[發明專利]一種基于改進灰狼算法優化的SVM心電信號識別方法

有效

• 申請號: 202011180394.5
• 申請日: 2020-10-29
• 公開（公告）號: CN112163570B
• 公開（公告）日: 2021-10-19
• 發明（設計）人: 劉繼忠;李繼發;徐文斌
• 申請（專利權）人: 南昌大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于改進灰狼算法優化的SVM心電信號識別方法，其特征在于，包括以下步驟：

步驟S1：采集ECG數據；

步驟S2：對ECG信號進行簡單的去噪處理后，通過小波變換進行特征提取，由此得到原始ECG信號樣本熵特征和小波能量比特征并將此組成融合特征空間作為分類模型的輸入向量；

步驟S3：進入改進灰狼算法DIGWO，在迭代過程中，計算每個灰狼的適應度值，并與前一次迭代中相應灰狼的適應度值比較，若比之較好則替換位置信息，反之不動，達到最大迭代次數停止迭代，輸出參數懲罰因子C和核函數參數g的最優組合，其中改進灰狼算法DIGWO是在傳統灰狼算法的基礎上，從子群劃分、收斂因子和比例權重三個方面對灰狼算法進行改進，改進的灰狼算法具體流程步驟如下：

步驟S31：參數初始化，設定灰狼種群數量N，迭代次數T，隨機初始化灰狼種群位置；

步驟S32：遍歷當前種群灰狼，計算適應度值，找出灰狼群體中的最優個體α狼，以及適應度最差的ω狼，分別計算并保留α狼的坐標X_α,Y_α，以及最差位置ω狼的坐標X_ω,Y_ω；

步驟S33：分別計算灰狼個體i與最優個體之間的距離Disti_abest及與最差個體之間的距離Disti_worst；若Disti_abest≤(Disti_worst)/2，則將灰狼個體i劃分到較優子群，轉步驟S34；否則，將灰狼劃分到較差子群，轉步驟S35；

步驟S34：較優子群內灰狼采用收斂因子a1及歐式權重對灰狼個體位置更新，并且計算每個灰狼的適應度值，并與前一次迭代中相應灰狼的適應度值比較，若比之較好則替換位置信息，反之不動；

步驟S35：較差子群內灰狼采用收斂因子a2及歐式權重對灰狼個體位置更新，并且計算每個灰狼的適應度值，并與前一次迭代中相應灰狼的適應度值比較，若比之較好則替換位置信息，反之不動；

步驟S36：將較優與較差子群進行合并；

步驟S37：判斷DIGWO算法是否達到了迭代次數，若滿足，則結束，若沒有達到迭代次數T，則返回步驟S32；

步驟S4：將得到的參數C和g來訓練SVM，建立DIGWO-SVM分類模型；

步驟S5：基于訓練好的DIGWO-SVM分類系統進行分類；

步驟S6：根據DIGWO-SVM分類結果作為心電信號識別結果。

2.根據權利要求1所述的一種基于改進灰狼算法優化的SVM心電信號識別方法，其特征在于，所述灰狼個體i與最優個體之間的距離Disti_abest及與最差個體之間的距離Disti_worst計算公式如下式(1)：

式中，X_i為當代種群灰狼位置，X_α為當代種群中適應度值最高的α狼位置，X_ω為當代種群中適應度最低的灰狼位置。

3.根據權利要求1所述的一種基于改進灰狼算法優化的SVM心電信號識別方法，其特征在于，針對較優子群與較差子群適應度值的差異，采用不同的收斂因子，如下式(2)為較優子群的收斂因子公式，如下式(3)為較差子群的收斂因子公式：

4.根據權利要求3所述的一種基于改進灰狼算法優化的SVM心電信號識別方法，其特征在于，在改進的灰狼算法中，提出一種基于歐式距離的位置更新策略，對當前灰狼個體位置進行更新，根據如下公式(4)至公式(7)更新灰狼個體的位置信息：

每一只ω狼與α、β、δ狼的距離公式如下式(4)：

更新α、β、δ狼的位置信息如下式(5)：

式中C₁＝2r₁₁，C₂＝2r₁₂，C₃＝2r₁₃，A₁＝2ar₂₁-a，A₂＝2ar₂₂-a，A₃＝2ar₂₃-a， 其中a在迭代過程中從2線性減小到0，如果當前灰狼個體屬于較優子群，a取a1，如果當前灰狼個體屬于較差子群，a則取a2；r11、r12、r13和r21、r22、r23是取值在[0,1]之間的隨機向量；

式(4)中X_α、X_β、X_δ分別當前種群中α、β、δ的位置向量，X(t)為第t代灰狼個體的位置，D_α、D_β、D_δ分別表示當前候選α、β、δ灰狼與第t代灰狼個體之間的距離，C₁，C₂，C₃是擺動因子；式(5)中X₁表示迭代后的α狼位置，X₂表示β狼位置，X₃表示δ狼位置，A₁，A₂，A₃是各自的收斂因子；

基于歐氏距離的位置更新策略，以D_α、D_β、D_δ倒數的占比作為權重系數，對當前灰狼中除α、β、δ狼外的其他灰狼個體位置進行更新，計算公式如下式(7)：