1.一种基于多维高斯分布贝叶斯分类的癌症复发预测系统,其特征在于包括数据预处理模块、训练模块和贝叶斯分类器;
数据预处理模块:将训练集中的噪声数据及缺省数据清洗掉生成类向量数据集,该训练集中包含类属性和M个数据属性,当类属性值L等于复发类属性值C1时代表复发,等于不复发类属性值C2时代表不复发;
训练模块:包括类先验概率计算子模块,数据属性分类子模块,多维高斯分布概率模型生成子模块和一维高斯分布概率模型生成子模块;
类先验概率计算子模块:根据式(1)计算复发类属性值C1和不复发类属性值C2在类向量数据集中出现的频率P(Cs),s=1,2;
Ns代表每一种类属性的样本数据条数,N代表总的样本数据条数;
数据属性分类子模块:
利用pearson相关系数将属于数据属性分成与类属性关联度紧密的I类数据属性集合XA和与类属性关联度稀疏的II类数据属性集合XB,其中Xaj代表I类数据属性集合XA中的第j条样本数据;Xbj代表II类数据属性集合XB中第j条样本数据;
多维高斯分布概率模型生成子模块:对I类数据属性集合XA进行训练,求出对应的属性均值向量ua与多维高斯分布的协方差矩阵G;从而求出基于I类数据属性集合XA的多维高斯概率分布函数MultiGaussion(Xa);
式中,Xa代表一条测试数据中属于I类数据属性的测试数据向量;p为多维高斯分布函数的维数,即I类数据属性集合XA中数据属性的数目NA,ua为多维高斯分布函数的均值向量,G为多维高斯分布函数的互协方差矩阵;
T
G=E((XA‑E(XA)) (XA‑E(XA)))一维高斯分布概率模型生成子模块:对II类数据属性集合XB进行训练,求出II类数据属性集合XB对应的属性均值ub和属性2
方差σ,得出基于II类数据属性集合XB的一维高斯概率分布函数Gaussion(Xb);
其中Xb为一条测试数据中属于II类数据属性的测试数据向量,xi是该条测试数据中数据属性i的测试数据,NB为XB中数据属性的数目;
XB[i]表示II类数据属性集合XB中的数据属性i的数据向量;
Xbji为II类数据属性集合XB中第j条样本数据的数据属性i的样本数据;
贝叶斯分类器:
判别癌症的分类测试结果,若
P(C1)×MultiGaussion(Xa)×Gaussion(Xb)>P(C2)×MultiGaussion(Xa)×Gaussion(Xb),则判断测试结果为复发;反之,则判断测试结果为不复发。
2.根据权利要求1所述的基于多维高斯分布贝叶斯分类的癌症复发预测系统,其特征在于所述数据属性分类子模块利用pearson相关系数对数据属性进行分类的方法如下:针对任一数据属性i,根据式(2)计算该数据属性i与类属性的关联度Rabsi:其中X是类向量数据集中的类属性向量(L1,L2,……Lj,……LN);Yi是类向量数据集中的任一数据属性i的数据属性向量(F1i,F2i,……Fji,……FNi),N为总的样本数据条数;
对求得的关联度Rabsi,i=1,2,……M,从大到小进行排序,按照比例λ,对M×λ向下取整为k,其中0.5≤λ<1,前k个数据属性的数据属性向量构成I类数据属性集合XA,剩下的M‑k个数据属性的数据属性向量构成II类数据属性集合XB;
其中Xaj代表I类数据属性集合XA中的第j条样本数据;Xbj代表II类数据属性集合XB中第j条样本数据。