[发明专利]一种基于流形学习和RBF神经网络的近红外无创血糖仪校正算法在审
| 申请号： | 201510832642.2 | 申请日： | 2015-11-26 |
| 公开（公告）号： | CN106803009A | 公开（公告）日： | 2017-06-06 |
| 发明（设计）人： | 闫东伟;邹凌伟;邱亚星;张中祥;李水 | 申请（专利权）人： | 北京光巨力信息技术有限公司 |
| 主分类号： | G06F19/00 | 分类号： | G06F19/00 |
| 代理公司： | 北京康盛知识产权代理有限公司11331 | 代理人： | 刘子辉 |
| 地址： | 100080 北京市海*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种近红外透射法无创血糖仪的校正模型算法。该算法在朗伯比尔定律的基础上进行非线性扩展和非线性降维，用RBF神经网络建立校正模型。包括以下步骤首先对用LED‑光电接收管获取的5个波长的吸光度数据进行非线性扩展，扩展方式包括多项式扩展及对数扩展；对原始数据和扩展后的共25维数据，运用流形学习降维理论中的局部线性嵌入(Locally Linear Embedding，LLE)算法，把25维数据降为10维；用连续投影算法(Successive Projections Algorithm，SPA)从10维数据中选出5个敏感波长数据；对5个波长数据运用RBF神经网络建立校正模型。 | ||
| 搜索关键词： | 一种 基于 流形 学习 rbf 神经网络 红外 血糖仪 校正 算法 | ||
【主权项】：
一种基于流形学习和RBF神经网络的近红外无创血糖仪校正算法,其特征在于，包括以下步骤：步骤一：对用LED‑光电接收管获取的5个波长的吸光度数据进行非线性扩展，扩展方式包括多项式扩展及对数扩展，如X12,,X1*X2,log(X1)等；步骤二：对原始数据和扩展后的数据合计25维数据，运用流形学习降维理论中的局部线性嵌入(Locally Linear Embedding，LLE)算法，把25维数据降为10维；步骤三：用连续投影算法 ( Successive Projections Algorithm , SPA)从10维数据中选出5个敏感波长数据；步骤四：对5个波长数据运用RBF神经网络建立校正模型。
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北京光巨力信息技术有限公司，未经北京光巨力信息技术有限公司许可，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/201510832642.2/，转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算；推算；计数
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学，即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真，例如：概率模型或动态模型，遗传基因管理网络，蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的，例如：进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的，例如：结构排序，结构或功能关系，蛋白质折叠，结构域拓扑，用结构数据的药靶，涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的，例如：基因型–表型关联，不均衡连接，种群遗传学，结合位置鉴定，变异发生，基因型或染色体组的注释，蛋白质相互作用或蛋白质核酸的相互作用
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学，即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真，例如：概率模型或动态模型，遗传基因管理网络，蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的，例如：进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的，例如：结构排序，结构或功能关系，蛋白质折叠，结构域拓扑，用结构数据的药靶，涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的，例如：基因型–表型关联，不均衡连接，种群遗传学，结合位置鉴定，变异发生，基因型或染色体组的注释，蛋白质相互作用或蛋白质核酸的相互作用
