[发明专利]基于Memetic算法的心电信号特征选择方法及系统有效
申请号: | 201410555986.9 | 申请日: | 2014-10-20 |
公开(公告)号: | CN105590010B | 公开(公告)日: | 2018-11-09 |
发明(设计)人: | 戴鹏;沈劲鹏 | 申请(专利权)人: | 深圳市迈迪加科技发展有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06N99/00 |
代理公司: | 深圳市君胜知识产权代理事务所(普通合伙) 44268 | 代理人: | 王永文;刘文求 |
地址: | 518000 广东省深圳市南山*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开基于Memetic算法的心电信号特征选择方法及系统,本发明使用基于封装的特征选择框架,并且引入了Memetic算法(Memetic Algorithm,MA)对心电信号进行优化提取,本发明无需定位基本波形以提取特征:一方面,其避免了因波形检测失准,而造成后续机器学习算法性能下降,可更为有效地处理多变的实际心电信号;另一方面,可节省波形检测所需的计算量,计算复杂度更低。本发明不依赖于预设的特征指标,对先验知识要求较低,且可自动抽取输入原始心电信号中的特征信息。避免了人为设定提取指标导致的不合理性问题。Memetic算法可比现有方法更有效地解决复杂的大规模优化问题。通过将其用于选择矢量的优化,可获得更具代表性的特征子集,从而显著提升后续分类/回归算法的预测性能。此外,通过在适应值计算中加入稀疏代价函数,本方法可有效避免定域性问题,提升算法泛化能力。 | ||
搜索关键词: | 基于 memetic 算法 电信号 特征 选择 方法 系统 | ||
【主权项】:
1.一种基于Memetic算法的心电信号特征选择方法,其特征在于,包括步骤:A、设输入的心电信号数据集为F={(F1,t1),(F2,t2)...,(Fn,tn),...(FN,tN)},其中Fn、tn分别为第n个信号矢量与样本标签,N为样本总数,信号维数为D,并设定优化总迭代次数为K次;B、初始化迭代计数器k=0,构造用于Memetic算法的进化种群ps,其中每个寻优个体为D维矢量Xi,i=1,2,...,|ps|,Xi的值取为[0,1]范围内的随机值:Xi={xd=rand(0,1)|d∈D},Xi∈ps;C、计算ps中每个寻优个体Xi的适应度函数值f(Xi);D、根据各寻优个体Xi的适应度函数值f(Xi),使用Memetic算法优化进化种群ps;E、更新迭代计数器k=k+1,判断k是否小于K,当是时则返回步骤C,否则执行步骤F;F、优化迭代完成后,选择进化种群ps中的最优个体Xbest为:
G、将Xbest映射为最佳选择矢量Wbest,并对心电信号数据集F进行特征选择,形成最优降维数据集Fbest*,同时将此最优降维数据集用于训练分类/回归算法获得最终的学习准确率;H、将Wbest、Fbest*及最终的学习准确率作为输出;所述步骤C具体包括:C1、对于当前输入的寻优个体,将其映射为选择矢量Wi:Wi={wd=step(xd‑δ)|d∈D,xd∈Xi}其中,step(·)为单位阶跃函数,δ为映射阈值;C2、根据Wi对心电信号数据集F中的各信号矢量Fn进行特征选择从而形成降维后的信号矢量Fn*;C3、将降维后的信号矢量Fn*及其对应样本标签tn,构成特征选择数据集F*={(F1*,t1),(F2*,t2),...,(FN*,tN)};C4、将所述特征选择数据集F*用于训练分类/回归算法,获得学习准确率,并作为当前寻优个体Xi的粗适应度函数值fraw(Xi);C5、设置稀疏代价函数为Xi的1范数:ρi=||Xi||;C6、计算Xi最终的适应度函数值f(Xi)为:f(Xi)=fraw(Xi)+βρi其中β为拉格朗日乘数,用于控制特征选择的稀疏程度。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市迈迪加科技发展有限公司,未经深圳市迈迪加科技发展有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201410555986.9/,转载请声明来源钻瓜专利网。