买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国电子技术标准化研究院;桂林电子科技大学申请的专利一种基于多重置信度的医疗数据缺失值修复的方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116089801B 。

龙图腾网通过国家知识产权局官网在2026-02-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310031008.3，技术领域涉及：G06F18/15；该发明授权一种基于多重置信度的医疗数据缺失值修复的方法是由范科峰;曾登辉;杨磊;董建;方春燕;苗宗利;刘立新设计研发完成，并于2023-01-10向国家知识产权局提交的专利申请。

本一种基于多重置信度的医疗数据缺失值修复的方法在说明书摘要公布了：本发明公开了一种基于多重置信度的医疗数据缺失值批量修复的方法，所述方法包括：利用属性权重更新样本置信度，将缺失样本集引入到模型训练中；利用样本置信度优化损失函数，填充数据集的缺失值；所述样本置信度根据样本之间的属性关系计算得来，根据所要预测的数据属性以及样本中缺失值个数赋予样本不同的置信度；通过对置信度的动态选择来调整样本在模型训练过程中的影响程度。优化模型架构，使得网络既能够一次性对多维数据缺失值批量填充，也能消除网络传递函数的恒等映射问题，以及增强节点间的互相关性。本发明提高了数据的利用率，提升了数据的填充精度以及填充效率。

本发明授权一种基于多重置信度的医疗数据缺失值修复的方法在权利要求书中公布了：1.一种基于多重置信度的医疗数据缺失值修复的方法，其特征在于，包括如下步骤： 步骤1、导入缺失数据集； 步骤2、消除样本指标之间的量纲影响，对数据集进行归一化处理； 步骤3，通过统计学的方法计算各属性间的关联关系矩阵； 步骤4、利用步骤3所得的相关系数更新其余各属性相对于目标属性的权重；所述目标属性为样本集中的所有属性； 步骤5、计算各样本集的置信度；具体包括以下步骤， 步骤5-1、按照步骤4的方式计算出样本中其他属性相对于目标属性的权重；根据公式4计算样本的多重置信度，样本的被破坏程度由所有缺失值属性的权重相加得出： 4 其中， ms表示缺失的属性； 表示第个样本中预测第个属性时样本的置信度； 表示属性相对于属性的权重； 步骤5-2、通过自联想神经网络模型，一次性填充所有缺失值；在不确定样本缺失属性的前提下，给样本的每一个属性都输出一个预测值；在预测每一个属性时，样本都会重新获得一个新的置信度，即一个样本有多少维度样本就有多少个置信度； 步骤6、将数据集缺失值打标签，返回缺失值在数据集中的坐标位置信息，根据缺失值属性的特点，用平均值或者众数或者中位数进行预填充； 步骤7、将数据集分为训练集和测试集； 步骤8、搭建神经网络，优化神经网络的传输路径；模型预测样本的所有属性值输出量个数等于输入量个数；在神经网络的输出层加上所预测的分类结果；当填充某一缺失值时，将其对应的输入数据量移除训练模型中； 步骤9、将数据集中的分类属性进行one-hot编码； 步骤10、优化损失函数；将计算得到的多重置信度运用到神经网络模型的损失函数中，通过对样本置信度的调节来区分各样本对模型训练的影响程度；引入‘早停’策略，使得预测的准确率达到最大化； 所述步骤10中， 所述损失函数的表达式如下式10： 10 式中， 表示第个样本在填充第个缺失属性时，样本的置信度，表示该属性值为连续型数值变量； 表示分类属性； 表示第k个样本中的第i个属性；所述属性为连续型变量； 表示第k个样本中的第i个属性的预测值； 表示第k个样本的第i个属性的分类结果；所述分类结果用one-hot编码表示； 表示第k个样本的第i个分类属性的预测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国电子技术标准化研究院;桂林电子科技大学，其通讯地址为：100007 北京市东城区安定门东大街1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。