[发明专利]基于半监督判别投影的脉搏数据分类方法及装置

说明书

本发明公开了基于半监督判别投影的脉搏数据分类方法及装置。具体分类方法包括：1、采集压力脉搏数据。2、对步骤1中采集到的数据进行预处理及特征提取。3、建立半监督判别投影模型，利用投影矩阵寻找最优子空间，并在该空间中进行聚类，标注无标记样本，并加入下一轮训练，实现对脉搏数据的半监督学习。4、对投影矩阵进行分析，通过求取投影矩阵的“行归一化二范数”，获取各个特征对当前任务的贡献程度。所述脉搏数据分类装置用于实现上述分类步骤。本发明通过判别投影方法，提供了一种高精度脉搏数据分类任务的工具，量化了特征重要性，取得了良好实验效果。

技术领域

本发明属于信号处理技术领域，涉及脉搏数据分类处理，具体涉及基于半监督判别投影的脉搏数据分类方法及装置。

背景技术

传统中医的诊断方法包括望、闻、问、切四部分，其中“切”特指中医利用手指感受脉搏跳动而产生的“脉象”。根据中医理论，对脉搏按照其跳动的特征进行判断、分类，可以为后续的疾病诊断提供辅助。

随着脉搏信号采集系统的不断发展，出现了如自动加压脉象仪这类能够适应中医灵活切脉指法的脉诊仪器，使得脉搏数据的获取变得更为容易。针对大量的脉搏数据，通过人工识别的方式进行对比分类，是一项十分复杂且繁琐的工作。因此现有技术提出了基于马尔可夫决策链、蒙特卡罗搜索等算法的方式，对脉搏数据的特征进行研究。但是这些研究大多仅从原始脉搏数据本身，进行类别判断，而忽略了不同的特征对于不同种类脉象的表现能力，无法量化表征原始特征的重要性，因此识别效果较差。

发明内容

针对现有技术的不足，本发明提出了基于半监督判别投影的脉搏数据分类方法及装置，通过半监督学习的方式，将有标签的原始数据与无标签数据投影到子空间中，在判别能力最强的子空间中进行聚类，实现对脉搏数据的分类。

基于半监督判别投影的脉搏数据分类方法，具体包括以下步骤：

步骤1、采集脉搏数据，并将对应的身体状况信息作为该数据的标签。所述身体状况信息为：表寒、表热、表虚、表实、里寒、里热、里虚、里实或正常。

作为优选，使用薄膜压力脉搏传感器，设置采样频率f_s，采集原始压力脉搏信号。

步骤2、对步骤1采集到的脉搏数据进行预处理消除噪声，然后通过快速傅里叶变换，将频率能量分布序列最大值对应的频率值的倒数作为脉搏周期。

作为优选，通过小波变换与基线漂移消除，降低由于采集过程中由于手臂轻微移动与肌肉颤抖等因素产生的噪声。

步骤3、使用步骤2计算得到的脉搏周期，将预处理后的脉搏数据划分为单周期数据，然后对每个周期内的数据提取主波幅度、主波峡幅度、重搏前波幅度、降重峡幅度、重搏波幅度，以及左心室的快速射血期时间、起始点到主波峡谷底的时间间隔、起始点到重搏前波波峰的时间间隔、左心室收缩期、左心室舒张期共10个特征。将每个脉搏周期的特征作为一个样本，各样本按列合并得到脉搏数据的样本矩阵d表示特征数量，n表示单周期脉搏信号的数量。同时，对样本矩阵X进行去中心化处理，即用各个样本减去所有样本平均值，保证各特征平均值为0,以简化后序计算。并将样本矩阵X划分为两部分，其中X_l为带标记样本X_u为无标记样本。

步骤4、根据步骤3得到的样本矩阵X，建立如下半监督判别投影模型：