龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：西安理工大学
摘要：本发明提供了一种心电信号分类、心电信号分类模型训练方法及电子设备，模型训练方法包括：确定包括有标签的心电信号样本和无标签的心电信号样本的训练数据集，以及包括基于依次级联的多个掩码自编码器构成的初始变量变换模块和基于混合高斯分布生成的初始变量分类模块的初始心电信号分类模型。将心电信号样本输入至初始变量变换模块得到服从混合高斯分布的目标变量，并将目标变量输入至初始变量分类模块，得到心电信号样本的分类结果；根据分类结果调整初始心电信号分类模型的目标参数，得到目标心电信号分类模型。有效降低了心电信号分类模型的训练成本，提升了心电信号分类模型训练效率以及提升了得到的心电信号分类模型的分类准确性。
主权项：1.一种心电信号分类模型训练方法，其特征在于，所述方法包括：确定训练数据集，以及确定初始心电信号分类模型，所述训练数据集包括有标签的心电信号样本和无标签的心电信号样本，所述初始心电信号分类模型包括初始变量变换模块和初始变量分类模块，所述初始变量变换模块包括依次级联的多个掩码自编码器，所述初始变量分类模块基于混合高斯分布生成；将所述训练数据集包括的所述心电信号样本输入至所述初始心电信号分类模型，由所述初始变量变换模块对所述心电信号样本进行变量变换处理，得到服从混合高斯分布的目标变量，并将所述目标变量输入至所述初始变量分类模块，由所述初始变量分类模块根据所述目标变量进行变量分类处理，得到所述心电信号样本的分类结果；根据所述分类结果调整所述初始心电信号分类模型的目标参数，得到目标心电信号分类模型。
全文数据：
权利要求：
百度查询： 西安理工大学 心电信号分类、心电信号分类模型训练方法及电子设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号