买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国人民解放军海军青岛特勤疗养中心;中国人民解放军海军第九七一医院

摘要：本发明公开了一种智能化护理计划评估方法，方法包括数据采集、数据预处理、建立护理计划评估模型和智能化护理计划评估。本发明属于数据处理技术领域，具体是指一种智能化护理计划评估方法，本方案基于鞅差分散度的偏差矩阵提取数据特征；通过舀匙估计器和自举变异性评估确定中心子空间的最优维数，提高了数据降维的效果；构建平稳相关函数进行评估，保障对护理计划评估数据处理的稳定性；引入松弛变量和拉格朗日乘子优化目标函数；引入内核函数改写决策函数；使用随机初始化和个体位置的优化策略能够有效探索优化空间，避免陷入局部最优；定义子优化空间并设定移动策略，多层次的优化判定机制实现参数优化，进而实现最佳评估模型的建立。

主权项：1.一种智能化护理计划评估方法，其特征在于：该方法包括以下步骤：步骤S1：数据采集；步骤S2：数据预处理，基于鞅差分散度的偏差矩阵提取数据中的主要特征；通过估计矩阵和特征向量理解数据集的结构和变化；通过舀匙估计器和自举变异性评估确定中心子空间的最优维数；基于构建平稳相关函数对数据进行评估；步骤S3：建立护理计划评估模型，基于SVM，引入松弛变量和拉格朗日乘子优化目标函数；引入内核函数改写决策函数；定义子优化空间并设定移动策略，多层次的优化判定机制实现参数优化；步骤S4：智能化护理计划评估；在步骤S2中包括步骤S25：确定中心子空间的最优维数，从数据集D中抽取r个自举样本，对每个样本计算特征向量；计算特征向量的自举变异性，其中，k是特征向量索引，i1是自举样本索引；是数据估计的特征向量矩阵的转置，det是行列式；归一化得到，其中，是归一化的自举变异性，rp是自举过程中的特征向量个数，i2是rp的索引；估计的特征值进行归一化，表示为：，其中，是第k+1个估计特征值；结合特征值和特征向量的自举变异性，定义舀匙估计器，表示为，其中，是估计的中心子空间的最优维数；通过舀匙估计器来确定中心子空间的维数；在步骤S3中，所述建立护理计划评估模型是对SVM进行优化以实现护理计划评估模型的建立，预先将数据集划分为测试集和训练集；具体包括以下步骤：步骤S31：优化SVM目标函数，引入两个正的松弛变量，通过拉格朗日乘子进行优化，所用公式如下： ；式中，J是目标函数；和是拉格朗日乘子，用于优化问题的约束条件；和是对应第k个输入样本的拉格朗日乘子；和是降维后的输入向量；yj是对应的标签；是平滑项；步骤S32：改写决策函数，引入内核函数改写SVM决策函数，所用公式如下： ；式中，是预测输入X的决策函数；K·是高斯核函数；b是偏置项；步骤S33：模型评估，预先设有评估阈值，基于训练集训练SVM模型，若训练完成的SVM模型对测试集的预测正确率高于评估阈值，则护理计划评估模型建立完成；否则转至步骤S34进行参数优化；步骤S34：参数优化，对SVM模型进行参数优化；在步骤S34中，所述参数优化具体包括：步骤S341：基于正则化参数、核函数参数和平滑项建立优化空间，随机初始化优化个体位置，将基于优化个体位置训练的SVM模型对测试集的预测正确率作为个体适应度值；步骤S342：定义子优化空间，所用公式如下： ； ；式中，LOWb和UPb分别是子优化空间的下限和上限；LOW和UP分别是优化空间的下限和上限；Xb是最优个体位置；R是服从正态分布的随机数；步骤S343：对适应度值前30%个体在子优化空间内进行移动，对其余个体在优化空间内进行移动，所用公式如下： ； ；式中，和分别是适应度值前30%的第I1个体在第t+1次迭代和第t次迭代时的位置；和分别是适应度值后70%的第I2个体在第t+1次迭代和第t次迭代时的位置；R1、R2、R3和R4都是服从正态分布的随机数，且相互独立；步骤S344：优化判定，预先设有适应度阈值，若存在个体适应度值高于适应度阈值，则优化结束，此时最优个体位置即SVM模型最优参数设置，护理计划评估模型建立完成；若达到最大迭代次数，则返回步骤S341；否则返回步骤S342；在步骤S2中，所述数据预处理具体包括以下步骤：步骤S21：数据转换；将采集的数据进行数据清洗，并转化为向量形式，基于最大最小归一化法对数据进行标准化处理；步骤S22：定义矩阵，基于鞅差分散度定义偏差矩阵M，计算偏差矩阵M的前d个最大特征值对应的特征向量，这些特征向量构成U的列向量；M计算所用公式如下： ；式中，E[·]是期望；Z是标准化后的高维输入数据；是Z的独立副本；T是转置操作；Y是输出变量；是Y的独立副本；步骤S23：估计矩阵，基于U-统计量估计矩阵，所用公式如下： ；式中，是估计矩阵；n是样本数量；i和j是不同的样本索引；zi和zj分别是第i个和第j个样本的输入；yi和yj分别是第i个和第j个样本的输出；步骤S24：计算投影矩阵，基于M的前d个最大特征值对应的特征向量构成矩阵U，将中心子空间的基转换为中心子空间的基，所用公式如下： ；式中，W是投影矩阵；X是数据矩阵；是逆平方根矩阵；步骤S25：确定中心子空间的最优维数；步骤S26：数据评估，构建平稳相关函数，预先设有平稳阈值，若当前平稳相关函数值高于平稳阈值，则数据预处理完成；否则基于Nelder-Mead单纯形算法对参数调整，并返回步骤S22；构建平稳相关函数所用公式如下： ；式中，是平稳相关函数；l是维度数索引；是第l维度的缩放参数；p是输入包含的变量的数量，m是p的索引；是第m个变量在第l维度上的权重；和分别是输入x和降维后的输入在第m个变量上的取值；d是总维度。

全文数据：

权利要求：

百度查询： 中国人民解放军海军青岛特勤疗养中心 中国人民解放军海军第九七一医院 一种智能化护理计划评估方法