[发明专利]基于遗传算法优化的BP神经网络的心电图分类方法在审
申请号: | 201910487227.6 | 申请日: | 2019-06-05 |
公开(公告)号: | CN110211684A | 公开(公告)日: | 2019-09-06 |
发明(设计)人: | 李鑫钊 | 申请(专利权)人: | 四川长虹电器股份有限公司 |
主分类号: | G16H50/20 | 分类号: | G16H50/20;G06N3/12;G06N3/08;A61B5/0402;A61B5/04;A61B5/00 |
代理公司: | 四川省成都市天策商标专利事务所 51213 | 代理人: | 刘渝 |
地址: | 621000 四*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种基于遗传算法优化的BP神经网络的心电图分类方法,包括以下步骤:从数据库中选取数据集,并通过Matlab程序读取所述数据集,并以mat格式文件进行保存;利用遗传算法对数据集进行交叉变异选出最优子代,将得到的结果作为训练样本传入BP神经网络的输入层;训练BP神经网络,所述BP神经网络包括依次连接的输入层、多层隐含层单元和输出层;将待分类的心电图通过Matlab程序读取出mat格式文件,然后输入训练好的BP神经网络对待分类的心电图进行分类。本发明相比于传统的心电图分类算法具有更高的准确率,提高了心电图自动诊断的准确性和稳定性,具有重要的现实意义。 | ||
搜索关键词: | 心电图 数据集 分类 读取 遗传算法优化 格式文件 输入层 分类算法 现实意义 训练样本 依次连接 遗传算法 自动诊断 子代 传统的 输出层 隐含层 准确率 多层 数据库 保存 | ||
【主权项】:
1.一种基于遗传算法优化的BP神经网络的心电图分类方法,其特征在于,包括以下步骤:S10、从数据库中选取数据集,并通过Matlab程序读取所述数据集,并以mat格式文件进行保存;S20、利用遗传算法对数据集进行交叉变异选出最优子代,将得到的结果作为训练样本传入BP神经网络的输入层;S30、训练BP神经网络,所述BP神经网络包括依次连接的输入层、多层隐含层单元和输出层,其中,同一层神经元之间无连接,前一层节点与后一层节点采用全连接的方式,具体包括以下步骤:S31、计算隐含层、输出层的各输入输出;S32、计算隐含层各单元的校正误差;S33、调整隐含层到输出层的权重及输出层阈值;S34、调整输入层到隐含层的权重及输出层阈值;S35、当误差小于等于预设的误差门限值时,结束训练;S40、将待分类的心电图通过Matlab程序读取出mat格式文件,然后输入训练好的BP神经网络对待分类的心电图进行分类。
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四川长虹电器股份有限公司,未经四川长虹电器股份有限公司许可,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/201910487227.6/,转载请声明来源钻瓜专利网。