基于机器学习的癫痫放电节律特征识别方法及相关装置

    公开(公告)号:CN116712088A

    公开(公告)日:2023-09-08

    申请号:CN202310819776.5

    申请日:2023-07-05

    Abstract: 本发明公开了一种基于机器学习的癫痫放电节律特征识别方法及相关装置,本发明利用全波段的全脑节点频域特征配合随机森林分类,大大减少判断癫痫放电时脑电节点的使用数量,这对于实际应用来说可以使得设备更便携,甚至能够达到仅仅使用三个贴片就能得到需要的诊断数据,大大降低了诊断成本。对于三个节点所拓展出来的多个特征,利用t‑SNE非线性降维的方法在尽可能保留全部特征的基础上有目的性地对于数据进行了降维,使其更有利于简单的机器学习分类。本发明可以大幅减少冗余数据,倘若辅以一定的医学观察,将大大提高一部分癫痫患者的安全性。

    基于AHP-熵权法的卫星健康状态多级模糊评价方法

    公开(公告)号:CN111105153A

    公开(公告)日:2020-05-05

    申请号:CN201911282950.7

    申请日:2019-12-13

    Abstract: 本发明公开了一种基于AHP-熵权法的卫星健康状态多级模糊评价方法,构建包括主观权重、客观权重和综合权重的系统权重体系,采用层次分析法与熵权法为模糊综合评价法提供精确的综合权重,层次分析法提供主观权重,熵权法提供客观权重,将主客观权重通过优化函数得到主客观相结合的综合权重;构建包括因素论域和评语集、隶属函数和评价矩阵及多级模糊评价的系统评价体系,对在轨卫星使用状态进行综合评价,通过模糊综合评价的隶属度原理对每层元素进行评估,然后采用多级模糊综合评价法由下往上依次递推评估整体健康状态。本发明提升了卫星系统安全性与可靠性、降低有效生命周期运行成本,保障在轨卫星任务的顺利完成。

Patent Agency Ranking