專利名稱：一種2型糖尿病風(fēng)險(xiǎn)狀態(tài)判定方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種2型糖尿病風(fēng)險(xiǎn)狀態(tài)判定方法，屬于生物醫(yī)學(xué)技術(shù)領(lǐng)域。
背景技術(shù)：
隨著社會(huì)經(jīng)濟(jì)發(fā)展，生活方式改變以及人口老齡化等危險(xiǎn)因素迅速增加，2型糖尿病及其并發(fā)癥患病率迅速上升。據(jù)2008年調(diào)查結(jié)果顯示，在20歲以上的成人中，年齡標(biāo)化的糖尿病的患病率為9. 7%，糖尿病前期的比例更高達(dá)15. 5%。因此，早期對(duì)糖尿病危險(xiǎn)人群采取預(yù)防措施，做到未病先防是控制糖尿病患病率的有效途徑。糖尿病風(fēng)險(xiǎn)狀態(tài)判定工具作為人群篩查的重要工具，正越來(lái)越受到醫(yī)學(xué)人員的重視。糖尿病風(fēng)險(xiǎn)狀態(tài)判定主要傾向于對(duì)患病風(fēng)險(xiǎn)狀態(tài)的評(píng)估，是指對(duì)個(gè)人所處的風(fēng)險(xiǎn)狀態(tài)所作的分析和推斷，是風(fēng)險(xiǎn)決策的基礎(chǔ)，糖尿病風(fēng)險(xiǎn)狀態(tài)判定模型能有效并準(zhǔn)確預(yù)測(cè)個(gè)人發(fā)生疾病的風(fēng)險(xiǎn)狀態(tài)，可以減輕醫(yī)學(xué)人員的工作量，同時(shí)也可以準(zhǔn)確的針對(duì)高風(fēng)險(xiǎn)人群采取針對(duì)性的預(yù)防措施。2型糖尿病風(fēng)險(xiǎn)狀態(tài)判定需要解決2個(gè)基本問題1.如何提取與2型糖尿病發(fā)病緊密相關(guān)的關(guān)鍵屬性，增強(qiáng)風(fēng)險(xiǎn)判定的普適性；2.如何根據(jù)關(guān)鍵屬性合理的判定個(gè)人發(fā)病風(fēng)險(xiǎn)狀態(tài)。綜觀現(xiàn)有2型糖尿病風(fēng)險(xiǎn)狀態(tài)判定方法，通常使用的方法有I.在關(guān)鍵屬性提取方面根據(jù)算法原理一般分為過濾法和包裝法，過濾法一般包括以下方法(I)Relief方法該方法是根據(jù)統(tǒng)計(jì)相關(guān)性標(biāo)準(zhǔn)提取關(guān)鍵屬性，根據(jù)特征值的區(qū)分能力來(lái)評(píng)價(jià)特征的相關(guān)度，即關(guān)鍵屬性應(yīng)該使同類的樣本接近,而使不同類的樣本之間遠(yuǎn)離，基本思想是對(duì)樣本進(jìn)行抽樣，在根據(jù)抽取的樣本與同類、不同類的兩個(gè)最接近樣本的差異計(jì)算相關(guān)度，從而確定每個(gè)屬性的不同權(quán)重。Relief方法選擇的關(guān)鍵屬性相關(guān)性較強(qiáng)，且能夠處理離散和連續(xù)屬性，但該方法不能消除冗余屬性，且由于計(jì)算樣本間距離將產(chǎn)生較大的時(shí)間開銷，無(wú)法滿足高維數(shù)據(jù)關(guān)鍵屬性提取的時(shí)間性能要求。(2)主成分分析方法該方法研究各個(gè)屬性之間的相關(guān)關(guān)系，將原來(lái)一組具有一定相關(guān)性的屬性，通過變換成為一組新的屬性集合作為關(guān)鍵屬性，通過這種變換達(dá)到用較·少的新屬性代替原來(lái)較多屬性的目的，并且使新屬性盡可能多保留原來(lái)較多屬性反映的信息。但是主成分分析法涉及到特征方程等矩陣運(yùn)算，算法的時(shí)間消耗不能滿足高維數(shù)據(jù)關(guān)鍵屬性提取的要求。(3)粗糙集方法該方法是在保持屬性的分類能力下，不斷篩除冗余屬性從而獲得關(guān)鍵屬性集合。粗糙集方法一般根據(jù)差別矩陣、屬性重要度或JOHNSON約簡(jiǎn)方法，通過屬性依賴程度的不同消除對(duì)分類結(jié)果影響較低的屬性，達(dá)到提取關(guān)鍵屬性的目的。雖然該方法可以有效地刪除不相關(guān)屬性，但沒有考慮噪聲數(shù)據(jù)的影響，并且計(jì)算效率低。(4)信息熵方法該方法主要用于信息理論中分析信息不確定度，也可用作屬性作用度的評(píng)價(jià)，即關(guān)鍵屬性提取。其基本思想是根據(jù)計(jì)算信息增益等方法劃分?jǐn)?shù)據(jù)，并從新計(jì)算劃分后的數(shù)據(jù)增益，典型方法有ID3和C4. 5，但該方法時(shí)間復(fù)雜度高。(5)遺傳算法該方法將解表示為以二進(jìn)制串編碼的“染色體”，在執(zhí)行算法前，給出假設(shè)解的“染色體”，然后把這些假設(shè)解置于具體問題也即“環(huán)境”中，按照一定原則從中選擇出較適應(yīng)環(huán)境的編碼串模擬生物遺傳過程的復(fù)制、交叉、變異產(chǎn)生更適應(yīng)環(huán)境的新一代。依此進(jìn)化，最后就會(huì)逐漸收斂到最適應(yīng)環(huán)境的一個(gè)編碼串上，也即最優(yōu)解。通過該過程即可提取關(guān)鍵屬性。但該方法需要不停迭代計(jì)算，算法時(shí)間復(fù)雜度高，在關(guān)鍵屬性提取中很少應(yīng)用。包裝法該方法將學(xué)習(xí)算法作為測(cè)試用的黑盒子，利用相關(guān)的學(xué)習(xí)算法對(duì)屬性子集進(jìn)行評(píng)價(jià)，其主要思想是用訓(xùn)練數(shù)據(jù)和相應(yīng)的學(xué)習(xí)算法訓(xùn)練一個(gè)分類模型，然后用測(cè)試數(shù)據(jù)來(lái)評(píng)估這個(gè)分類器的分類準(zhǔn)確率，通過迭代提取關(guān)鍵屬性，同時(shí)能夠發(fā)現(xiàn)比較適合的學(xué)習(xí)算法以及算法的相關(guān)參數(shù)設(shè)定值。包裝法優(yōu)點(diǎn)是對(duì)學(xué)習(xí)算法的支持度高，缺點(diǎn)是該模型需要耗費(fèi)大量的時(shí)間進(jìn)行學(xué)習(xí)和訓(xùn)練，時(shí)間復(fù)雜度高，效率低，不適用于學(xué)習(xí)算法經(jīng)常變動(dòng)的情況。2.在風(fēng)險(xiǎn)狀態(tài)判定方法方面(I)芬蘭糖尿病風(fēng)險(xiǎn)評(píng)分法芬蘭風(fēng)險(xiǎn)評(píng)分問卷(FINDRISC)由Lindstrom于2003年提出，是第一個(gè)通過隊(duì)列研究獲得的糖尿病風(fēng)險(xiǎn)評(píng)估模型，被認(rèn)為是最具權(quán)威性的2型糖尿病風(fēng)險(xiǎn)評(píng)估工具，在全球應(yīng)用廣泛，可在無(wú)需醫(yī)務(wù)人員的協(xié)同幫助下，實(shí)現(xiàn)自我評(píng)分預(yù)測(cè)。芬蘭風(fēng)險(xiǎn)評(píng)分模型采用兩組不同隨訪人群數(shù)據(jù)作為風(fēng)險(xiǎn)評(píng)估研究的數(shù)據(jù)源，該方法通過對(duì)隨機(jī)抽樣人群隨訪10年，并對(duì)關(guān)于年齡、體質(zhì)指數(shù)(BMI)、腹圍腹臀圍比、血壓、家族史、飲食和運(yùn)動(dòng)習(xí)慣等問題評(píng)分，每個(gè)問題均有固定評(píng)分標(biāo)準(zhǔn)，根據(jù)評(píng)分細(xì)則，個(gè)人可通過計(jì)算每個(gè)相應(yīng)危險(xiǎn)因素的危險(xiǎn)系數(shù)分值，并各項(xiàng)相加即可得到個(gè)人風(fēng)險(xiǎn)評(píng)分，其分值越高，患糖尿病風(fēng)險(xiǎn)越大。在風(fēng)險(xiǎn)評(píng)分模型中，個(gè)人風(fēng)險(xiǎn)評(píng)分值范圍在(Γ20分，通過臨床隊(duì)列分析，大于等于9分者則需要進(jìn)一步診斷和檢查。經(jīng)過1987年和1992年這兩個(gè)隊(duì)列研究，模型的合理性得到其靈敏性是78%和81%，特異性是77%和76%，陽(yáng)性預(yù)測(cè)值是O. 13和O. 05，AUC為O. 85和O. 87，結(jié)果顯示該風(fēng)險(xiǎn)評(píng)分模型具有較好的預(yù)測(cè)效果。(2)多因素模型法該方法以是否患有糖尿病為因變量，關(guān)鍵屬性為自變量，進(jìn)行多元回歸(Logistic回歸或Cox回歸)，獲得回歸系數(shù)，然后將回歸系數(shù)轉(zhuǎn)化成相應(yīng)的風(fēng)險(xiǎn)分值，建立模型，計(jì)算個(gè)人總風(fēng)險(xiǎn)分值，并根據(jù)ROC曲線獲得風(fēng)險(xiǎn)分值的判斷點(diǎn)。該方法通過比較個(gè)人總風(fēng)險(xiǎn)分值與判斷點(diǎn)的大小，判定個(gè)人處于糖尿病期或糖尿病前期。多因素模型法在不同人群中經(jīng)過驗(yàn)證，具有一定準(zhǔn)確性，但該方法僅能判定人群是否處于糖尿病期或糖尿病前期，并不能判定其他風(fēng)險(xiǎn)狀態(tài)。(3)單因素加權(quán)分?jǐn)?shù)法該方法采用Logistic回歸進(jìn)行建模，將各關(guān)鍵屬性的OR值轉(zhuǎn)化成相應(yīng)的風(fēng)險(xiǎn)分值，建立模型并計(jì)算總的風(fēng)險(xiǎn)分值，該方法按照總風(fēng)險(xiǎn)分值將糖尿病風(fēng)險(xiǎn)狀態(tài)劃分為5個(gè)狀態(tài)。但該方法未考慮人群特點(diǎn)，使得建立模型沒有普適性，不同國(guó)家和不同地區(qū)的模型也大不相同。(4)HCI的糖尿病風(fēng)險(xiǎn)評(píng)估方法是由吳海云、潘平等人于2007年提出的，是針對(duì)我國(guó)成年人糖尿病風(fēng)險(xiǎn)程度評(píng)估的模型之一，該方法根據(jù)多學(xué)科專家小組提出我國(guó)成年人糖尿病發(fā)病的主要風(fēng)險(xiǎn)因素及其相對(duì)風(fēng)險(xiǎn)度，建立的可通過病史及生活問卷資料評(píng)估個(gè)體糖尿病發(fā)病風(fēng)險(xiǎn)的計(jì)算方法，應(yīng)用哈佛癌癥風(fēng)險(xiǎn)指數(shù)計(jì)算公式，根據(jù)個(gè)人風(fēng)險(xiǎn)因素的相對(duì)風(fēng)險(xiǎn)度以及同性別年齡組的相對(duì)風(fēng)險(xiǎn)度計(jì)算個(gè)人患病的相對(duì)風(fēng)險(xiǎn)度，該模型可用于評(píng)估我國(guó)成年人個(gè)體糖尿病發(fā)病風(fēng)險(xiǎn)，提示個(gè)體不同風(fēng)險(xiǎn)因素對(duì)其糖尿病發(fā)病風(fēng)險(xiǎn)的影響。該方法建立的評(píng)估模型方法可以通過大型人群隊(duì)列研究，經(jīng)多因素回歸分析得出某一疾病的相關(guān)預(yù)測(cè)變量，模型將患病風(fēng)險(xiǎn)程度劃分為5個(gè)等級(jí)，具有一定的借鑒意義，且便于實(shí)現(xiàn)，并用于網(wǎng)絡(luò)的健康管理系統(tǒng)及社區(qū)預(yù)防保健等機(jī)構(gòu)使用，但是該方法并未給出相關(guān)準(zhǔn)確性的驗(yàn)證，所以該方法在實(shí)際應(yīng)用的價(jià)值還有待商榷。綜上所述，對(duì)于糖尿病風(fēng)險(xiǎn)狀態(tài)判定問題，現(xiàn)有方法選取的關(guān)鍵屬性均不相同，沒有代表性；同時(shí)，現(xiàn)有風(fēng)險(xiǎn)狀態(tài)判定方法沒有考慮 人群內(nèi)在特點(diǎn)，建立模型不具有普適性，對(duì)于不同人群的判定效果不甚理想。

發(fā)明內(nèi)容
本發(fā)明的目的是解決2型糖尿病風(fēng)險(xiǎn)狀態(tài)判定問題，提出一種基于關(guān)鍵屬性提取和logistic回歸的2型糖尿病風(fēng)險(xiǎn)狀態(tài)判定方法，其中關(guān)鍵屬性提取采用EM聚類和C4. 5分類實(shí)現(xiàn)對(duì)影響2型糖尿病發(fā)病的關(guān)鍵屬性提取。本發(fā)明的設(shè)計(jì)原理為使用EM聚類和C4. 5分類提取影響2型糖尿病發(fā)病的關(guān)鍵屬性，并將人群根據(jù)自身特點(diǎn)劃分到不同聚類簇；根據(jù)關(guān)鍵屬性提取結(jié)果和Logistic回歸方法，結(jié)合代謝綜合征和高危人群判定標(biāo)準(zhǔn)判定個(gè)人或人群風(fēng)險(xiǎn)狀態(tài)。在獲得影響2型糖尿病的關(guān)鍵屬性的同時(shí)，考慮人群不同特點(diǎn)構(gòu)造不同風(fēng)險(xiǎn)狀態(tài)判定模型，提升模型的普適性和實(shí)用性，并滿足實(shí)時(shí)處理及移動(dòng)計(jì)算的需求。本發(fā)明的技術(shù)方案是通過如下步驟實(shí)現(xiàn)的 步驟I，將N個(gè)被評(píng)估對(duì)象作為樣本集S，其中每個(gè)對(duì)象包含M個(gè)影響2型糖尿病發(fā)病的關(guān)鍵屬性；將關(guān)鍵屬性作為列，不同樣本對(duì)應(yīng)的屬性值作為行，建立樣本集S的矩陣表示[s(a+c;)b];并采用EM聚類方法對(duì)樣本集S進(jìn)行聚類，得到k個(gè)聚類簇。具體實(shí)現(xiàn)方法為步驟I. I，首先將N個(gè)對(duì)象根據(jù)是否含有缺失數(shù)據(jù)分為兩個(gè)樣本集完全數(shù)據(jù)集X和缺失數(shù)據(jù)集Y。所述完全數(shù)據(jù)集X為M個(gè)關(guān)鍵屬性對(duì)應(yīng)的數(shù)據(jù)均無(wú)缺失的對(duì)象集合。集合中所有對(duì)象關(guān)鍵屬性的數(shù)據(jù)構(gòu)成矩陣[Xab]，其中矩陣的行數(shù)a表示完全數(shù)據(jù)樣本對(duì)象，列數(shù)b表示完全數(shù)據(jù)樣本各屬性對(duì)應(yīng)的數(shù)據(jù)，b=l, 2,... ,M0所述缺失數(shù)據(jù)集Y為M個(gè)關(guān)鍵屬性對(duì)應(yīng)的數(shù)據(jù)中存在一個(gè)或多個(gè)缺失的對(duì)象集合。集合中所有對(duì)象的關(guān)鍵屬性數(shù)據(jù)形成一個(gè)矩陣[yJ，行數(shù)c表示缺失數(shù)據(jù)樣本對(duì)象，列數(shù)b表示缺失數(shù)據(jù)樣本各屬性對(duì)應(yīng)的數(shù)據(jù)。步驟1.2，設(shè)置聚類簇個(gè)數(shù)k (k彡N)，由于樣本集S中任意第i個(gè)樣本Iii
(l^i^ N)，均服從k個(gè)聚類簇的混合概率分布
knt ~ /，( Α·>|θ) = Tjl jAji, \ Θ,)其中Θ = (Ji1, Ji2,... , Jik, θ 17 Θ 2，…，Θ k)表示k個(gè)聚類簇的混合概率分布參數(shù)，Θ j表示第j個(gè)聚類簇的概率分布參數(shù)，π j表示Iii來(lái)自第j個(gè)聚類簇的可能性，j =
l，2，...，k，Ji x+ Ji 2+· . . + Ji k = I ο因此，設(shè)定一組參數(shù)值eQ = ( I,…,74時(shí)為…,Cl作為樣本集S的初始混合概率分布參數(shù)估計(jì)值。步驟I. 3，將步驟I. 2給定的初始混合概率分布參數(shù)估計(jì)值 °代入缺失數(shù)據(jù)集Y，獲得ycb的后驗(yàn)分布概率為
權(quán)利要求
1 一種2型糖尿病風(fēng)險(xiǎn)狀態(tài)判定方法，其特征在于包括以下步驟 步驟1，將N個(gè)被評(píng)估對(duì)象作為樣本集S，其中每個(gè)對(duì)象包含M個(gè)影響2型糖尿病發(fā)病的關(guān)鍵屬性；將關(guān)鍵屬性作為列，不同樣本對(duì)應(yīng)的屬性值作為行，建立樣本集S的矩陣表示；采用EM聚類方法對(duì)樣本集S進(jìn)行聚類，得到k個(gè)聚類簇；具體實(shí)現(xiàn)方法為 步驟I. 1，將N個(gè)對(duì)象根據(jù)是否含有缺失數(shù)據(jù)分為完全數(shù)據(jù)集X和缺失數(shù)據(jù)集Y ; 步驟1.2，設(shè)置聚類簇個(gè)數(shù)k，以及樣本集S的初始混合概率分布參數(shù)估計(jì)值Q0 =...,θξ). θ 4示第j個(gè)聚類簇的概率分布參數(shù)，π 4示第i個(gè)樣本 IIi 來(lái)自第 j 個(gè)聚類簇的可能性,j = I, 2,. . . , k, 31!+ 312+. . . + 31 k = I ；k ^ N, I ^ i ^ N ； 步驟I. 3，將步驟I. 2給定的初始混合概率分布參數(shù)估計(jì)值O °代入缺失數(shù)據(jù)集Y，獲得Ich的后驗(yàn)分布概率為 I ab^ )O /I no/ , nkPk ( Xab I j 其中Xab e X，Ycb e Y, a表示完全數(shù)據(jù)樣本對(duì)象，b表示完全數(shù)據(jù)樣本各屬性對(duì)應(yīng)的數(shù)據(jù)，c表示缺失數(shù)據(jù)樣本對(duì)象，b=l, 2, ... ,M ； 數(shù)據(jù)集Y的后驗(yàn)分布函數(shù)為 p{Y\^) = f\p{ycb\^°)., b^l 步驟I. 4，根據(jù)步驟I. 3獲得的后驗(yàn)分布函數(shù)，對(duì)完全數(shù)據(jù)的對(duì)數(shù)似然函數(shù)In L(0 |X，Y)求期望，得到M個(gè)期望值，用其代替缺失數(shù)據(jù)集Y中相應(yīng)列數(shù)的各個(gè)缺失數(shù)據(jù)，得到新樣本集Y丨； 所述to舉|X, Y) = \η/>{χ,γ|Θ) = ^\ycb)p{ycb)； A-1 步驟I. 5，根據(jù)步驟I. 4計(jì)算獲得的樣本集Y丨以及完全數(shù)據(jù)集X，計(jì)算樣本集S的最大似然參數(shù)Q( ， °)Q(0, O0)= Σ ln(L(0 X, Υ)ρ(Υ|Χ, Θ0)) 步驟1.6，將0(0，Θ°)極大化，得到O1，滿足Q(e)1，0°)=max Q(0, O0)，用θ 1代替 °，代入步驟I. 3 ； 步驟1.7，執(zhí)行步驟1.3至步驟1.6的迭代過程α次，直至|Q(0a+1,0a)-Q(0a,0a-1)||<e，停止迭代；得到的 α作為k個(gè)聚類簇的混合概率分布參數(shù)估計(jì)值 ; 步驟I. 8，利用混合概率分布參數(shù)估計(jì)值O，分別計(jì)算各樣本對(duì)象屬于聚類簇j的后驗(yàn)條件概率密度值；按照樣本與聚類簇的隸屬概率最大的原則，把樣本集S中的各個(gè)樣本分入k個(gè)聚類簇； 步驟2，對(duì)步驟I得到的每個(gè)聚類簇分別采用C4. 5分類方法進(jìn)行決策樹訓(xùn)練，獲得k個(gè)決策樹； 步驟3，針對(duì)每個(gè)屬性，根據(jù)其在步驟2獲得的k個(gè)決策樹中出現(xiàn)的層數(shù)，以及在該層出現(xiàn)的次數(shù)和，計(jì)算該屬性的層數(shù)系數(shù)； 對(duì)于樣本集S，第b列屬性的層數(shù)系數(shù)Lb為
2.根據(jù)權(quán)利要求I所述的一種2型糖尿病風(fēng)險(xiǎn)狀態(tài)判定方法，其特征在于所述完全數(shù)據(jù)集X為M個(gè)關(guān)鍵屬性對(duì)應(yīng)的數(shù)據(jù)均無(wú)缺失的對(duì)象集合，其矩陣表示為[xab];所述缺失數(shù)據(jù)集Y為M個(gè)關(guān)鍵屬性對(duì)應(yīng)的數(shù)據(jù)中存在一個(gè)或多個(gè)缺失的對(duì)象集合，其矩陣表示為[ycb]。
3.根據(jù)權(quán)利要求I所述的一種2型糖尿病風(fēng)險(xiǎn)狀態(tài)判定方法，其特征在于所述步驟2中，第j個(gè)聚類簇的決策樹的具體構(gòu)建過程為 步驟2. 1，根據(jù)中國(guó)糖尿病協(xié)會(huì)提出的2型糖尿病判定準(zhǔn)則，將聚類簇j中的對(duì)象分為患病類別P和未患病類別Q，其中P包含g個(gè)樣本對(duì)象，Q包含h個(gè)樣本對(duì)象； 步驟2. 2，計(jì)算所有對(duì)象分別屬于類別P和Q的信息量為
4.根據(jù)權(quán)利要求I所述的一種2型糖尿病風(fēng)險(xiǎn)狀態(tài)判定方法，其特征在于所述Logistic回歸模型的形式為
5.根據(jù)權(quán)利要求I所述的一種2型糖尿病風(fēng)險(xiǎn)狀態(tài)判定方法，其特征在于所述ROC曲線為將各樣本對(duì)象不同的相對(duì)發(fā)病概率作為閾值，將各樣本對(duì)象劃分為患病類P ;和未患病類，并與根據(jù)中國(guó)糖尿病協(xié)會(huì)的2型糖尿病判定準(zhǔn)則得到的患病類P、未患病類Q對(duì)比,將同時(shí)屬于P和P '的樣本對(duì)象作為確認(rèn)患病對(duì)象,將同時(shí)屬于Q和Q '的樣本對(duì)象作為排除患病對(duì)象；計(jì)算所有樣本對(duì)象的靈敏度和特異度，并將靈敏度為縱坐標(biāo)，(I-特異度)為橫坐標(biāo)，繪制出的曲線；其中，靈敏度=確認(rèn)患病對(duì)象個(gè)數(shù)/屬于類別P的對(duì)象個(gè)數(shù)；特異度=排除患病對(duì)象個(gè)數(shù)/屬于類別Q的對(duì)象個(gè)數(shù)。
全文摘要
本發(fā)明涉及一種2型糖尿病風(fēng)險(xiǎn)狀態(tài)判定方法，屬于生物醫(yī)學(xué)技術(shù)領(lǐng)域。本方法使用EM聚類和C4.5分類提取影響2型糖尿病發(fā)病的關(guān)鍵屬性，并將人群根據(jù)自身特點(diǎn)劃分到不同聚類簇；根據(jù)關(guān)鍵屬性提取結(jié)果和Logistic回歸方法，結(jié)合代謝綜合征和高危人群判定標(biāo)準(zhǔn)判定個(gè)人或人群風(fēng)險(xiǎn)狀態(tài)。在獲得影響2型糖尿病的關(guān)鍵屬性的同時(shí)，考慮人群不同特點(diǎn)構(gòu)造不同風(fēng)險(xiǎn)狀態(tài)判定模型，提升模型的普適性和實(shí)用性，并滿足實(shí)時(shí)處理及移動(dòng)計(jì)算的需求；通過量化分析方法評(píng)價(jià)關(guān)鍵屬性的作用程度，具有復(fù)雜度低、準(zhǔn)確率高、劃分風(fēng)險(xiǎn)狀態(tài)詳細(xì)的特點(diǎn)。
文檔編號(hào)G06F19/00GK102930163SQ20121043159
公開日2013年2月13日 申請(qǐng)日期2012年11月1日 優(yōu)先權(quán)日2012年11月1日
發(fā)明者羅森林, 張鐵梅, 陳 峰 申請(qǐng)人:北京理工大學(xué)