体征数据S‑1的时间特征序列中提取出最有鉴别能力的特征；再次，从提取的全部特征中选取相应的特征子集；最后，用数据挖掘算法将选取的特征子集进行分类。该方法，通过挖掘无线医疗设备检测的实时的、高频率的病人生命体征数据，防止病人临床恶化的同时为出现的死亡提供早期预警，适用性强，提高了工作效率。

主权项

一种基于特征提取算法的数据特征分类方法，其特征在于，包括如下步骤：步骤一、收集正常人的生命体征数据，并构建成数据库N存储；步骤二、收集病人的生命体征数据S‑1；步骤三、从数据库N中选取与收集的病人的生命体征数据S‑1相匹配的正常人的生命体征数据N‑1，引入特征提取算法，从病人的生命体征数据S‑1的时间特征序列中提取出呼吸、心率、血氧饱和度、血压这四种最有鉴别能力的特征；所述特征提取算法包括如下步骤：(3.1)用趋势波动分析算法获取病人的生命体征数据S‑1与正常人的生命体征数据N‑1的线性拟合特征数据；(3.2)用近似熵算法描述数据的复杂度特征；(3.3)用频谱分析算法提取数据的能量普特征；(3.4)用分析数据的一阶特征算法提取数据的均值、标准差、偏度、和峰度特征；(3.5)用分析数据的二阶特征算法提取时间序列内部的共生关系特征：熵、惯性系数、相关系数和局部同质性；(3.6)用时间序列间的特征算法提取数据的线性相关系数和互相关系数；步骤四、从提取的全部特征中选取相应的组合特征子集；步骤五、用数据挖掘算法将选择出的特征子集进行分类。