[發明專利]一種基于稀疏核主分量分析的RdR散點圖識別方法在審
| 申請號： | 201810884233.0 | 申請日： | 2018-08-06 |
| 公開（公告）號： | CN109119158A | 公開（公告）日： | 2019-01-01 |
| 發明（設計）人： | 岳大超;劉海寬;張磊;李致遠;蔣大偉 | 申請（專利權）人： | 江蘇師范大學 |
| 主分類號： | G16H50/20 | 分類號： | G16H50/20;G16H30/20;G06K9/00 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 221009 江*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 散點圖 主分量分析 稀疏 樣本 濾波去噪處理 歸一化處理 參數訓練 測試樣本 分類識別 分類效果 峰值位置 設置參數 特征向量 圖像數據 心電信號 重新設置 采樣 求解 圖樣 對心 間期 散點 算法 縮放 心搏 近似 繪制 返回 | ||
1.一種基于稀疏核主分量分析的RdR散點圖識別方法，其特征在于，包括以下步驟：
步驟1）獲取心電信號，對心電信號進行濾波去噪處理，提取R波峰值位置；
步驟2）使用心搏間期繪制RdR散點圖，可以通過MATLAB等工具來繪制；
步驟3）對RdR散點圖進行縮放，轉成灰度圖，并對圖像數據進行歸一化處理，以減少計算量；
步驟4）對獲得的散點圖樣本進行標記；
步驟5）對樣本進行采樣，隨機抽取75%的數據作為訓練樣本；
步驟6）設置參數，參數包括近似基的誤差參數、高斯核函數參數以及控制限的值；
步驟7）分別對每類樣本求解近似基、特征值、特征向量；
步驟8）分別計算每個測試樣本的SPE，其值與某類樣本的SPE差值最小者為測試樣本的預測類別，與實際類別比較，計算準確率，若滿足要求則步驟9，否則返回步驟6重新設置參數訓練；
步驟9）獲得參數，算法結束。
2.根據權利要求1所述的一種基于稀疏核主分量分析的RdR散點圖識別方法，其特征在于：所述的核主分量分析是一種無監督機器學習算法。
3.根據權利要求1所述的一種基于稀疏核主分量分析的RdR散點圖識別方法，其特征在于：所述步驟2）中的RdR散點圖是一種心率變異性分析方法，可以體現其隨時間變化的趨勢。
4.根據權利要求1所述的一種基于稀疏核主分量分析的RdR散點圖識別方法，其特征在于：所述步驟3）中為了減少計算量，將散點圖轉成灰度圖，然后進行處理、識別。
5.根據權利要求1所述的一種基于稀疏核主分量分析的RdR散點圖識別方法，其特征在于：所述步驟5）中為了測試分類器的性能，隨機抽取75%的樣本用于訓練，25%的樣本用于測試。
6.根據權利要求1所述的一種基于稀疏核主分量分析的RdR散點圖識別方法，其特征在于： 所述步驟7）中為了減少冗余特征以及計算的復雜度，以及過學習問題，對樣本進行了稀疏化處理。
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江蘇師范大學，未經江蘇師范大學許可，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/201810884233.0/1.html，轉載請聲明來源鉆瓜專利網。
