CN101916334A - 一种皮肤状况预测方法及其预测系统 - Google Patents

Abstract

本发明公开了一种皮肤状况预测方法，包括获取受试者的皮肤数据，并对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特征属性中的关键特征，以得到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；利用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，根据分析结果生成并输出针对测试者的皮肤改进意见本发明的皮肤状况预测方法及预测系统，相对传统的预测方法节省时间和成本，且简单易行。并且可重复训练并基于更多的训练数据进行学习，其运行效果符合现有实验结果，对未知数据也表现合理。

Description

一种皮肤状况预测方法及其预测系统

技术领域

本发明涉及计算机应用技术和护肤品预测领域，特别是涉及一种皮肤状况预测方法及其预测系统。

背景技术

随着生活水平的不断提高，人们除了关注物质生活的丰富外，也将更多精力投入到保养自身皮肤中。现今，女性在这方面拥有更大的兴趣，大多数女性都采用化妆品而使自身皮肤处于最佳的状态。

因此，日用化妆品企业为了获得更多的市场占有率，将对普通人群皮肤状况的测试作为其产品研发过程中的一项重要工作。然而传统的皮肤状况测试在一般情况下采用医学临床实验完成。此类实验不仅需要统计大量信息，过程繁琐，而且需要采用专门的设备，实验成本非常高。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一，特别针对降低测试成本，提出了一种改进意见的皮肤状况预测方法及预测系统，根据预测结果和测试者的基本情况以及生活习惯，实现对测试者的皮肤状况进行预测。

根据本发明实施例的皮肤状况预测方法，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。

根据本发明另一个实施例的皮肤状况预测系统，包括用户界面模块、训练模块、皮肤状况预测模块、改进意见生成模块和中央控制模块。

其中，用户界面模块，用于提供图形化的用户操作界面；训练模块，用于对测试数据进行预处理以得到关键特征，并根据所述特征训练迭代神经网络，生成基于神经网络的预测模型；皮肤状况预测模块，用于根据所述训练模块生成的基于神经网络的预测模型，对测试者的皮肤状况进行预测；改进意见生成模块，用于对所述皮肤状况预测模块的预测结果进行分析，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；中央控制模块，用于协调和控制所述训练模块、皮肤状况预测模块和改进意见生成模块之间的工作，并且将来自所述用户界面模块的用户操作指令转化为对所述训练模块、皮肤状况预测模块和改进意见生成模块的协调动作以执行，并将执行结果反馈到所述用户界面模块。

根据本发明实施例的皮肤状况预测方法及预测系统，至少具有下列优点之一：

1)节省时间。受试者只需要填写调查问卷即可，不需要复杂的人工测试。

2)节省成本。测试完毕后，可以由计算机立即给出结果，不需要复杂的人工分析，测试成本低。

3)简单易行。可以通过网络远程进行，测试者可以自己在家里完成。这种新的方式将使用户更简便直接的了解自己的皮肤状况，并将使用户皮肤状况的调查研究工作变得更加方便。

并且，本发明实施例的皮肤状况预测方法及预测系统可重复训练并基于更多的训练数据进行学习，其运行效果符合现有实验结果，对未知数据也表现合理。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1为本发明实施例的皮肤状况预测方法流程图；

图2为本发明实施例的皮肤状况的预测方法的实施流程示意图；

图3为本发明实施例的皮肤状况的预测方法的操作流程示意图；

图4为典型的迭代神经网络结构图；

图5为本发明实施例的皮肤状况的三层迭代神经网络预测模型结构图；

图6为图2中生成改进意见的算法举例示意图；

图7为本发明实施例的皮肤状况预测系统的结构框图；以及

图8为图7中训练模块的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

为实现本发明之目的，本发明实施例公开了一种皮肤状况预测方法。如图1所示，该预测方法包括如下步骤：

S101：获取受试者的皮肤数据，并对上述皮肤数据进行数字化以得到皮肤的特征属性；

具体的说，首先采用调查问卷形式获取受试者的皮肤数据。调查问卷包括《问卷_受试者信息调查问卷》和《问卷_化妆品问卷调查》。其中，《问卷_志愿者信息调查问卷》是对被调查者的基本信息，如年龄、学历及工作情况进行调查。《问卷_化妆品问卷调查》主要针对被调查者使用化妆品的习惯以及对化妆品的了解程度进行调查。对于被调查者，合作方采用临床医学的方法对其皮肤状况(如肤色、色斑比例、皮肤水润程度等)进行测试。

在本实施例中，上述两类调查问卷共设置有49道题，题型包括单选题、多选题、判断题及填空题等。结合图2所示，为保证调查内容的全面性以及数据准确性，调查对象为北京市与广州市的中国女性。这两个地区的分别位于中国的北方和南方，代表了北方和南方两个地区的女性皮肤状况。其中，被调查者即受试者年龄平均分布在10岁到70岁之间。数据共包含约900个实例，其中有605组数据用于现阶段建模，剩余数据将分3次用于对模型的测试与完善。在这一阶段中，所使用的605组数据中，有299组为北京数据，另外306组为广州数据。

本发明的皮肤状况预测方法基于上述605组数据选出与皮肤状况相关的关键特征并构建预测模型。

在数据预处理阶段采用下述四种方式处理调查问卷的结果，对调查问卷的结果进行数字化，将调查问卷的原始数据转化为计算机可以处理的形式的过程。

本发明中主要采用四种方式处理调查问卷的结果。

1、问题合并

对信息比较冗余的问题进行合并。以表1为例，问题包括询问受试者的年龄与出生日期。对上述两个问题进行合并，只调查受试者的年龄，并在提取关键特征时，以10年为一档进行划分。

表1

2、问题拆分

对于可多选且选项之间没有直接关联的问题，将其拆分为多道判断题。每道判断题代表是否有选择一个原来的对应选项。以表2为例，问题包括询问受试者是否存在一些疾病。将其拆分为多个问题，每题对应于一种疾病的询问情况。

表2

3、问题转化

对于一些组织结构不适合直接数字化的问题，将其转化为利于计算机处理的数据形式。以表3为例，对受试者的吸烟情况进行调查，并对其进行数字化。

表3

4、问题舍弃

对于一些回答选项单一，或与预测任务不相干的题目，将其舍弃。以表4为例。

表4

通过上述四种数据处理方式，得到了对整个调查问卷的数字化结果。上述数字化结果包括51个属性。除编号外，共有50个特征属性。

由于调查问卷的数据容易受到数据自身格式、数据不一致性等问题的侵扰，在进行特征选择和预测工作前，还必须对其作进一步的数据预处理工作。常用的数据预处理技术包括数据清理、数据规约、数据离散化以及数据变换等。为了从中提取关键特征，对上述数字化结果进一步数据预处理，包括：数据清理、数据归约、数据离散化以及数据变换。

1)数据清理

数据清理可以填补缺失的数据，去掉数据中的噪声，并纠正不一致数据。

对于缺失数据的处理采用均值填补的方法。即通过均值填补缺失数据，并删除蕴含信息量少的特征。

在本发明的实施例中，将北京和广州的数据合并后，统计得到由数据缺失的属性达19个。其中，缺失最严重的特征属性缺失10个实例数据，缺失率约为2％。对于数据缺失的情况采用均值法进行了处理。例如属性“Weight”表示受试者体重，共有3个实例缺失该属性的数据。对此均采用被调查者的体重均值56.98填补了该属性缺失的数据。

2)数据归约

数据归约可以通过聚集、删除冗余特征或聚类等方法来减小数据规模。在本实施例中，数据归约主要为删除无效特征。对于一个特征属性，当受试者的数据中取值为同一值的实例数占总实例数超过97％，则该特征即为无效特征。由于无效特征蕴含信息量太少，而且比较容易受到干扰，在预处理阶段会将其删除。例如特征“Seborrhea”表示受试者是否患过脂溢性皮炎，共有8个受试者表示曾经患过，剩余597个受试者都没有患过。由于超过97％的受试者都选择了相同的选项，这个特征会被删除。在删除无效特征后，余下的数据集共有特征属性为40个。

3)数据离散化

在进行关键特征提取的任务时，为了计算不同属性对预测指标的区分能力，需要对连续型属性进行离散化，将其划分为不同的区间。

数据离散化可以用区间标号代表连续属性，减少输入属性的取值个数。对于年龄属性，本发明中采用等宽法将其进行6等分，使得划分间隔为10年。

在本发明实施例中，对于其它连续型特征属性，采用等宽法、等频法与人工法三种方法进行离散化。

4)数据变换

数据变换包括数据规范化，可以提高涉及距离度量算法的准确率和有效性。

其中，数据离散化和数据规范化分别被用于关键特征提取任务和预测任务。

通过上述方法将调查问卷中得到受试者的数据进行数字化，将其转化为计算机能够存储并处理的形式。然后通过数据预处理得到皮肤状况的相应特征属性，形成实验数据集。

S102：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；

从步骤101中得到的特征属性中采取下述三种方法提取关键特征。在进行关键特征提取时，需要确定数据集中每一维特征与目标值的关联程度如何，也就是需要评价特征的重要程度。

其中，关键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，基于信息增益比例(增益率)的特征评价法。下面分别对上述三种关键特征提取方法进行说明。

1)基于卡方值(χ2)的特征评价法

基于卡方值(χ2)的特征评价法通过计算特征关于类别的卡方值来评估特征的重要程度，然后根据卡方值对特征的重要程度进行排序。两个属性A和B的χ2(chi-square，卡方)值可以用下式计算：

${\mathrm{\χ}}^2=\underset{i=1}{\overset{c}{\mathrm{\Σ}}}\underset{j=1}{\overset{r}{\mathrm{\Σ}}}\frac{{(o_{\mathrm{ij}}-e_{\mathrm{ij}})}^2}{e_{\mathrm{ij}}},$

其中，o_ij为联合事件(A_i，B_j)的观测频度(即实际计数)；e_ij为(A_i，B_j)的期望频度。

其中，W为数据元组的个数，count(A＝a_i)为A具有值a_i的元组个数，count(B＝b_j)为B具有值b_j的元组个数。

通过基于卡方值(χ2)的特征评价法得到卡方值χ2，当χ2越大时，则表示两个特征属性越相关。

2)基于信息增益的特征评价法

基于信息增益的特征评价法通过计算特征的信息熵增益来评估特征的重要程度，并根据信息熵增益值对特征的重要程度进行排序。信息增益的度量方法是基于Claude Shannon信息论方面“信息熵”的主要思想。设元组集合为D，集合D的信息熵(entropy)可以由如下公式计算：

$\mathrm{Info}\left(D\right)=-\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{p}_i{\log }_2\left(p_i\right),$

其中，p_i为D中任意元组属于类C_i的概率，并用|C_i，D|/|D|估计。由于信息为二进位编码，因此采用以2为底的对数函数。Info(D)为识别D中元组的类标号所需要的平均信息量。

设通过特征属性A来划分D中的元组，A根据训练数据的观测有v个不同的值{a₁，a₂，...，a_v}。如果A是离散的，则这些值对应于属性A上的测试的v个输出。利用属性A将D划分为v个子集{D₁，D₂，...，D_v}，其中D_j包含D中的元组且它们在A上具有值a_j。经过A划分后要将D分类还需要的信息量为：

${\mathrm{Info}}_A\left(D\right)=-\underset{j=1}{\overset{v}{\mathrm{\Σ}}}\frac{\left|D_j\right|}{\left|D\right|}*\mathrm{Info}\left(D_j\right),$

其中，|D_j|/|D|充当第j个划分的权重。InfoA(D)基于按A划分对D的元组分类所需要的期望信息。信息增益定义为原来的信息需求(即仅基于类的比例)与新的需求(即对A划分之后得到的)之间的差，即：

Gain(A)＝Info(D)-InfoA(D)，

其中，Gain(A)越大，表示特征属性A越关键，与目标值联系越紧密。类似的，计算其他特征属性的关键程度。根据Gain，将特征属性按照关键程度进行排序，排名靠前的特征属性将被选作关键特征。

3)基于信息增益比例(增益率)的特征评价法

基于信息增益比例(增益率)的特征评价法通过计算特征的信息熵增益比例来评估特征的重要程度，根据信息熵增益比例值(增益率)对特征的重要程度进行排序。

计算增益率，首先计算分裂信息，类似于Info(D)，定义如下：

${\mathrm{SplitInfo}}_A\left(D\right)=-\underset{j=1}{\overset{v}{\mathrm{\Σ}}}\frac{\left|D_j\right|}{\left|D\right|}*{\log }_2\left(\frac{\left|D_j\right|}{\left|D\right|}\right)$

SplitInfo_A(D)表示通过将训练数据集D划分成对应于属性A测试的v个输出的v个划分产生的信息。

其中，信息增益比例(增益率)定义为：

$\mathrm{GainRatio}\left(A\right)=\frac{\mathrm{Gain}\left(A\right)}{\mathrm{SplitInfo}\left(A\right)}$

其中，增益率越大，表示属性A越关键，和目标值联系越紧密。类似的，计算其他特征属性的关键程度。根据GainRatio，将特征属性按照关键程度进行排序，排名靠前的特征属性将被选作关键特征。

针对上述每一种关键特征提取方法，按照采用该方法得到的特征重要程度排序结果，对每个特征赋予归一化处理后的权值。即将每个关键特征按所需的预测范围归一化处理，使每种因素的取值均在-1到1之间，由此才能作为神经网络的输入数据。

具体的说，排在第一的特征赋值为1，排在末位的特征赋值为0，未被列入排序表中的特征也赋值为0。对于排在中间的特征，按照等分法均匀赋值。由此得到所有特征在不同抽取方法下的权值。

然后对于每个特征，将按照不同关键特征提取方法所赋予的权值相加，即得到该特征的总权值。按照上述总权值对特征进行排序，总权值越大，则特征的重要性越大。选取总权值前n名的特征作为关键特征。

以表5为例，利用上述方法对A、B、C、D四个特征重要程度的排序结果。

表5

分别采用上述三种评价方法对特征A、B、C、D的重要程度进行评价。如表5所示，首先，分别计算各个特征在每种评价方法中的权值。在评价方法1中，特征A、B、C、D重要程度依次下降。根据上述排序结果，在归一化处理时，对特征A、B、C、D分别被赋予权值1、2/3、1/3、0。在评价方法2中，特征B、A、C、D重要程度依次下降。根据上述排序结果，在归一化处理时，对特征B、A、C、D分别被赋予权值1、2/3、1/3、0。在评价方法3中，特征C、A、B、D重要程度依次下降。根据上述排序结果，在归一化处理时，对特征C、A、B、D分别赋予权值1、2/3、1/3、0。

然后，将特征在不同方法下获得的权值求和，即得到该特征的总权值。根据这个总权值得到的重要程度排名即为总排名。

即，特征A的总权值为1+2/3+2/3＝7/3；特征B总权值为2/3+1+1/3＝2；特征C总权值为1/3+1/3+1＝5/3；特征D总权值为0+0+0＝0。根据上述各个特征的总权值，得到其重要程度的总排名为A＞B＞C＞D。

S103：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，生成基于神经网络的预测模型；

在步骤102中，将上述所有特征进行排名后，选取了排名靠前的特征作为关键特征。其中，关键特征选取皮肤白度、色斑比例和水润程度。

(1)皮肤白度预测

利用分光色差计精确测量皮肤表面颜色，其中皮肤白度是肤色中最为重要的结果。中国女性皮肤白度主要分布在55-70之间，在本实施例的预测方法中校正后范围为[0，100]的实数。

(2)色斑比例预测

利用面部皮肤偏正/非偏正光成像系统取得照片后通过软件对色差进行分析，获取色斑面积占整个面部皮肤面积的百分比。中国女性面部色斑比例一般为0％-20％，在本实施例的预测方法中校正后范围为[0，100]的实数。

(3)水润程度预测

利用皮肤水分仪精确测量皮肤角质层水分以了解皮肤水润度。中国女性皮肤水润度主要分布在15-80之间，在本预测系统中校正后范围为[0，100]的实数。

其中，皮肤白度选取了13种因素，色斑比例选取了14种因素，水润程度选取了12种因素。

结合图3所示，将上述归一化处理后的关键特征，即皮肤白度的13种因素，色斑比例的14种因素，水润程度的12种因素作为迭代神经网络的输入，即作为训练数据集训练迭代神经网络。

下面结合图4和图5对迭代神经网络进行说明。迭代神经网络作为人工神经网络的一种，首先对人工神经网络进行介绍。

一个神经网络包含大量的节点，节点一般分层排布，之间相互连接。每个节点连接有输入和输出，因此每个节点实际代表一个映射，该映射称为激励函数y＝f(x1，x2，...，xn)。

节点间的连接代表一个对通过该连接信号的加权值，称为权重。通过节点间的连接，前一层节点的输出在加权后，成为后一层节点的输入。除权重外，节点还可以存在偏置(bias)。因此节点的输出t＝f(wA’+b)，其中，w为权重向量，A为当前节点的输入数据组成的输入向量，A’为输入向量A的转置，b为偏置向量。

迭代神经网络作为人工神经网络的一种，其主要特点：后一层节点的输出可以通过反馈连接作为前面层节点的输入。这样连接的网络可以更好地适应训练数据。

图4为三层的迭代神经网络结构图。输入为x₁(k)、x₂(k)、x₃(k)以及z₁(k-1)和z₂(k-1)，中间层的两个节点z₁(k)和z₂(k)通过有延迟的反馈，连接到了输入层的两个节点z₁(k-1)和z₂(k-1)中，输出为y(k)

通常情况下，迭代人工神经网络的预测工作主要分成两个主要步骤：训练和预测。首先，在训练阶段，基于已有的实验数据(包括实验条件和试验结果，即：对应于神经网络的输入、输出对)，基于梯度下降的反馈学习原理，对神经网络进行训练，自动调整网络的权重，使网络输出能够拟合相应的试验结果对，拟合结果一般需要控制在一定的误差范围内。然后，在已经训练完成的神经网络的基础上，即利用训练后所保存的权重，对用户指定的输入，预测获得相应的输出结果。

在本实施例中，迭代神经网络采用Elman型神经网络。

首先，设置训练迭代神经网络的迭代次数m。在本实施例中，m＝2000。其中，将上述归一化处理后的关键特征，即皮肤白度的13种因素，色斑比例的14种因素，水润程度的12种因素作为迭代神经网络的输入神经元个数。即预测上述三种指标的输入神经元分别为13个，14个，12个，输出神经元均为1个。图5示出了本发明实施例的皮肤状况预测的三层迭代神经网络预测模型的结构示意图。图5中仅示出了输入神经元个数为3的神经网络示意图。当输入神经元数目为多个时，迭代神经网络预测模型类似。

其中，每个神经元的激励函数均为tansig函数，tansig函数定义如下：

$\tan \mathrm{sig}\left(n\right)=\frac{2}{1+e^{-2n}}-1.$

输入输出之间包含1个中间层，由10个神经元组成。而权值以及偏置则由训练得到。

结合图1和图5所示，利用神经网络的中间层对输入神经元进行处理并反馈给神经网络的输入，当满足迭代次数m＝2000时，输出数据。

在本实施例中，训练后的权值保存在数据文件中，供其它步骤多次使用。

此外，神经网络的输出数据需要进行缩放处理，以符合实际数据范围。神经网络的输出取值在-1到1之间，因此需要将其按比例缩放以进行实际数据的输出。

通过上述方法训练神经网络，生成初步的基于神经网络的预测模型。然后选择数据进行交叉验证，对得到的测试结果进行简单的统计分析，反馈到基于神经网络的预测模型，对模型参数进行调整，生成最终的基于神经网络的预测模型。

其中，交叉验证指在给定的建模样本中，取出大部分样本进行建模，留小部分样本用上述刚建立的模型进行预测。例如：10倍交叉验证(10-fold cross validation)，将数据集分成十份，轮流将其中9份做训练，1份做测试，10次结果的均值作为对算法精度的估计。在本实施例中，对基于神经网络的预测模型得到的数据进行交叉验证，然后计算每次交叉验证的测试结果的准确度。具体的说，将由预测模型得到的预测值和真实值进行对比，统计平均绝对误差等参数，然后根据误差大小再进一步调整神经网络模型的参数，直至生成最终的神经网络的预测模型。

S104：利用基于神经网络的预测模型对测试者的皮肤状况进行预测并分析，根据分析结果，生成并输出针对测试者的皮肤改进意见。

根据步骤103中生成的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。

首先，分析测试者的数据，根据分析结果得到每种关键特征的离散化数值在何种情况下起到好的作用，何种情况下比较差，即每种关键特征的优劣程度。然后对每个关键特征在对应离散化数值下的作用(好坏情况)做一个排序，即生成了一个表示好坏程度的排序向量。

然后，根据用户提交的内容，与现有的表示好坏程度的预定排序向量进行比较。p表示比较结果，采用百分比的形式表现。当用户的选择为最好的情况，则设置p为100％，如果为最差的情况，则p设置为0％。

当处于中间取值时，p＝(i-1)/(u-1)*100％，其中，u为关键特征包括的离散化取值，i为用户选择内容在好坏程度的排序向量对应的位置数值。其中，排序向量为“自差向好”，由皮肤状况差到皮肤状况好。

如图6所示，关键特征F1主要有4个离散化数值(30，60，70，80)，通过数据挖掘后得到的结果得到：当关键特征F1的数值为30时，志愿者的肤色最好，数值为80时其次，数值为70时再次，数值为60时最差。由此，得到一个关键特征F1好坏程度的排序向量，即(30，80，70，60)，如果用户选择的数值为80，那么其在该项选择的得分为(2-1)/(4-1)＝33％，其中i＝2，u＝4。

由此，本实施例的预测方法通过用户在每项因素选择的数值用户哪些方面比较差(即p值越小)，取出p最小的三个因素作为对用户的改进因素。

在图6所示的关键特征示例中，选取p值最小的三个，即关键特征F1，F2，F4作为需要改进的特征。

需要说明的是，对于上述排序方法，通常会出现可以推荐的多个因素得分相同的情况。在这种情况下，将得分相同的关键特征通过在关键特征抽取步骤中得到的数据重要程度进行排序，选取最重要的三个因素作为需要改进的因素，进而输出预测结果和改进意见。

本发明实施例的预测方法充分利用已有的实验数据，基于当前先进的机器学习方法与技术，分别实现对皮肤白度，色斑比例，水润程度的预测，并根据预测结果和测试者的基本情况以及生活习惯，推荐一些改进意见。相对于传统的预测方法，减少了测试成本和测试时间，并且简单易行。

本发明实施例还提出了一种皮肤状况预测系统，如图7所示，整个皮肤预测系统自顶向下可以分成三大主要层次，顶层为用户界面模块110；中间为中央控制模块120；底层为各个功能模块，包括训练模块130、皮肤状况预测模块140和改进意见生成模块150。

其中，用户界面模块110向用户提供图形化的操作界面，主要是给预测系统的使用者提供一个图形化的友好的用户操作界面，以方便用户对于预测系统的使用。

中央控制模块120具有两个功能：其一，负责协调和控制各个底层功能模块之间的工作；其二，负责将用户界面模块110获得的用户操作指令转化为对各个底层功能模块(训练模块130、皮肤状况预测模块140和改进意见生成模块150)的协调动作执行起来，同时将底层功能模块的执行结果反馈给用户界面模块110。

训练模块130，用于对测试数据进行预处理以得到关键特征，并根据特征训练迭代神经网络，生成基于神经网络的预测模型。训练模块130主要包含两大主要算法功能，一方面将训练数据进行必要的预处理，形成规范的正确的训练数据，另一方面对预测模型进行训练，形成稳定的基于神经网络的预测模型，并保存相应的训练结果参数。

结合图8所示，训练模块130进一步包括数据预处理单元131、关键特征提取单元132和神经网络单元133。

其中，数据预处理单元131，用于获取受试者的皮肤数据，并对皮肤数据进行数字化以得到皮肤的特征属性。

具体的说，首先采用调查问卷形式获取受试者的皮肤数据。调查问卷包括《问卷_受试者信息调查问卷》和《问卷_化妆品问卷调查》。其中，《问卷_志愿者信息调查问卷》是对被调查者的基本信息，如年龄、学历及工作情况进行调查。《问卷_化妆品问卷调查》主要针对被调查者使用化妆品的习惯以及对化妆品的了解程度进行调查。对于被调查者，合作方采用临床医学的方法对其皮肤状况(如肤色、色斑比例、皮肤水润程度等)进行测试。

在本实施例中，上述两类调查问卷共设置有49道题，题型包括单选题、多选题、判断题及填空题等。结合图2所示，为保证调查内容的全面性以及数据准确性，调查对象为北京市与广州市的中国女性。这两个地区的分别位于中国的北方和南方，代表了北方和南方两个地区的女性皮肤状况。其中，被调查者即受试者年龄平均分布在10岁到70岁之间。数据共包含约900个实例，其中有605组数据用于现阶段建模，剩余数据将分3次用于对模型的测试与完善。在这一阶段中，所使用的605组数据中，有299组为北京数据，另外306组为广州数据。

本发明的皮肤状况预测系统基于上述605组数据选出与皮肤状况相关的关键特征并构建预测模型。

在数据预处理阶段采用下述四种方式处理调查问卷的结果，对调查问卷的结果进行数字化，将调查问卷的原始数据转化为计算机可以处理的形式的过程。

本发明中主要采用四种方式处理调查问卷的结果，包括：问题合并、问题拆分、问题转化、问题舍弃。通过上述四种数据处理方式，得到了对整个调查问卷的数字化结果。上述数字化结果包括51个属性。除编号外，共有50个特征属性。

由于调查问卷的数据容易受到数据自身格式、数据不一致性等问题的侵扰，在进行特征选择和预测工作前，还必须对其作进一步的数据预处理工作。常用的数据预处理技术包括数据清理、数据规约、数据离散化以及数据变换等。为了从中提取关键特征，对上述数字化结果进一步数据预处理，包括：数据清理、数据归约、数据离散化以及数据变换。

其中，数据清理可以采用均值填补缺失的数据，去掉数据中的噪声，并纠正不一致数据。

数据归约可以通过聚集、删除冗余特征或聚类等方法来减小数据规模。在本实施例中，数据归约主要为删除无效特征。对于一个特征属性，当受试者的数据中取值为同一值的实例数占总实例数超过97％，则该特征即为无效特征。由于无效特征蕴含信息量太少，而且比较容易受到干扰，在预处理阶段会将其删除。

在进行关键特征提取的任务时，为了计算不同属性对预测指标的区分能力，需要对连续型属性进行离散化，将其划分为不同的区间。数据离散化可以用区间标号代表连续属性，减少输入属性的取值个数。在本发明实施例中，对于其它连续型特征属性，采用等宽法、等频法与人工法三种方法进行离散化。

数据变换包括数据规范化，可以提高涉及距离度量算法的准确率和有效性。

通过上述方法将调查问卷中得到受试者的数据进行数字化，将其转化为计算机能够存储并处理的形式。然后通过数据预处理得到皮肤状况的相应特征属性，形成实验数据集。

关键特征提取单元132，用于采用特征提取方法提取特征属性中的关键特征，以得到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。

关键特征提取单元132在进行关键特征提取时，需要确定数据集中每一维特征与目标值的关联程度如何，也就是需要评价特征的重要程度。其中，关键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，基于信息增益比例(增益率)的特征评价法。

针对上述每一种关键特征提取方法，按照采用该方法得到的特征重要程度排序结果，对每个特征赋予归一化处理的权值。即将每个关键特征按所需的预测范围归一化处理，使每种因素的取值均在-1到1之间，由此才能作为神经网络单元133的输入数据。

具体的说，排在第一的特征赋值为1，排在末位的特征赋值为0，未被列入排序表中的特征也赋值为0。对于排在中间的特征，按照等分法均匀赋值。由此得到所有特征在不同抽取方法下的权值。

然后对于每个特征，关键特征提取单元132将按照不同关键特征提取方法所赋予的权值相加，即得到该特征的总权值。按照上述总权值对特征进行排序，总权值越大，则特征的重要性越大。选取总权值前n名的特征作为关键特征。

神经网络单元133，用于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，生成基于神经网络的预测模型。

神经网络单元133将上述所有特征进行排名后，选取了排名靠前的特征作为关键特征。其中，关键特征选取皮肤白度、色斑比例和水润程度。

结合图3所示，将上述归一化处理后的关键特征，即皮肤白度的13种因素，色斑比例的14种因素，水润程度的12种因素作为迭代神经网络的输入，即作为训练数据集训练迭代神经网络。

下面结合图4和图5对迭代神经网络进行说明。迭代神经网络作为人工神经网络的一种，其主要特点：后一层节点的输出可以通过反馈连接作为前面层节点的输入。这样连接的网络可以更好地适应训练数据。

图4为三层的迭代神经网络结构图。输入为x₁(k)、x₂(k)、x₃(k)以及z₁(k-1)和z₂(k-1)，中间层的两个节点z₁(k)和z₂(k)通过有延迟的反馈，连接到了输入层的两个节点z₁(k-1)和z₂(k-1)中，输出为y(k)

在本实施例中，迭代神经网络采用Elman型神经网络。

首先，神经网络单元133设置训练迭代神经网络的迭代次数m。在本实施例中，m＝2000。其中，将上述归一化处理后的关键特征，即皮肤白度的13种因素，色斑比例的14种因素，水润程度的12种因素作为迭代神经网络的输入神经元个数。即预测上述三种指标的输入神经元分别为13个，14个，12个，输出神经元均为1个。图5示出了本发明实施例的皮肤状况预测的三层迭代神经网络预测模型的结构示意图。图5中仅示出了输入神经元个数为3的神经网络示意图。当输入神经元数目为多个时，迭代神经网络预测模型类似。

其中，每个神经元的激励函数均为tansig函数。输入输出之间包含1个中间层，由10个神经元组成。而权值以及偏置则由训练得到。

结合图1和图5所示，神经网络单元133利用神经网络的中间层对输入神经元进行处理并反馈给神经网络的输入，当满足迭代次数m＝2000时，输出数据。

在本实施例中，训练后的权值保存在数据文件中，供其它步骤多次使用。

此外，神经网络单元133的输出数据需要进行缩放处理，以符合实际数据范围。神经网络单元133的输出取值在-1到1之间，因此需要将其缩放以进行实际数据的输出。

通过上述方法训练神经网络，生成初步的基于神经网络的预测模型。然后选择数据进行交叉验证，对得到的测试结果进行简单的统计分析，反馈到基于神经网络的预测模型，对模型参数进行调整，生成最终的基于神经网络的预测模型。

皮肤状况预测模块140主要是基于已经训练好的预测模型，针对测试者的预测需求，预测测试者的皮肤状况。改进意见生成模块150对当前测试者预测结果进行分析，根据测试者的皮肤状况和生活习惯推荐一些适用于当前测试者的改进意见。

首先，皮肤状况预测模块140分析测试者的数据，根据分析结果得到每种关键特征的离散化数值在何种情况下起到好的作用，何种情况下比较差，即每种关键特征的优劣程度。然后对每个关键特征在对应离散化数值下的作用(好坏情况)做一个排序，即生成了一个表示好坏程度的排序向量。

然后，改进意见生成模块150根据用户提交的内容，与现有的表示好坏程度的预定排序向量进行比较。p表示比较结果，采用百分比的形式表现。当用户的选择为最好的情况，则设置p为100％，如果为最差的情况，则p设置为0％。

当处于中间取值时，p＝(i-1)/(u-1)*100％，其中，u为关键特征包括的离散化取值，i为用户选择内容在好坏程度的排序向量对应的位置数值。其中，排序向量为“自差向好”，由皮肤状况差到皮肤状况好。

由此，本实施例的预测系统通过用户在每项因素选择的数值用户哪些方面比较差(即p值越小)，取出p最小的三个因素作为对用户的改进因素。

需要说明的是，对于上述排序方法，通常会出现可以推荐的多个因素得分相同的情况。在这种情况下，改进意见生成模块150将得分相同的关键特征通过在关键特征抽取步骤中得到的数据重要程度进行排序，选取最重要的三个因素作为需要改进的因素，进而输出预测结果和改进意见。

本发明实施例的皮肤状况预测系统充分利用已有的实验数据，基于当前先进的机器学习方法与技术，分别实现对皮肤白度，色斑比例，水润程度的预测，并根据预测结果和测试者的基本情况以及生活习惯，推荐一些改进意见。相对于传统的预测方法，减少了测试成本和测试时间，并且简单易行。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (18)

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％。

12.一种皮肤状况预测系统，其特征在于，包括用户界面模块、训练模块、皮肤状况预测模块、改进意见生成模块和中央控制模块，

所述用户界面模块，用于提供图形化的用户操作界面；

所述训练模块，用于对测试数据进行预处理以得到关键特征，并根据所述特征训练迭代神经网络，生成基于神经网络的预测模型；

所述皮肤状况预测模块，用于根据所述训练模块生成的基于神经网络的预测模型，对测试者的皮肤状况进行预测；

所述改进意见生成模块，用于对所述皮肤状况预测模块的预测结果进行分析，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；和

所述中央控制模块，用于协调和控制所述训练模块、皮肤状况预测模块和改进意见生成模块之间的工作，并且将来自所述用户界面模块的用户操作指令转化为对所述训练模块、皮肤状况预测模块和改进意见生成模块的协调动作以执行，并将执行结果反馈到所述用户界面模块。

13.如权利要求12所述的预测系统，其特征在于，所述训练模块进一步包括数据预处理单元、关键特征提取单元和神经网络单元，

所述数据预处理单元，用于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；

所述关键特征提取单元，用于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；

所述神经网络单元，用于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。

14.如权利要求13所述的预测系统，其特征在于，所述数据预处理单元对皮肤数据进行数字化以得到皮肤的特征属性，包括：

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。

15.如权利要求13所述的预测系统，其特征在于，所述关键特征提取单元采用特征提取方法包括：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，

所述关键特征提取单元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，

所述关键特征提取单元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。

16.如权利要求13所述的预测系统，其特征在于，所述神经网络单元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：

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。

17.如权利要求16所述预测系统，其特征在于，所述改进意见生成模块根据来自所述神经网络单元的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。

18.如权利要求17所述的预测系统，其特征在于，所述改进意见生成模块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％。

Images