[发明专利]深度网络堆栈模型自适应加权特征融合的癫痫检测方法有效
| 申请号： | 201910398578.X | 申请日： | 2019-05-14 |
| 公开（公告）号： | CN110289081B | 公开（公告）日： | 2021-11-02 |
| 发明（设计）人： | 曹九稳;祝家华;蒋铁甲;高峰 | 申请（专利权）人： | 杭州电子科技大学 |
| 主分类号： | G16H30/20 | 分类号： | G16H30/20;G06K9/62;G06N3/04 |
| 代理公司： | 杭州君度专利代理事务所(特殊普通合伙) 33240 | 代理人： | 朱月芬 |
| 地址： | 310018 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种深度网络堆栈模型自适应加权特征融合的癫痫检测方法。本发明步骤如下：1：原始脑电信号经过预处理后，对脑电信号每个通道的数据进行离散傅里叶变换，并获得其平均振幅谱；将取得的平均振幅谱特征随机划分为几部分，以适用于自适应加权特征融合的深度网络堆栈模型；2：使用不同结构的卷积神经网络对步骤1中得到的数据集进行第二次特征提取；3：将不同的卷积神经网络提取的特征进行自适应加权特征融合，最后由基于支持向量机的纠错输出编码模型预测样本所属类别。本发明通过堆栈集成方法和自适应加权特征融合算法，使系统可以融合每种不同结构深度网络提取的特征，提高了癫痫预测效果。 | ||
| 搜索关键词： | 深度 网络 堆栈 模型 自适应 加权 特征 融合 癫痫 检测 方法 | ||
【主权项】：
1.深度网络堆栈模型自适应加权特征融合的癫痫检测方法，其特征在于包括如下步骤：步骤1：原始脑电信号经过预处理后，对脑电信号每个通道的数据进行离散傅里叶变换，并获得其平均振幅谱；将取得的平均振幅谱特征随机划分为几部分，以适用于自适应加权特征融合的深度网络堆栈模型；步骤2：在深度网络堆栈模型自适应加权特征融合的癫痫检测算法中，使用不同结构的卷积神经网络对步骤1中得到的数据集进行第二次特征提取；步骤3：将不同的卷积神经网络提取的特征进行自适应加权特征融合，最后由基于支持向量机的纠错输出编码(ECOC)模型预测样本所属类别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于杭州电子科技大学，未经杭州电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910398578.X/，转载请声明来源钻瓜专利网。
- 上一篇：一种婴幼儿智能辅食系统
- 下一篇：可穿戴装置和方法
