说明书一种用于特殊中医病历诊断规则挖掘的多层精英角色方法
技术领域：
本发明涉及到中医信息智能处理领域，具体来说涉及一种用于特殊中医病历诊断规则挖掘的多层精英角色方法。
背景技术：
中医作为中华民族特有的文化和科学遗产，对世界有着重大的贡献。中医诊断主要是根据病人症状通过“望、闻、问、切”等过程进行，由于中医证型和症状之间错综交叉，依靠计算机系统进行中医准确辨证认治比较困难，然而中医病历系统中存储着大量有用信息，提取出其中重要的中医诊断规则，进行中医病症的分类和规则挖掘，对提高中医疾病诊断结局和转归分析有着重要意义与价值。
由于中医病历的模糊性、不确定性以及中医病历数据库中存在着大量冗余病历属性，要想建立一个中医病历智能化辅助诊断系统进行病症规则挖掘是比较困难的。特别是一些特殊中医病历，其属性之间存在复杂的相关性和相互依赖性，采用一般规则挖掘方法对中医病历进行预处理和分类，难以挖掘出其中真正有用的诊断规则。另外一般规则挖掘方法往往无法处理特殊中医病历属性间多维度复杂的内联关系，且不能保证最终提取的中医病历诊断规则为所求目标的最优规则特征集，而这些挖掘出规则如医生在诊断时加以辅助利用将会干扰其正常病症判断，严重时还有可能导致误诊。因此在不影响诊断规则挖掘精 度前提下，我们必须寻求一种能有效处理复杂相关性和相互依赖性属性的特殊中医病历规则挖掘方法。
发明内容：
本发明克服了以上的不足提供了一种用于特殊中医病历诊断规则挖掘的多层精英角色方法。
本发明通过以下的技术方案实现的：
一种用于特殊中医病历诊断规则挖掘的多层精英角色方法，具体步骤如下：
A、将中医病历属性分配到不同的“普通—精英”角色进化种群中，进行特殊中医病历中相关和相互依赖属性预处理，通过设计精英角色种群的精英浓度ECD(Elitisti)和选择概率P(xi)，Elitisti为第i个精英角色种群，xi为第i次进行特殊中医病历选择，将属性相关和相互依赖的特殊中医病历分配至精英角色种群，将没有被选择概率P(xi)选中的一般中医病历属性分配至普通角色种群中；
B、构造一种用于特殊中医病历诊断规则挖掘的多层精英角色动态均衡策略，通过第i个精英角色子种群内第j个精英Erij以动态迁入率和迁出率进行精英自适应迁移，达到多层精英角色的全局均衡点Mbest；
C、实现基于多层精英角色子种群向量的特殊中医病历诊断规则挖掘，从多层精英角色集中选出n个优化能力最强的精英子集优化向量实现n个特殊中医病历属性集MPR1,MPR2,...,MPRn的全局搜索和局部精化挖掘，分别提取出特殊中医病历属性子集MPR1,MPR2,...,MPRn各自对应的诊断规则挖掘集DRS1,DRS2,...,DRSn；
D、输出特殊中医病历在最强精英优化下的全局最优诊断规则集DRS=∪i=1nDRSi.]]>
本发明的进一步改进在于：步骤A具体为：将中医病历属性分配到不同的“普通—精英”角色进化种群中，进行特殊中医病历中相关和相互依赖属性预处理，通过设计精英角色种群的精英浓度ECD(Elitisti)和选择概率P(xi)，Elitisti为第i个精英角色种群，xi为第i次进行特殊中医病历选择，将属性相关和相互依赖的特殊中医病历分配至精英角色种群，将没有被选择概率P(xi)选中的一般中医病历属性分配至普通角色种群中,其具体步骤如下：
a、计算各精英种群的精英角色浓度ECD(Elitisti)为
ECD(Elitisti)=Σj=1n|fElitisti-f(xj)|(i=1,2,...,n),]]>
其中Elitisti为第i个精英角色种群，f(xj)为精英角色种群中第j个精英的适应度,是第i个精英角色种群的平均适应度；
b、构建第i个精英角色种群选择特殊中医病历属性的选择概率P(xi)为
P(xi)=EXD(xi)Σi=1nECD(xi)=Σj=1n|fElitisti-f(xj)|Σi=1nΣj=1n|fElitisti-f(xj)|;]]>
c、以选择概率P(xi)将中医病历中属性相关和相互依赖的中医病历属性分配到精英角色种群Elitisti中，将没有被选择概率P(xi)选中的一般中医病历属性分配到普通角色种群中；
d、将分配到精英角色种群中的每个特殊中医病历属性集映射到[0,1]进化种群空间，进行归一化处理，映射公式如下：
MPRij=1-4*|fElitisti-f(xj)||fmax-fmin|,|fElitisti-f(xj)||fmax-fmin|≤0.250other,]]>
其中f(xj)为精英角色种群中第j个精英适应度，为第i精英角色种群的平均适应度，fmax和fmin为第i精英角色种群的最大适应度和最小适应度；
如果|fElitisti-f(xj)||fmax-fmin|>0.25,]]>则MPRi为0；
如果f(xj)和相等，则MPRi为1。
本发明的进一步改进在于：步骤B具体为：构造一种用于特殊中医病历诊断规则挖掘的多层精英角色动态均衡策略，通过不同精英角色子种群内精英Erij以动态迁入率和迁出率进行精英自适应迁移，达到多层精英角色的全局均衡点Mbest，其具体步骤如下：
a、将进化空间划分成n个面积相等的五边形Pe1,Pe2,...,Pen，所有进化精英角色种群平均分配到不同的五边形中，然后将每个五边形分成若干个大小相等的三角形小进化区域；
b、选出第i个五边形进化区域内具有最优适应度的精英进化个体，即精英角色Erij，并将它们按照适应度大小从到低进行排序，从而形成第i个五边形区域内多层精英角色集Eri如下：
Eri=∪j=1NeltErij,]]>
其中Nelt为第i个五边形区域内多层精英角色的最大数量；
c、计算出每个精英角色Erij在Eri中的动态迁入率和迁出率计算公式如下：
IMRij=IMRij-1+Ii(1-jNelt),]]>
EMRij=EMRij-1+Ei(jNelt),]]>
其中Ii为第i个五边形区域内精英角色最大动态迁入率，Ei为第i个五边形区域内精英角色最大动态迁出率，j为多层精英角色集Eri中精英角色排列的顺序号；
d、多层精英角色集中每个精英角色Erij将根据迁入率和迁出率在各自相邻的五边形区域内进行动态自适应迁移，计算每个五边形进化区域精英角色的平均适应度，然后传送给相邻五边形区域的精英角色种群，从而调整各自动态迁入率和迁出率
e、重复上述步骤，直至划分在每个五边形区域内的精英角色均不再迁移，达到多层精英角色的整体均衡状态；
f、构建多层精英角色的全局均衡点Mbest如下：
Mbest=(1NeltΣj=1NeltEr1j,1NeltΣj=1NeltEr2j,...,1NeltΣj=1NeltErnj)=(Mbest1,Mbest2,...,MbestNelt),]]>
通过上述基于多层精英角色的动态均衡调整，在每个五边形区域空间Pei中多层精英角色将能找到各自最好的迁入率和迁出率然后进行各精英角色的动态自适应迁移，取得每个五边形进化区域内精英角色的全局均衡点，从而能挑选出更优的精英角色种群进行属性相关和相互依赖的特殊中医病历诊断规则挖掘。
本发明的进一步改进在于：步骤C具体为：实现基于多层精英角色种群向量的特殊中医病历诊断规则挖掘，从多层精英角色集中选出n个优化能力最强的精英子集优化向量实现n个特殊中医病历属性集 MPR1,MPR2,...,MPRn的全局搜索和局部精化挖掘，分别提取出各自对应的诊断规则挖掘集DRS1,DRS2,...,DRSn，其具体步骤如下：
a、将处于多层精英角色全局均衡点Mbest的每个精英角色集Eri中精英角色按照其优化能力从高到低进行降序排序，依次为
b、从多层精英角色集中选出n个优化能力最强的精英子集优化向量依次分配到n个特殊中医病历属性子集MPR1,MPR2,...,MPRn中，用于诊断规则全局搜索挖掘，其表示为：
MPR1(Er→11),MPR2(Er→21),...,MPRn(Er→n1);]]>
c、将优化能力最强的精英子集向量分别按照中医病历属性子集的维度展开成n×n维阵列，形成最强精英优化阵列；
d、将含n维的最强精英优化阵列依次进行特殊中医病历属性子集MPR1,MPR2,...,MPRn中诊断规则的局部精化挖掘，提取出其相应的中医诊断规则集为DRS1,DRS2,...,DRSn；
e、判断上述精英子集向量挖掘出中医病历诊断规则集DRSi的精度是否满足要求，如满足，则输出特殊中医病历全局最优诊断规则集；如不满足，则重复执行局部精化挖掘，直至规则挖掘精度满足要求。
本发明与现有技术相比具有如下优点：
1、多层精英角色的平衡性：
本方法在构建用于特殊中医病历诊断规则挖掘的多层精英角色时，采用多层精英角色动态均衡策略，通过五边形进化空间内精英角色在多层精英角色集Eri内进行动态自适应迁入和迁出，达到多层精英角色的全局均衡点Mbest，这样所构造的多层精英角色更有利于处理属性相关和相互依赖的特殊中医病历， 达到较好的诊断规则挖掘效果。
2、全局搜索和局部精化挖掘优化性能：
本方法在实现基于多层精英角色子集向量的特殊中医病历诊断规则挖掘优化过程时，分别开展全局搜索挖掘、局部精化挖掘和反复执行局部精化挖掘三个阶段进行优化，这样能更好地处理相关和相互依赖的特殊中医病历属性给实际挖掘结果所带来的不确定性，这是目前一般中医诊断规则挖掘方法所无法达到的实际挖掘效果。
3、较强的中医病历诊断规则适用性：
本方法能较好地克服特殊中医电子病历属性模糊、病历属性间多维度复杂的内联关系等问题，保证最终提取的中医病历诊断规则集为所求目标的最优特征规则集，有效提高特殊中医病历诊断规则的挖掘效率。实际临床应用表明：利用该方法所挖掘出的中医诊断规则与实际临床医生根据诊断经验推断出的诊断规则具有较好一致效果，该方法具有较强的客观性和科学性，在中医病历计算机智能辅助诊断和中医临床决策支持分析领域将具有较强的应用价值。
附图说明
图1为本发明的总体结构图；
图2为多层精英角色动态均衡策略示意图；
图3为基于多层精英角色子集向量的特殊中医病历诊断规则挖掘示意图；
图4为最强精英优化阵列。
具体实施方式
为了加深对本发明的理解，下面将结合实施例和附图对本发明作进一步详述，该实施例仅用于解释本发明，并不构成对本发明保护范围的限定。
如图1所示，一种用于特殊中医病历诊断规则挖掘的多层精英角色方法协同均衡方法，具体步骤如下：
A、将中医病历属性分配到不同的“普通—精英”角色进化种群中，进行特殊中医病历中相关和相互依赖属性预处理，通过设计精英角色种群的精英浓度ECD(Elitisti)和选择概率P(xi)，Elitisti为第i个精英角色种群，xi为第i次进行特殊中医病历选择，将属性相关和相互依赖的特殊中医病历分配至精英角色种群，将没有被选择概率P(xi)选中的一般中医病历属性分配至普通角色种群中；
B、构造一种用于特殊中医病历诊断规则挖掘的多层精英角色动态均衡策略，通过第i个精英角色子种群内第j个精英Erij以动态迁入率和迁出率进行精英自适应迁移，达到多层精英角色的全局均衡点Mbest；
C、实现基于多层精英角色子种群向量的特殊中医病历诊断规则挖掘，从多层精英角色集中选出n个优化能力最强的精英子集优化向量实现n个特殊中医病历属性集MPR1,MPR2,...,MPRn的全局搜索和局部精化挖掘，分别提取出特殊中医病历属性子集MPR1,MPR2,...,MPRn各自对应的诊断规则挖掘集DRS1,DRS2,...,DRSn；
D、输出特殊中医病历在最强精英优化下的全局最优诊断规则集DRS=∪i=1nDRSi.]]>
步骤A具体为：将中医病历属性分配到不同的“普通—精英”角色进化种群中，进行特殊中医病历中相关和相互依赖属性预处理，通过设计精英角色种 群的精英浓度ECD(Elitisti)和选择概率P(xi)，Elitisti为第i个精英角色种群，xi为第i次进行特殊中医病历选择，将属性相关和相互依赖的特殊中医病历分配至精英角色种群，将没有被选择概率P(xi)选中的一般中医病历属性分配至普通角色种群中,其具体步骤如下：
a、计算各精英种群的精英角色浓度ECD(Elitisti)为
ECD(Elitisti)=Σj=1n|fElitisti-f(xj)|(i=1,2,...,n),]]>
其中Elitisti为第i个精英角色种群，f(xj)为精英角色种群中第j个精英的适应度,是第i个精英角色种群的平均适应度；
b、构建第i个精英角色种群选择特殊中医病历属性的选择概率P(xi)为
P(xi)=EXD(xi)Σi=1nECD(xi)=Σj=1n|fElitisti-f(xj)|Σi=1nΣj=1n|fElitisti-f(xj)|;]]>
c、以选择概率P(xi)将中医病历中属性相关和相互依赖的中医病历属性分配到精英角色种群Elitisti中，将没有被选择概率P(xi)选中的一般中医病历属性分配到普通角色种群中；
d、将分配到精英角色种群中的每个特殊中医病历属性集映射到[0,1]进化种群空间，进行归一化处理，映射公式如下：
MPRij=1-4*|fElitisti-f(xj)||fmax-fmin|,|fElitisti-f(xj)||fmax-fmin|≤0.250other,]]>
其中f(xj)为精英角色种群中第j个精英适应度，为第i精英角色种群的平均适应度，fmax和fmin为第i精英角色种群的最大适应度和最小适应度；
如果|fElitisti-f(xj)||fmax-fmin|>0.25,]]>则MPRi为0；
如果f(xj)和相等，则MPRi为1。
步骤B具体为：构造一种用于特殊中医病历诊断规则挖掘的多层精英角色动态均衡策略，通过不同精英角色子种群内精英Erij以动态迁入率和迁出率进行精英自适应迁移，达到多层精英角色的全局均衡点Mbest，其具体步骤如下：
a、将进化空间划分成n个面积相等的五边形Pe1,Pe2,...,Pen，所有进化精英角色种群平均分配到不同的五边形中，然后将每个五边形分成若干个大小相等的三角形小进化区域；
b、选出第i个五边形进化区域内具有最优适应度的精英进化个体，即精英角色Erij，并将它们按照适应度大小从到低进行排序，从而形成第i个五边形区域内多层精英角色集Eri如下：
Eri=∪j=1NeltErij,]]>
其中Nelt为第i个五边形区域内多层精英角色的最大数量；
c、计算出每个精英角色Erij在Eri中的动态迁入率和迁出率计算公式如下：
IMRij=IMRij-1+Ii(1-jNelt),]]>
EMRij=EMRij-1+Ei(jNelt),]]>
其中Ii为第i个五边形区域内精英角色最大动态迁入率，Ei为第i个五边形区域内精英角色最大动态迁出率，j为多层精英角色集Eri中精英角色排列的 顺序号；
d、多层精英角色集中每个精英角色Erij将根据迁入率和迁出率在各自相邻的五边形区域内进行动态自适应迁移，计算每个五边形进化区域精英角色的平均适应度，然后传送给相邻五边形区域的精英角色种群，从而调整各自动态迁入率和迁出率
e、重复上述步骤，直至划分在每个五边形区域内的精英角色均不再迁移，达到多层精英角色的整体均衡状态；
f、构建多层精英角色的全局均衡点Mbest如下：
Mbest=(1NeltΣj=1NeltEr1j,1NeltΣj=1NeltEr2j,...,1NeltΣj=1NeltErnj)=(Mbest1,Mbest2,...,MbestNelt),]]>
通过上述基于多层精英角色的动态均衡调整，在每个五边形区域空间Pei中多层精英角色将能找到各自最好的迁入率和迁出率然后进行各精英角色的动态自适应迁移，取得每个五边形进化区域内精英角色的全局均衡点，从而能挑选出更优的精英角色种群进行属性相关和相互依赖的特殊中医病历诊断规则挖掘。
步骤C具体为：实现基于多层精英角色种群向量的特殊中医病历诊断规则挖掘，从多层精英角色集中选出n个优化能力最强的精英子集优化向量实现n个特殊中医病历属性集MPR1,MPR2,...,MPRn的全局搜索和局部精化挖掘，分别提取出各自对应的诊断规则挖掘集DRS1,DRS2,...,DRSn，其具体步骤如下：
a、将处于多层精英角色全局均衡点Mbest的每个精英角色集Eri中精英角色按照其优化能力从高到低进行降序排序，依次为
b、从多层精英角色集中选出n个优化能力最强的精英子集优化向量依次分配到n个特殊中医病历属性子集MPR1,MPR2,...,MPRn中，用于诊断规则全局搜索挖掘，其表示为：
MPR1(Er→11),MPR2(Er→21),...,MPRn(Er→n1);]]>
c、将优化能力最强的精英子集向量分别按照中医病历属性子集的维度展开成n×n维阵列，形成最强精英优化阵列，如图4所示；
d、将含n维的最强精英优化阵列依次进行特殊中医病历属性子集MPR1,MPR2,...,MPRn中诊断规则的局部精化挖掘，提取出其相应的中医诊断规则集为DRS1,DRS2,...,DRSn；
e、判断上述精英子集向量挖掘出中医病历诊断规则集DRSi的精度是否满足要求，如满足，则输出特殊中医病历全局最优诊断规则集；如不满足，则重复执行局部精化挖掘，直至规则挖掘精度满足要求。
本发明公开一种用于特殊中医病历诊断规则挖掘的多层精英角色方法。该方法首先设计精英角色子种群浓度选择概率将中医病历属性分配到不同类别的“普通—精英”角色种群中，进行特殊中医病历中相关和相互依赖属性预处理；然后构造一种基于多层精英角色的动态均衡策略，通过各个五边形进化区域内不同精英角色种群动态迁入和迁出形成多层精英角色全局均衡点；最后从多层精英角色中选出具有全局搜索和局部精化最强优化能力的精英子集向量，构造最强精英优化阵列以实现特殊中医病历诊断规则快速挖掘。
本发明能较好地处理中医病历属性之间存在复杂相关性和相互依赖性的特征，克服诊断规则难以挖掘等问题，有效提高中医病历诊断规则挖掘效率，具有较强的鲁棒性和实用性。利用该方法所挖掘出的中医诊断规则与实际临床医生根据诊断经验推断出的诊断规则具有较好一致效果，该方法具有较强的客观性和科学性，在中医病历计算机辅助智能诊断和中医临床决策支持分析领域将具有较强的应用价值。