基于类内类间距离的CNN模型心拍分类方法

    公开(公告)号:CN109033990A

    公开(公告)日:2018-12-18

    申请号:CN201810708608.8

    申请日:2018-07-02

    Applicant: 河南大学

    CPC classification number: G06K9/00536 G06K9/00516 G06N3/0454

    Abstract: 本发明涉及ECG心拍分类技术领域,尤其涉及基于类内类间距离的CNN模型心拍分类方法。基于类内类间距离的CNN模型心拍分类方法,包括:构建心拍特征数学模型;基于心拍特征数学模型,构建共性CNN模型;基于心拍特征数学模型,在共性CNN模型的基础上,采用类内距最小化类间距最大化方法对共性CNN模型进行改进,用以构建个性CNN模型;综合个性CNN模型的输出信息对心拍进行分类。本发明建立了共性CNN模型提取心拍的类间共性特征、类内距最小化类间距最大化的个性CNN模型提取心拍的类别个性特征,解决了由心拍类数据量不平衡导致的不能有效提取心拍特征的问题;将完整的心拍作为CNN的输入特征,实现了模型完全自动充分的提取心拍特征,进而准确的对心拍分类。

    基于类内类间距离的CNN模型心拍分类方法

    公开(公告)号:CN109033990B

    公开(公告)日:2021-08-17

    申请号:CN201810708608.8

    申请日:2018-07-02

    Abstract: 本发明涉及ECG心拍分类技术领域,尤其涉及基于类内类间距离的CNN模型心拍分类方法。基于类内类间距离的CNN模型心拍分类方法,包括:构建心拍特征数学模型;基于心拍特征数学模型,构建共性CNN模型;基于心拍特征数学模型,在共性CNN模型的基础上,采用类内距最小化类间距最大化方法对共性CNN模型进行改进,用以构建个性CNN模型;综合个性CNN模型的输出信息对心拍进行分类。本发明建立了共性CNN模型提取心拍的类间共性特征、类内距最小化类间距最大化的个性CNN模型提取心拍的类别个性特征,解决了由心拍类数据量不平衡导致的不能有效提取心拍特征的问题;将完整的心拍作为CNN的输入特征,实现了模型完全自动充分的提取心拍特征,进而准确的对心拍分类。

Patent Agency Ranking