[发明专利]数据分类方法、装置、存储介质及电子设备

权利要求书

1.一种数据分类方法，其特征在于，所述方法包括：

对数据进行滤波处理，以去除所述数据中的噪声信号，其中，所述数据为时域波形数据；

将滤波后的所述数据转换为图像；

将转换为图像后的所述数据输入数据分类模型中，得到所述数据的分类结果，其中，所述数据分类模型是根据未标注的样本数据进行无监督训练得到的。

2.根据权利要求1所述的方法，其特征在于，所述数据为心电波形数据，所述样本数据包括房颤数据和正常心律数据，所述将转换为图像后的所述数据输入数据分类模型中，得到所述数据的分类结果，包括：

将转换为图像后的所述数据输入所述数据分类模型中，得到所述数据为房颤数据或正常心律数据的分类结果。

3.根据权利要求1或2所述的方法，其特征在于，所述数据分类模型包括深度信念网络和支持向量机，所述数据分类模型是通过如下方式得到的：

针对未标注的样本数据进行滤波处理；

将滤波后的所述样本数据转换为图像输入所述深度信念网络进行无监督训练，并通过所述深度信念网络提取滤波后的所述样本数据的特征信息；

将提取到的所述特征信息输入所述支持向量机进行训练，得到所述数据分类模型。

4.根据权利要求3所述的方法，其特征在于，所述支持向量机的核函数为径向基函数，所述方法还包括：

针对所述支持向量机的惩罚系数和所述径向基函数的系数，通过网格搜索的方式在预设数值范围内进行遍历，所述惩罚系数用于表征所述支持向量机对于误分类的容错率，所述径向基函数的系数用于表征待分类的数据被确定为支持向量的概率值；

所述将提取到的所述特征信息输入所述支持向量机进行训练，包括：

针对提取到的所述特征信息，通过交叉验证的方式，在遍历过的所有数值中，确定所述支持向量机的最优惩罚系数和所述径向基函数的最优系数。

5.根据权利要求1或2所述的方法，其特征在于，所述将滤波后的所述数据转换为图像，包括：

针对滤波后的所述数据，按照预设时长对所述数据进行分段；

将分段后的每一个数据分别转换为图像。

6.根据权利要求1或2所述的方法，其特征在于，所述对数据进行滤波处理，包括：

通过高斯滤波对所述数据进行一次滤波处理；

针对高斯滤波后的所述数据，通过巴特沃斯滤波器进行二次滤波处理，以去除所述数据中的工频干扰信号、高频肌电信号和低频基线漂移中的至少一者。

7.根据权利要求6所述的方法，其特征在于，所述通过高斯滤波对所述数据进行一次滤波处理，包括：

通过多个不同的模糊半径，确定用于高斯滤波的多个高斯核；

根据预设权重值，对所述多个高斯核进行加权求和，得到目标高斯核；

通过所述目标高斯核对所述数据进行高斯滤波。

8.一种数据分类装置，其特征在于，所述装置包括：

滤波模块，用于对数据进行滤波处理，以去除所述数据中的噪声信号，其中，所述数据为时域波形数据；

转换模块，用于将滤波后的所述数据转换为图像；

分类模块，用于将转换为图像后的所述数据输入数据分类模型中，得到所述数据的分类结果，所述数据分类模型是根据未标注的样本数据进行无监督训练得到的。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。

10.一种电子设备，其特征在于，包括：

存储器，其上存储有计算机程序；

处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-7中任一项所述方法的步骤。