[發明專利]基于模糊聚類優化高斯混合模型的高頻振蕩節律檢測方法有效
| 申請號： | 201810552305.1 | 申請日： | 2018-05-31 |
| 公開（公告）號： | CN108875604B | 公開（公告）日： | 2021-07-09 |
| 發明（設計）人： | 吳敏;萬雄波;方澤林;萬婷;杜玉曉 | 申請（專利權）人： | 中國地質大學（武漢） |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;A61B5/369;A61B5/374;A61B5/00 |
| 代理公司： | 武漢知產時代知識產權代理有限公司 42238 | 代理人： | 郝明琴 |
| 地址： | 430000 湖*** | 國省代碼： | 湖北;42 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 模糊 優化 混合 模型 高頻 振蕩 節律 檢測 方法 | ||
1.基于模糊聚類優化高斯混合模型的高頻振蕩節律檢測方法，其特征在于：包括以下步驟：
S101：獲取癲癇腦電信號的四個特征：模糊熵、短時能量、功率比和頻譜質心構成一個特征向量，在不同時刻得到多組所述四個特征，構成多個特征向量；
S102：采用期望最大化高斯混合模型聚類算法對所述多個特征向量進行分類，得到聚類結果；
分類過程中，采用模糊c-均值聚類算法對所述期望最大化高斯混合模型聚類算法的參數進行初始化；初始化的具體步驟為：
S201：隨機產生初始聚類中心vc，c＝1,2,…,C，C是聚類數目；
S202：根據聚類中心vc，計算第i個特征向量屬于第c類的隸屬度值μic：其中，μic滿足條件：C是聚類數目，p是加權模糊參數，Vi是所述D維特征向量，且由提取的所述模糊熵、所述短時能量、所述功率比和所述頻譜質心構成；
S203：根據公式(1)更新聚類中心vc：
其中，Vi是所述D維特征向量，由所述模糊熵、所述短時能量、所述功率比和所述頻譜質心構成，Nfl是所述D維特征向量Vi的長度，μic是第i個特征向量屬于第c類的隸屬度值；
S204：當滿足max1≤c≤C‖vc,new-vc,old‖＜ε時，所述模糊c-均值聚類算法結束；其中，vc,new是更新后的聚類中心，vc,old是更新前的聚類中心，ε是設定的精度誤差；
根據所述模糊c-均值聚類算法，通過公式(2)、公式(3)和公式(4)分別得到所述基于期望最大化高斯混合模型的聚類算法的初始化參數：權重Wc、聚類中心uc和協方差矩陣Σc：
uc＝vc (3)
∑c＝cov(Vic) (4)
其中，Nc是第c類特征向量的數目之和，是屬于第c類的特征向量構成的矩陣；
S103：根據所述期望最大化高斯混合模型聚類算得到的聚類結果，采用箱形圖的方法對不同類別特征進行統計學分析，檢測出癲癇腦電信號的高頻振蕩節律。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于中國地質大學（武漢），未經中國地質大學（武漢）許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810552305.1/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：基于車道線的智能駕駛控制方法和裝置、電子設備
- 下一篇：臉型確定方法及裝置
