公开(公告)号：CN117297582A

公开(公告)日：2023-12-29

申请号：CN202311070908.5

申请日：2023-08-24

Applicant: 东南大学

Inventor： 李钰雯 ,  郑嘉硕

IPC: A61B5/08 ,  G06F18/213 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08 ,  A61B5/00 ,  A61M16/00 ,  A61M16/06

Abstract: 本发明提出一种基于深度学习的高空飞行呼吸特性参数分析与呼吸变化趋势预测的方法及系统，基于深度学习的呼吸特性参数分析与变化趋势预测模型，根据压力传感器与位移传感器采集的呼吸数据来提取相关时间序列波形参数特征，然后通过呼吸特征设计基于判别典型相关分析的多模式下的特征融合算法，预测人体呼吸特性的变化趋势。同时，为了实现呼吸变化趋势的预测，本发明将呼吸参数序列的各个特征向量通过滑动窗口的方式转化为网络的输入和输出，然后采用深度学习网络进行数据建模和预测，并使用迭代预测的方式获得较长期的预测拟合结果，最终建立了基于深度学习的呼吸指标预测模型，为飞行员高空飞行的呼吸信号监测和调节提供规范化参考。

公开(公告)号：CN117034138A

公开(公告)日：2023-11-10

申请号：CN202310925898.2

申请日：2023-07-25

Applicant: 东南大学

Inventor： 李钰雯 ,  郑嘉硕

IPC: G06F18/2415 ,  G06F18/22 ,  G06F16/2458

Abstract: 本发明公开了一种针对数据处理的模糊粗糙集的多标签特征选择方法，首先，利用DiceCoeffient挖掘所有样本共享的标记相关性；同时，利用Hausdorff度量来估计局部的标记相关性；在此基础上，定义标记的固有权重和交互权重，并将这两种权重信息结合起来，构建多标记FRS模型进行特征选择，进而提出模糊以来函数来评价特征的重要性，并设计一种前向贪婪特征选择方法来选择出最优特征子集；最后，通过实验验证了该算法的有效性和效率。本发明不仅可以作为一种客观、有效的处理不完备信息的数学工具，而且在后续前瞻性实验中验证了该方法在高维数据处理中具有现实的应用价值。同时，本发明也拓展了模糊粗糙集的理论研究，使其具有更加广泛的应用范围。