(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111485486.9 (22)申请日 2021.12.07 (71)申请人 重庆邮电大 学 地址 400065 重庆市南岸区南 山街道崇文 路2号 (72)发明人 张清华　吴鹏　胡峰　高满　 彭一航　周靖鹏　 (74)专利代理 机构 重庆辉腾律师事务所 5 0215 代理人 卢胜斌 (51)Int.Cl. G06Q 50/22(2018.01) G16H 50/30(2018.01) G06Q 10/04(2012.01) G06K 9/62(2022.01) (54)发明名称 一种基于标准差和交互信息的慢性疾病特 征选择方法 (57)摘要 本发明属于计算机科学技术领域， 具体涉及 一种基于标准差和交互信息的慢性疾病特征选 择方法； 该方法包括： 实时获取用户的身体检查 数据， 对数据进行预处理， 将预处理后的数据输 入到基于标准差和交互信息的慢性疾病特征选 择模型中， 预测用户患有的慢性疾病类型； 本发 明可以有效地对高血压、 糖尿病等慢 性疾病的影 响因素进行筛选并标记， 通过对影 响因素的分析 统计来预防或预测慢性疾病， 本发 明为慢性疾病 的预警提供帮助， 克服了 现有慢性疾病预测需要 较多特征并且精确度不高的缺陷， 具有良好的经 济效益。 权利要求书2页 说明书8页 附图2页 CN 114358989 A 2022.04.15 CN 114358989 A 1.一种基于标准差和 交互信息的慢性疾病特征选择方法， 其特征在于， 实时获取用户 的身体检查数据， 对数据进行预处理， 将预处理后的数据输入到基于标准差和交互信息的 慢性疾病特 征选择模型中， 得到慢性疾病影响因素并对影响因素进行 标记； 基于标准差和交 互信息的慢性疾病特 征选择模型的训练过程包括： S1： 获取原 始数据； S2： 将原始数据划分为10个集合， 在10个集合 中随机选取9个集合作 为训练集， 剩余1个 集合作为测试集； S3： 将训练集作为 候选特征集； 初始化目标 特征集为空， 设置初始选择 特征个数K； S4： 计算候选特征集中每 个特征与类别的互信息值； S5： 筛选与类别具有最大互信息值的特征， 将该特征添加到目标特征集S中， 并在候选 特征集中删除该 特征， 得到筛选后的候选特 征集； S6： 采用评估函数计算筛选后的候选特征集中每个特征的分数， 根据各个特征的分数 对特征进行筛选， 将筛选的特征添加到目标特征集S中， 并在候选特征集中删除对应的特 征； S7： 重复执 行步骤S5～S6， 直到目标 特征集S中的特 征数量为K； S8： 根据目标 特征集S计算平均分类精度； S9： 迭代执行步骤S2～S8， 当平均分类精度最 高时停止迭代， 得到最优分类精度的分类 模型； 根据当前的分类模型对测试集中的特征进 行分类， 完成模型的训练， 并得到慢性疾病 的影响因素。 2.根据权利要求1所述的一种基于标准差和交互信息的慢性疾病特征选择方法， 其特 征在于， 对数据进行预处理的过程包括： 对数据进行清洗， 得到清洗后的数据； 对清洗后的 数据进行离散化处理， 得到离散化的数据； 对离散化的数据进 行归一化处理， 得到预 处理好 的数据。 3.根据权利要求2所述的一种基于标准差和交互信息的慢性疾病特征选择方法， 其特 征在于， 对数据进 行清洗包括： 删除变量、 填充变量以及处理异常值； 其中删除的变量包括： 缺失值大于30％变量， 高度不平衡的类别变量， 慢性疾病以外的所有体检信息变量， 版本时 间家庭住址变量。 4.根据权利要求2所述的一种基于标准差和交互信息的慢性疾病特征选择方法， 其特 征在于， 归一 化处理公式为： 其中， F*表示归一化处理后 数据， F为未归一化处理的数据， Fmax为原始特征集中的最大 值， Fmin为原始特征集中最小值。 5.根据权利要求1所述的一种基于标准差和交互信息的慢性疾病特征选择方法， 其特 征在于， 评估函数为： 其中， Fm表示第m个候选特征， Fj表示第j个目标特征， C表示类别， S表示已选候选集， J (Fm)表示特征分数； I(Fm； C|Fj)是条件互信息， 表示给定目标特征Fj的条件下候选特征Fm为权　利　要　求　书 1/2 页 2 CN 114358989 A 2类别C提供 的信息量； I(Fj； C|Fm)是条件互信息， 表示给定目标特征Fj的条件下候选特征Fm 为类别C提供的信息量； I(Fm； Fj； C)表示候选特征Fm和目标特征Fj为类别C提供的交互信息， I(Fj； Fm)表示候选特征Fm和目标特征Fj的互信息 。 6.根据权利要求5所述的一种基于标准差和交互信息的慢性疾病特征选择方法， 其特 征在于， 交 互信息的计算公式为： I(Fm； Fj； C)＝I(Fm,Fj； C)‑[I(Fm； C)+I(Fj； C)] 其中， I(Fm,Fj； C)表示候选特征Fm和目标特征Fj的联合互信息， I(Fm； C)表示候选特征Fm 为类别C提供的信息量， I(Fj； C)表示目标 特征Fj为类别提供的信息量。 7.根据权利要求1所述的一种基于标准差和交互信息的慢性疾病特征选择方法， 其特 征在于， 根据各个特 征的分数对特 征进行筛 选的过程 为： 若最大分数只有一个， 则选择最大分数的特 征添加到目标 特征集S中； 若最大分数至少有2个， 则计算分数对应特征的标准差， 选择最小标准差对应的特征添 加到目标 特征集S中。 8.根据权利要求7所述的一种基于标准差和交互信息的慢性疾病特征选择方法， 其特 征在于， 标准差的计算公式为： 其中， μ表示Fm可以提供的额外信息量的平均值， δ表示标准差， I(Fm； C|Fj)是条件互信 息， 表示给定目标特征Fj的条件下， 候选特征Fm为类别C提供的信息量； I(Fj； C|Fm)是条件互 信息， 表示给定候选特征Fm的条件下， 目标特征Fj为类别C提供的信息量； I(Fm； Fj； C)表示候 选特征Fm和目标特征Fj为类别C提供的交互信息， I(Fj； Fm)表示候选特征Fm和目标特征Fj的 冗余信息量。权　利　要　求　书 2/2 页 3 CN 114358989 A 3