[发明专利]一种基于特征选择和分类模型的体质识别方法

说明书

本发明公开了一种基于特征选择和分类模型的体质识别方法，包括步骤：通过随机数生成算法生成《中医体质分类与判定表》中全部问题的回答；根据《中医体质分类与判定表》的判定方法和判定标准，计算出当前回答下对应的体质类型；通过特征选择算法，从《中医体质分类与判定表》的全部问题中，选出具有代表性的部分问题；设计分类模型，利用部分问题的回答和对应的体质类型，训练得到一个体质识别模型；本发明引入了随机数生成算法、特征选择算法和分类模型等技术，有效地降低诊断时间，提高诊断效率，且保证了体质识别的有效性，具有一定的市场价值和推广价值。

技术领域

本发明涉及模式识别技术领域，具体涉及一种基于特征选择和分类模型的体质识别方法。

背景技术

人体体质是在先天遗传和后天获得的基础上表现出来的形态结构、生理功能、心理状态等多个方面的综合。王琦教授把体质分为平和质、气虚质、阳虚质、阴虚质、痰湿质、湿热质、血瘀质、气郁质、特禀质九大体质类型[王琦.9种基本中医体质类型的分类及其诊断表述依据[J].北京中医药大学学报,2005(04):1-8.]，这种体质划分方法在2009年写入了《中医体质分类判定标准》。人体体质与性别、年龄、遗传等因素相关，表现出一定的稳定性，但人体体质的稳定性是相对的，它会因为营养、锻炼、疾病、精神、环境等内外环境中等因素的影响而发生变化[孙萌.基于应激理论开展中医体质内外环境适应性研究的意义[J].中医药通报,2013,12(01):29-31.]。

人体体质识别是中医体质学研究的基础，它在健康管理上有着巨大的应用价值[王济.中医体质学基础实验方法和研究现状[J].中华中医药杂志,2012,27(01):10-13.]。人们通过识别自己的体质类型，可以有针对性地进行养生保健，对与中医体质相关疾病作出防治。当今社会里，不少人的生活方式变得越来越不合理，处于亚健康的人越来越多。人们尽早发现自己的体质类型，才能明晰自己是否健康，从而及时对症下药，调整自己的生活方式，改善身体状况。

《中医体质分类判定标准》上有61道题目，每道题目按5级评分(没有、很少、有时、经常、总是)，分别对应1分、2分、3分、4分、5分。通过回答《中医体质分类判定标准》的61道题目，对照其中的平和质与偏颇体质判定标准表，人们可以判定自己的体质类型。但是，现代人的生活节奏快，工作压力大，人们很难有时间认真地回答完61道题目，而且问题数量偏多，容易导致答题的质量下降。如何减少人们进行体质识别的时间，是非常迫切的需求，为了达到这个目的，从《中医体质分类判定标准》的61道题目中选出具有代表性的部分问题具有极大的意义。

在过去，人们常通过人工的方法对高维特征进行压缩，但是需要花费巨大的人力和时间，而且在特定的领域，这些工作需要具备相应知识背景的人，成本是非常高的。特征选择是模式识别任务里处理高维数据的一项重要技术，主要作用是从原始特征集中选出具有代表性的特征子集，提升分类、聚类、检索等任务的效果。模式识别的许多任务有着非常高维的数据，有的数据有几百维甚至几千维。在一些情况中，特别是在数据量不足够大的情况下，高维数据不仅增加了处理数据的时间，而且提高了训练模型以及分析结果的难度，此外，模型会因为数据维度过高但数据量少而容易过拟合，模型的性能受到了严重的影响。通过特征选择方法，研究人员不仅可以降低数据的维度，同时可以保留原始的特征信息，对往后的分析工作有非常大的帮助。

特征选择的原则是，在不显著降低分类效果的前提下，获取尽可能小的特征子集。特征选择的方法主要有Filter、Wrapper、Embedding三种方法。Filter方法通过卡方检验、信息增益等方法对每个特征进行重要性评分，特征的得分越高，说明这个特征越重要。Wrapper方法通过一个确定的模型去评估特征选择的效果，它需要迭代地进行特征选择、训练模型、评估模型效果三个阶段，因而需要的时间和计算都比Filter方法的多。Embedding方法也需要一个确定的模型，与Filter方法不同的是，Embedding方法从这个在原始特征集上训练好的模型得到各个特征的权重，分别作为各个特征的重要性，根据权重的大小进行特征选择。