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。
技术实现要素:
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RReli