[发明专利]一种引入Adaboost概率矩阵分解糖尿病个性化饮食推荐方法

摘要

本发明公开了一种引入Adaboost概率矩阵分解糖尿病个性化饮食推荐方法，包括：步骤一、建立糖尿病患者的饮食偏好特征集合U＝{u1,u2,…,un}和食物的属性特征集合V＝{v1,v2,…,vm}，记录糖尿病患者饮食，提取偏好特征和食物属性特征，形成糖尿病患者饮食偏好矩阵U∈RK×M和食物属性特征V∈RK×N；步骤二、通过将糖尿病患者的饮食偏好与食物的属性特征之间的关联度量化来确定糖尿病患者的饮食偏好与食物的属性特征之间的关联强度；步骤三、对所述关联度进行权值分布得到基本分类后，训练数据集更新权值分布，将所有关联度赋予权重进行分类排除不必要的食物，得到最终的如下关联度分类：步骤四、根据所述条件概率和所述关联度分类得到所述个性化饮食。

主权项

1.一种引入Adaboost概率矩阵分解糖尿病个性化饮食推荐方法，其特征在于，包括如下步骤：步骤一、建立糖尿病患者的饮食偏好特征集合U＝{u1,u2,…,un}和食物的属性特征集合V＝{v1,v2,…,vm}，记录糖尿病患者饮食，提取偏好特征和食物属性特征，形成糖尿病患者饮食偏好矩阵U∈RK×M和食物属性特征V∈RK×N；其中，K＜＜min{M，N}；步骤二、通过将糖尿病患者的饮食偏好与食物的属性特征之间的关联度量化来确定糖尿病患者的饮食偏好与食物的属性特征之间的关联强度；其中，所述关联度rij量化表示为：式中，Ν(x|μ,σ2)为均值μ、方差σ2的高斯分布密度函数；观测关联强度的条件概率表示为：式中，Iij为指示函数，如果糖尿病患者i对食物j有过行为，则Iij取值为1，否则取值为0；步骤三、对所述关联度进行权值分布得到基本分类后，训练数据集更新权值分布，将所有关联度赋予权重进行分类排除不必要的食物，得到最终的如下关联度分类：式中，G_m(x)为基本分类，α_m为G_m(x)在最终关联度r_ij集合中的重要程度e_m为训练数据集上的分类误差率，提取所有的关联度r_ij(r_ij≠0)分别对应x₁,x₂,…,x_N，形成集合为T＝{(x₁,y₁),(x₂,y₂),…,(x_N,y_N)}，y_i为标记集合{+1，‑1}；步骤四、根据所述条件概率和所述关联度分类得到所述个性化饮食，表示如下：