[发明专利]基于AIC和改进熵权法的人体体成分预测方法

摘要

基于AIC和改进熵权法的人体体成分预测方法，包括：S1：选择阻抗模型，收集数据并构造生理信息样本的原始特征集F；S2：加入生理信息样本的原始特征集F，构造第一特征参数和第二特征参数；S3：使用赤池信息量准则，选用AIC稳定模型；S4：计算AIC的值，选择AIC值最小的特征组合，得到特征参数矩阵，分析各特征参数对拟合模型的影响，修正特征参数矩阵；S5：引入信息熵，得到统一矩阵，计算熵值和权值；S6：求解特征参数矩阵系数，得到人体体成分拟合模型。建立的人体体成分预测模型可提高人体体成分预测精度，为人体体成分研究和临床应用提供更为有效的检测手段。

主权项

1.基于AIC和改进熵权法的人体体成分预测方法，其特征在于，包括：S1：选择阻抗模型，收集数据并构造生理信息样本的原始特征集F；S2：加入生理信息样本的原始特征集F，构造第一特征参数和第二特征参数；S3：使用赤池信息量准则，选用AIC稳定模型；S4：计算AIC的值，选择AIC值最小的特征组合，得到特征参数矩阵，分析各特征参数对拟合模型的影响，修正特征参数矩阵；S5：引入信息熵，得到统一矩阵，计算熵值和权值；S6：求解特征参数矩阵系数，得到人体体成分拟合模型；人体体成分拟合模型求解步骤为：S51：设评估事件有m个对象，n个参数，X_ij为第i个对象下的第j个指标，根据公式或公式计算确定m行n列的决策矩阵Y＝{X_ij}_m×n；S52：消除对象的不同指标具有的不同量纲单位，形成统一矩阵：S53：计算熵值公式中e_j为第j个评估指标所对应熵值；如果Y’_ij＝0，那么e_j值在[0,1]；S54：计算权值公式中w_j表示第j个指标的权值，n表示指标个数；S55：计算综合权值：计算出各评价指标的熵权后，根据各个指标信息熵大小排序形成的标准分级数，从而得到关于指标x的综合权重；准则集总熵为：由于各评价指标的重要性已隐含在分级标准中，由分级标准值来确定常规权重λ_j，该权重计算公式如下：其中λ_j为第j个指标的常规权重，k为特征选择算法选择出的参数指标的信息熵排序的标准分级数；综合常规权重λ_j和客观权重w_j得出新的改进熵权权值：五段阻抗值、性别、年龄、身高、体重、种族为第一特征；第一特征的平方、倒数及乘积组合为第二特征；原始特征集F由第一特征和第二特征共同组成；赤池信息量准则AIC为：AIC＝2k‑ln(L)，k为参数个数，L为似然函数；选用的AIC稳定模型为：AIC_H＝logσ²+(m/n)logn，σ²为模型的方差，m为模型的最高参数，n为参数个数；计算AIC的值并选取AIC值最小的特征组合，得特征参数矩阵：[R₁,R₃,R₄,R₂R₃,R₃R₅,S,A,H,W,R]^T，并分析各特征参数对拟合模型的影响，修正特征参数矩阵，构造最终的特征参数矩阵[R₁,R₃,R₄,R₂R₃,R₃R₅,A,H,W]^T，其中R₁～R₅为阻抗值，S为性别、A为年龄、H为身高、W为体重、R为种族、R_iR_j为阻抗值乘积；种族R的值完全相等，构造最终的拟合模型为：Male:f＝a₁R₁+a₂R₃+a₃R₄+a₄R₂R₃+a₅R₃R₅+a₆A+a₇H+a₈W+ε₁Female：f＝b₁R₁+b₂R₃+b₃R₄+b₄R₂R₃+b₅R₃R₅+b₆A+b₇H+b₈W+ε₂式中，a₁～a₈，b₁～b₈为回归系数，ε₁，ε₁为误差；信息熵计算公式为：H(R₁)＝‑∫_xp(x)logp(x)dx。