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：广东技术师范大学
摘要：本发明公开了一种基于集成学习特征选择的心律失常分类方法，包括：通过将ECG数据集划分为4个样本类别等比例的互斥子集，对每个数据集分别进行一次特征选择，将得到的4组特征集合送入Bagging集成学习中进行投票，通过投票得到一组最佳的特征集合，最终将这组特征集合输送至随机森林分类器（RandomForest,RF）中进行心律失常分类。该方法通过Bagging集成学习集成了4种MI方法的特征选择特点，克服了单一MI方法在对数据噪声十分敏感，易过拟合，需求大量数据等缺点。同时将ECG数据划分为4份分别进行特征选择，进一步降低了系统的运算时间，使整体的计算复杂度降低。
主权项：1.一种基于集成学习特征选择的心律失常分类方法，其特征在于，包括：获取心电图数据并构成心电图数据集，根据StratifiedKFold分层K折交叉验证方法将所述心电图数据集划分为4个样本类别等比例的互斥子集；对4个互斥子集分别采用MI、CMI、JMI和mRMR特征选择方法进行特征选择处理，构成样本集；使用弱选择器学习算法在样本集上训练一个弱选择器，利用Bagging集成学习算法对弱选择器的输出结果进行组合，得到最终的强选择器，并输出最佳特征组；基于随机森林算法构建随机森林分类器，根据最佳特征组对所述随机森林分类器进行训练，采用多数投票原则进行预测类别确定。
全文数据：
权利要求：
百度查询： 广东技术师范大学 一种基于集成学习特征选择的心律失常分类方法
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