CN110363229A - 一种基于改进RReliefF和mRMR相结合的人体特征参数选择方法 - Google Patents

Abstract

本发明涉及生物信息化技术领域。一种基于改进RReliefF和mRMR相结合的人体特征参数选择方法，包括以下步骤：步骤一：计算样本的欧氏距离和形态距离；步骤二：标准化并归一化欧氏距离和形态距离；步骤三：构建样本相似距离模型来改进RReliefF算法；步骤四：利用改进后的RReliefF算法来计算各个特征权重，去除不相关特征；步骤五：利用mRMR算法来计算特征的最大相关最小冗余的相关度，去除冗余特征。本发明的有益效果：同时考虑了样本的欧氏距离和形态距离，构建了样本相似距离模型，改进了RReliefF算法，提高了特征选择算法的筛选性能，有助于获得相关性更大和冗余度更小的人体生理特征参数，进而有助于建立更简化有效且精度更高的人体体成分预测模型。

Description

一种基于改进RReliefF和mRMR相结合的人体特征参数选择 方法

技术领域

本发明涉及生物信息化技术领域，尤其是涉及一种基于改进RReliefF和mRMR相结合人体特征参数选择方法。

背景技术

人体体成分模型预测的好坏容易受到所选择的特征参数的影响，好的特征参数可以有效的降低人体成分模型的训练时间和预测误差，好的特征参数集需要通过合适的特征选择算法来选取，RReliefF算法能够消除不相关特征，但是人体生理特征参数的数量多，且存在相互关联、非线性和不相关性等特点，阻抗值、身高和体重等人体生理特征参数相差很大的两个人，两者的体成分值有可能相似，而人体生理特征参数相近的两个人，两者的体成分值有可能相差较远，若是只使用原始的距离度量，容易存在误差，因此，使用RReliefF算法无法找到精准的最近邻样本，且无法去除冗余的特征。

发明内容

本发明的目的在于提供一种基于改进RReliefF和mRMR相结合的人体特征参数选择方法，考虑人体生理特征参数的特殊性，通过样本数值距离与样本形态距离相结合的方法来改进RReliefF算法，去除不相关特征，结合mRMR算法来去除冗余特征。

为了实现上述目的，本发明采用如下技术方案：

一种基于改进RReliefF和mRMR相结合的人体特征参数选择方法，包括以下步骤：

步骤一：计算样本的欧氏距离和形态距离；

步骤二：标准化并归一化欧氏距离和形态距离；

步骤三：构建样本相似距离模型来改进RReliefF算法；

步骤四：利用改进后的RReliefF算法来计算各个特征权重，去除不相关特征；

步骤五：利用mRMR算法来计算特征的最大相关最小冗余的相关度，去除冗余特征。

优选地，在所述的步骤一中，设定样本i和样本j，样本i到样本j的欧氏距离的计算公式为：，为样本i的第k个人体生理特征参数的数值，为样本j的第k个人体生理特征参数的数值，m为人体生理特征参数的总个数，样本i到样本j的形态距离的计算公式为：，其中为样本i的人体生理特征参数的平均值，为样本j的人体生理特征参数的平均值，样本i到样本j的形态距离可用相似度系数的绝对值表示，即为。

优选地，在所述的步骤二中，采用相对欧氏距离系数，并且表示为样本数据距离系数，使用越大越优型的指标进行标准化并归一化，计算公式为：，为欧氏的最小值，为欧氏距离的最大值，由上述计算公式可知，的取值范围为，相对欧氏距离越接近0，表明样本i和样本j的距离越小，相对欧氏距离越接近1，表明样本i和样本j的距离越大，为了使形态距离系数与相对欧氏距离系数具有同步的意义，取，形态距离系数的数值越接近0，表明样本i和样本j越相似，形态距离系数的数值越接近1，表明样本i和样本j越不相似。

优选地，在所述的步骤三中，为了同时考虑样本i人体生理特征参数和样本j人体生理特征参数的数值距离、样本i人体生理特征参数和样本j人体生理特征参数的形态距离，定义样本i和样本j的相似距离模型：,均为系数权重，且，样本i和样本j的相似距离的取值范围为，的取值越接近0，表明样本i和样本j越相似，的取值越接近1，表明样本i和样本j越不相似。

优选地，在所述的步骤四中，构造训练样本数据集O、特征参数集F、目标类别集C，定义加权的人体生理特征参数集，初始的为空，将训练样本数据集O、特征参数集F、目标类别集C输入到改进后的RReliefF算法，并由以下的计算公式得到每一个特征参数的权重值,计算公式为：，表示在不同的预测值条件下的权重，表示在不同的特征条件下的权重，表示在不同的预测值、不同的特征条件下的权重集，m表示设定的人体生理特征参数的总个数，将权重值大于阀值的特征参数放入中，得到加权的人体生理特征参数集。

优选地，在所述的步骤五中，定义最终特征参数集，初始的为空，将加权的人体生理特征参数集与目标类别集C输入到mRMR算法，利用mRMR算法来去除冗余特征，首先使用最大相关度值从中选择一个与目标标签相关性最大的特征加入到集合中，最大相关度值的计算公式为：，表示特征参数与目标类别c之间的互信息，再次从中选择新的特征参数放入到中，假设已选择了q-1个特征，目标特征机为，则现在从剩余的特征集合中选取第q个特征，该特征满足如下计算公式：，表示特征参数与目标类别c之间的互信息，表示特征参数与特征参数之间的互信息，直到目标特征集中含有r个特征且分类精度时停止，否则继续通过计算公式来筛选特征。

本发明的有益效果是：引入样本相似距离模型，得到改进后的RReliefF算法，通过改进RReliefF和mRMR相结合的特征选择算法，对原始特征参数进行特征筛选，从而得到相关性大且冗余度小的优选特征参数集，有助于简化人体体成分预测模型和提高模型预测精度。

附图说明

图1是本发明的原理流程图。

图2是本发明的人体生理特征参数选择过程图。

图3是本发明实施例1的BFM模型预测值与真实值对比图。

图4是本发明实施例1的各个算法预测值相对误差对比图。

具体实施方式

下面将结合的附图，对本发明实施例中的技术方案进行描述。

如图1和图2所示，一种基于改进RReliefF和mRMR相结合的人体特征参数选择方法，包括以下步骤：

步骤一：计算样本的欧氏距离和形态距离；

步骤二：标准化并归一化欧氏距离和形态距离；

步骤三：构建样本相似距离模型来改进RReliefF算法；

步骤四：利用改进后的RReliefF算法来计算各个特征权重，去除不相关特征；

步骤五：利用mRMR算法来计算特征的最大相关最小冗余的相关度，去除冗余特征。

在所述的步骤一中，设定样本i和样本j，样本i到样本j的欧氏距离的计算公式为：，为样本i的第k个人体生理特征参数的数值，为样本j的第k个人体生理特征参数的数值，m为人体生理特征参数的总个数，样本i到样本j的形态距离的计算公式为：，其中为样本i的人体生理特征参数的平均值，为样本j的人体生理特征参数的平均值，样本i到样本j的形态距离可用相似度系数的绝对值表示，即为。

在所述的步骤二中，采用相对欧氏距离系数，并且表示为样本数据距离系数，使用越大越优型的指标进行标准化并归一化，计算公式为：，为欧氏的最小值，为欧氏距离的最大值，由上述计算公式可知，的取值范围为，相对欧氏距离越接近0，表明样本i和样本j的距离越小，相对欧氏距离越接近1，表明样本i和样本j的距离越大，为了使形态距离系数与相对欧氏距离系数具有同步的意义，取，形态距离系数的数值越接近0，表明样本i和样本j越相似，形态距离系数的数值越接近1，表明样本i和样本j越不相似。

在所述的步骤三中，为了同时考虑样本i人体生理特征参数和样本j人体生理特征参数的数值距离、样本i人体生理特征参数和样本j人体生理特征参数的形态距离，定义样本i和样本j的相似距离模型：,均为系数权重，且，样本i和样本j的相似距离的取值范围为，的取值越接近0，表明样本i和样本j越相似，的取值越接近1，表明样本i和样本j越不相似。

在所述的步骤四中，构造训练样本数据集O、特征参数集F、目标类别集C，定义加权的人体生理特征参数集，初始的为空，将训练样本数据集O、特征参数集F、目标类别集C输入到改进后的RReliefF算法，并由以下的计算公式得到每一个特征参数的权重值,计算公式为：，表示在不同的预测值条件下的权重，表示在不同的特征条件下的权重，表示在不同的预测值、不同的特征条件下的权重集，m表示设定的人体生理特征参数的总个数，将权重值大于阀值的特征参数放入中，得到加权的人体生理特征参数集。

在所述的步骤五中，定义最终特征参数集，初始的为空，将加权的人体生理特征参数集与目标类别集C输入到mRMR算法，利用mRMR算法来去除冗余特征，首先使用最大相关度值从中选择一个与目标标签相关性最大的特征加入到集合中，最大相关度值的计算公式为：，表示特征参数与目标类别c之间的互信息，再次从中选择新的特征参数放入到中，假设已选择了q-1个特征，目标特征机为，则现在从剩余的特征集合中选取第q个特征，该特征满足如下计算公式：，表示特征参数与目标类别c之间的互信息，表示特征参数与特征参数之间的互信息，直到目标特征集中含有r个特征且分类精度时停止，否则继续通过计算公式来筛选特征。

实施例1

基于上述的算法，选取了作为最终特征集合，为了验证本发明的可行性、有效性和精确性，分别使用本发明的组合式特征选择算法模型、未改进的组合式特征选择算法和传统的filter式特征选择算法来训练样本和得到精简的人体生理特征参数集，然后分别使用最小二乘法对已得到的特征参数进行体成分回归预测，求得各个体成分预测值，并与体成分的真实测量值作对比，体成分选取BFM，体成分真实值使用韩国最先进的inbody770测量，来自北京某医院672名健康的志愿者，从672名志愿者中随机抽取30名志愿者作为检验样本，剩余的642名志愿者则作为训练样本，表1为检验样本的人体生理特征参数集，表2为训练样本的人体生理特征参数集。

经过训练与预测之后，图3为各个算法预测值与真实值对比图，图4为各个算法预测值相对误差的对比图，表3为不同模型性能对比汇总表，由图3、图4和表3可知，组合式特征选择算法与传统的filter式特征选择算法相比，组合式特征选择算法的均方误差较低，平均准确率较高，本发明针对人体体成分的特殊性而改进的组合式特征选择算法与未改进的组合式特征选择算法相比，改进的组合式特征选择算法的均方误差更低，平均准确率更高。

由机器学习和数据挖掘理论可知，一个多维的样本中通常存在少数几个关键特征或者主成份。在人体体成分预测模型的众多特征中同样只有少数几个关键特征。综上表明，本发明可以获得相关性大冗余小且有利于提高人体体成分预测模型精度的特征集，所获得人体生理特征集和人体体成分有更好的相关性，为人体生理特征参数筛选提供了一个新方案。

Claims (6)

1.一种基于改进RReliefF和mRMR相结合的人体特征参数选择方法，其特征是包括以下步骤：

步骤一：计算样本的欧氏距离和形态距离；

步骤二：标准化并归一化欧氏距离和形态距离；

步骤三：构建样本相似距离模型来改进RReliefF算法；

步骤四：利用改进后的RReliefF算法来计算各个特征权重，去除不相关特征；

步骤五：利用mRMR算法来计算特征的最大相关最小冗余的相关度，去除冗余特征。

2.根据权利要求1所述的基于改进RReliefF和mRMR相结合的人体特征参数选择方法，其特征是在所述的步骤一中，设定样本i和样本j，样本i到样本j的欧氏距离的计算公式为：，为样本i的第k个人体生理特征参数的数值，为样本j的第k个人体生理特征参数的数值，m为人体生理特征参数的总个数，样本i到样本j的形态距离的计算公式为：，其中为样本i的人体生理特征参数的平均值，为样本j的人体生理特征参数的平均值，样本i到样本j的形态距离可用相似度系数的绝对值表示，即为。

3.根据权利要求2所述的基于改进RReliefF和mRMR相结合的人体特征参数选择方法，其特征是在所述的步骤二中，采用相对欧氏距离系数，并且表示为样本数据距离系数，使用越大越优型的指标进行标准化并归一化，计算公式为：，为欧氏的最小值，为欧氏距离的最大值，由上述计算公式可知，的取值范围为，相对欧氏距离越接近0，表明样本i和样本j的距离越小，相对欧氏距离越接近1，表明样本i和样本j的距离越大，为了使形态距离系数与相对欧氏距离系数具有同步的意义，取，形态距离系数的数值越接近0，表明样本i和样本j越相似，形态距离系数的数值越接近1，表明样本i和样本j越不相似。

4.根据权利要求3所述的基于改进RReliefF和mRMR相结合的人体特征参数选择方法，其特征是在所述的步骤三中，为了同时考虑样本i人体生理特征参数和样本j人体生理特征参数的数值距离、样本i人体生理特征参数和样本j人体生理特征参数的形态距离，定义样本i和样本j的相似距离模型：,均为系数权重，且，样本i和样本j的相似距离的取值范围为，的取值越接近0，表明样本i和样本j越相似，的取值越接近1，表明样本i和样本j越不相似。

5.根据权利要求4所述的基于改进RReliefF和mRMR相结合的人体特征参数选择方法，其特征是在所述的步骤四中，构造训练样本数据集O、特征参数集F、目标类别集C，定义加权的人体生理特征参数集，初始的为空，将训练样本数据集O、特征参数集F、目标类别集C输入到改进后的RReliefF算法，并由以下的计算公式得到每一个特征参数的权重值,计算公式为： ，表示在不同的预测值条件下的权重，表示在不同的特征条件下的权重，表示在不同的预测值、不同的特征条件下的权重集，m表示设定的人体生理特征参数的总个数，将权重值大于阀值的特征参数放入中，得到加权的人体生理特征参数集。

6.根据权利要求5所述的基于改进RReliefF和mRMR相结合的人体特征参数选择方法，其特征是在所述的步骤五中，定义最终特征参数集，初始的为空，将加权的人体生理特征参数集与目标类别集C输入到mRMR算法，利用mRMR算法来去除冗余特征，首先使用最大相关度值从中选择一个与目标标签相关性最大的特征加入到集合中，最大相关度值的计算公式为：，表示特征参数与目标类别c之间的互信息，再次从中选择新的特征参数放入到中，假设已选择了q-1个特征，目标特征机为，则现在从剩余的特征集合中选取第q个特征，该特征满足如下计算公式：，表示特征参数与目标类别c之间的互信息，表示特征参数与特征参数之间的互信息，直到目标特征集中含有r个特征且分类精度时停止，否则继续通过计算公式来筛选特征。