[发明专利]一种基于集成进化学习的华法林剂量预测建模方法

权利要求书

1.一种基于集成进化学习的华法林剂量预测建模方法，其特征在于，所述方法基于遗传程序设计、进化策略方法和集成模型，所述方法包括如下步骤：

（1）、基于遗传程序设计方法的回归模型基函数设计，基函数用g(x)表示，x为病理特征输入；

（2）、基于进化策略的回归模型回归系数设计，回归系数用β表示；

（3）、基于遗传算法框架选择、优化基函数和回归参数设计，得到M个候选回归模型；

（4）、在M个候选模型的基础上，选择m个模型进行权重和的集成,得到最终的预测模型,M>m；然后利用预测模型进行测试集合数据上的实际预测。

2.根据权利要求1所述的基于集成进化学习的华法林剂量预测建模方法，其特征在于，步骤（1）中，所述回归模型表示为：

其中x={x₁, x₂,... x_n}是一个回归模型的输入向量，g(x)是一个非线性函数，负责低维特征映射到高维空间；{ g₁(x), g₂(x),...， g_i(x)} 表示模型的基函数，β₀是一个常数项，β₁, β₂, …β_i (i>0)表示部分回归系数。

3.根据权利要求1所述的基于集成进化学习的华法林剂量预测建模方法，其特征在于，步骤（1）中，所述遗传程序设计方法使用树作为基函数的代表法，所述基函数初始由终端集{x₁, x₂,... x_n}和函数集{sin，cos，+，-，*，/，exp}等元素随机选择生成。

4.根据权利要求1所述的基于集成进化学习的华法林剂量预测建模方法，其特征在于，步骤（1）中，在遗传程序设计方法的进化过程中，利用遗传算子、选择性、复制、交叉和变异使基函数进化，利用轮盘转与精英策略为下一代选择优良个体，交叉和变异在进化过程中通过改变个体的结构和元素，且参与交叉的个体数大于变异的个体数。

5.根据权利要求1所述的基于集成进化学习的华法林剂量预测建模方法，其特征在于，步骤（2）中所述进化策略使用一个实数字符串为回归系数的表达形式，其中真值字符串定义为δ={β, σ}，其中β表示系数矢量，σ是指策略参数矢量，σ用作与β共同进化的参数变化的突变步长；每一次迭代时，使用选择算子对优秀的β进行筛选，利用变异算子对β进行调整。

6.根据权利要求1所述的基于集成进化学习的华法林剂量预测建模方法，其特征在于，步骤（1）中，所述进化策略设计的一组回归系数{β}对应于遗传程序设计进化的一组基函数g(x)，遗传程序设计和进化策略中的个体的评价使用相同的函数，所述函数fit表示为，其中X_i表示第i个输入向量，V_i表示训练数据集的输出值；y(X_i)指回归模型的关于X_i的输出，n表示训练数据集的大小，目标是使fit最小化，遗传程序设计和进化策略停止的判据是fit<ɛ，ɛ是一个小的基于现实世界中应用精度要求的实际值。