1.一种用于癫痫脑波病历特征选择的多专家协同决策方法，其特征在于：具体步骤如下：A.设计一个具有n个专家的专家系统集E，其中每个专家ei∈E具有相应的重要度权重wi且wi∈[0,1]，并将该权重初始化为wi＝1,i∈{1,2,...,n}；

B.构造专家系统集中第i个专家ei对应的癫痫脑波病历参考关系特征选择矩阵其中l,k∈{1,2,...,n}， 为专家ei选择的每对脑波病历信号(xl,xk)相应特征值；

C.设计专家ei所在专家组Exgi的邻域半径ri，值范围ri∈[(wi-ηi),(wi+ηi)]，其中wi为重要度权重， αi为专家ei选择脑波病历信号对(xl,xk)相应特征值的迭代次数；

D.计算邻域半径范围ri内专家组Exgi的特征选择值协同性,并获取专家组Exgi的特征选择关系协同度cri；

E.比较专家组Exgi特征选择关系协同度cri与预先设定的协同性阈值μ关系：如果cri≥μ，则专家组Exgi对癫痫脑波病历特征选择过程结束，转向新的专家组进行脑波病历特征选择过程；如果cri＜μ，则继续专家组Exgi继续进行上述癫痫脑波病历特征选择过程，进一步优化协同度cri，直至满足cri＝μ；

F.构造含有专家系统集E的专家邻近矩阵集P和专家组Exgi的关系矩阵PEi，优化外伤性癫痫脑波病历特征集，并进行多专家特征选择的协同决策优化，求出外伤性癫痫脑波病历优化特征向量，从而获得多专家协同决策优化后的癫痫脑波病历特征选择集；

G.判断上述求得的外伤性癫痫脑波病历特征选择集结果是否满足最优精度要求，若满足，则输出癫痫脑波病历全局最优特征选择集；否则，转至步骤B重复进行上述过程。

2.根据权利要求1所述一种用于癫痫脑波病历特征选择的多专家协同决策方法，其特征在于：所述步骤D中所述实现计算邻域半径范围ri内专家组Exgi的特征选择值协同性，并获取专家组Exgi特征选择关系协同度cri；具体步骤如下：a.在专家组Exgi内对每一对专家ei,ej利用相似函数计算他们特征选择值 之间的相似度 计算公式为：b.构造每一对专家ei,ej之间相似矩阵SM如下：c.设计每一对专家ei,ej选择脑波病历信号(xl,xk)特征值时的平均权重 为：其中

d.计算专家组Exgi内每一对专家ei,ej平均权重值 的最大值为 最小值为求出专家组Exgi总的参考平均权重值 为其中

e.计算专家组Exgi内分配的癫痫脑波病历信号的特征选择度EMi为：f.获取专家组Exgi特征选择的关系协同度cri为：

3.根据权利要求1所述一种用于癫痫脑波病历特征选择的多专家协同决策方法，其特征在于：所述步骤F中所述构造专家系统集E的专家邻近矩阵集P和专家组Exgi的关系矩阵PEi，优化外伤性癫痫脑波病历的特征集，并进行多专家特征选择的协同决策优化，求出外伤性癫痫脑波病历优化特征向量，从而获得多专家协同决策优化后的癫痫脑波病历特征选择集；具体步骤如下：a.在专家系统集E中计算专家ei选择的每对脑波病历信号(xl,xk)相应特征值 求出专家邻近矩阵集P＝{P1,P2,...,Pi,...,Pn}，其中Pi为：b.构造专家组Exgi的特征选择值与专家邻近矩阵集P的关系矩阵PEi如下：其中 为专家组Exgi内每对专家(xl,xk)的特征关系值，其计算公式为：c.优化专家组Exgi中专家ei对癫痫脑波病历信号的特征选择值，使其特征关系值为：d .设专家协同决策阈值为ε，使 和 之间特征关系进一步满足则此时专家组Exgi中专家ei获得了较好的癫痫脑波病历信号的特征选择值；

e.专家组Exg1,Exg2,…,Exgi,…,Exgn分别针对各自分配的癫痫脑波病历信号构造相应的特征选择集向量为FS1,FS2,…,FSi,…,FSn，其向量具体如下：f.给每个癫痫脑波病历特征选择集向量赋以相应的特征权重Γi，Γi定义如下：g.进一步将每个癫痫脑波病历特征向量优化为FOS1,FOS2,…,FOSi,…,FOSn，其优化公式分别为：FOS1＝Γ1×FS1,

FOS2＝Γ2×FS2,

…

FOSi＝Γi×FSi,

…

FOSn＝Γn×FSn；

从而获取多专家协同优化癫痫脑波病历全局最优特征选择集为