← 返回列表
基于PNN-LVQ的特征权重自适应脉搏波分类方法
申请人信息
- 申请人:山东锋士信息技术有限公司
- 申请人地址:250107 山东省济南市高新区遥墙街道明远街2号中欧智造港18号多层厂房1单元101室、102室
- 发明人: 山东锋士信息技术有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于PNN-LVQ的特征权重自适应脉搏波分类方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311773487.2 |
| 申请日 | 2023/12/22 |
| 公告号 | CN117426754A |
| 公开日 | 2024/1/23 |
| IPC主分类号 | A61B5/02 |
| 权利人 | 山东锋士信息技术有限公司 |
| 发明人 | 孙启玉; 王停停; 高亚欣; 刘肖; 刘晓芳; 崔苗苗 |
| 地址 | 山东省济南市高新区遥墙街道明远街2号中欧智造港18号多层厂房1单元101室、102室 |
摘要文本
本发明涉及一种基于PNN‑LVQ的特征权重自适应脉搏波分类方法，属于脉冲信号处理和健康信息数据处理技术领域。本发明采用矩阵脉搏波信号，采用PCA方法降维，通过PNN‑LVQ网络训练，完成对PNN网络竞争层的优化，采用先进鲸鱼算法优化PNN‑LVQ网络的输入信号，对特征信号进行权重自适应调整，本发明能够提取含有脉搏波幅值较高的数据信息，并且可避免了过程中由于测量移动带来的误差，分类准确率较高，训练速度较快。
专利主权项内容
1.基于PNN-LVQ的特征权重自适应脉搏波分类方法，其特征是，包括步骤如下：S1. 通过有矩阵传感器的脉诊器获取被检测者原始矩阵脉搏波信号；S2. 对采集的矩阵脉搏波信号进行去除背景噪声和基线漂移预处理；S3. 对预处理后的脉搏波信息采用主成分分析法PCA进行降维处理；S4. 搭建PNN概率神经网络结构，采用降维后的特征信息作为输入信号进行学习；S5. 采用LVQ网络学习算法对PNN概率神经网络输出层进行有监督训练调整最接近输入信号的两个神经元之间的权重实现分类优化；S6. 采用改进的鲸鱼优化算法对PNN-LVQ网络的输入特征信号进行自适应调整特征值的权重，重新输入PNN-LVQ网络实现训练；S7. 用训练好的网络对待测脉搏波信号分类。。更多数据：搜索马克数据网来源：