[发明专利]一种皮肤状况预测方法及其预测系统

权利要求书

1.一种皮肤状况预测方法，其特征在于，包括如下步骤：

获取受试者的皮肤数据，并对所述皮肤数据进行数字化以得到皮肤的特征属性；

采用特征提取方法提取所述特征属性中的关键特征，以得到所述关键特征按照其重要程度的排序结果，并对排序后的每一个关键特征进行归一化处理；

利用所述归一化处理后的关键特征作为训练数据集训练迭代神经网络，以生成基于神经网络的预测模型；和

利用所述基于神经网络的预测模型对测试者的皮肤状况进行预测和分析，并根据所述分析结果生成并输出针对所述测试者的皮肤改进意见。

2.如权利要求1所述的预测方法，其特征在于，所述获取受试者的皮肤数据，包括如下步骤：

采用调查问卷获取受试者的皮肤数据；

对所述调查问卷中得到的问题采取问题合并、问题拆分、问题转化和问题舍弃。

3.如权利要求2所述的预测方法，其特征在于，所述对皮肤数据进行数字化以得到皮肤的特征属性，包括如下步骤：

对所述特征属性采用均值填补进行缺失数据处理；

去除所述特征属性中的无效特征，所述无效特征为特征属性包含的信息量低于预定概率；

对所述特征属性中的连续特征属性进行离散化；

对所述特征属性进行数据规范化，将其划分为不同的区间。

4.如权利要求3所述的预测方法，其特征在于，采用如下方法对所述特征属性中的连续特征属性进行离散化：

等宽法、等频法和人工法。

5.如权利要求1所述的预测方法，其特征在于，所述特征提取方法包括：

基于卡方值的特征评价法、基于信息增益的特征评价法和基于信息增益比例的特征评价法，

将特征在上述不同方法下获得的权值求和，得到该特征的总权值，

根据上述总权值对特征按照重要程度进行排序，选取前n名特征作为关键特征。

6.如权利要求5所述的预测方法，其特征在于，所述关键特征包括皮肤白度、色斑比例和水润程度。

7.如权利要求1所述的预测方法，其特征在于，所述迭代神经网络为Elman型神经网络。

8.如权利要求7所述的预测方法，其特征在于，所述利用归一化处理后的关键特征作为训练数据集训练迭代神经网络，包括如下步骤：

将所述归一化处理后的关键特征作为迭代神经网络的输入神经元个数；

设置训练所述的迭代神经网络的迭代次数m；

利用所述神经网络的中间层对所述输入神经元进行处理并反馈给所述神经网络的输入，当满足所述迭代次数m时，输出数据。

9.如权利要求8所述的预测方法，其特征在于，在输出数据之前，对数据进行缩放处理，以得到取值范围在[-1，1]之间的输出数据。

10.如权利要求9所述的预测方法，其特征在于，根据所述输出数据分析每个关键特征在其对应的离散化数值下的作用并排序，生成排序向量，并将其与预定排序向量进行比较。

11.如权利要求10所述的预测方法，其特征在于，所述生成的排序向量与预定排序向量的比较结果采用下述公式表达：

p＝(i-1)/(u-1)×100％，

其中，i为所述测试者选择内容在排序向量对应的位置数值，u为关键特征包括的离散化取值，

如果所述测试者的选择为最好的情况，则p为100％；如果为最差的情况，则p为0％。