[发明专利]基于随机森林和卷积神经网络的脑电数据分类方法在审
| 申请号： | 201910745397.X | 申请日： | 2019-08-13 |
| 公开（公告）号： | CN110543832A | 公开（公告）日： | 2019-12-06 |
| 发明（设计）人： | 何良华;任强 | 申请（专利权）人： | 同济大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08;A61B5/00;A61B5/0476 |
| 代理公司： | 31225 上海科盛知识产权代理有限公司 | 代理人： | 叶敏华<国际申请>=<国际公布>=<进入 |
| 地址： | 200092 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于随机森林和卷积神经网络的脑电数据分类方法，包括：S1、采集原始的时序脑电数据，并将时序脑电数据转换为频域脑电数据；S2、基于随机森林方法，对频域脑电数据进行导联筛选，以对频域脑电数据进行降维处理；S3、构建卷积神经网络，将降维之后的频域脑电数据输入给卷积神经网络，对卷积神经网络进行训练和测试，得到训练好的卷积神经网络；S4、结合随机森林方法以及训练好的卷积神经网络，对经过傅里叶转换的实际脑电数据依次进行导联筛选和分类。与现有技术相比，本发明利用随机森林筛选重要的特征，降低了脑电数据维度，减少了计算量；结合卷积神经网络对降维的脑电数据进行拟合，保证了脑电数据分类准确率。 | ||
| 搜索关键词： | 脑电数据 卷积神经网络 随机森林 频域 时序 筛选 导联 降维 分类准确率 傅里叶转换 降维处理 计算量 分类 构建 拟合 维度 采集 测试 转换 保证 | ||
【主权项】：
1.一种基于随机森林和卷积神经网络的脑电数据分类方法，其特征在于，包括以下步骤：/nS1、采集原始的时序脑电数据，对原始时序脑电数据进行预处理，之后再通过傅里叶转换，将时序脑电数据转换为频域脑电数据；/nS2、基于随机森林方法，对频域脑电数据进行导联筛选，得到脑电数据中各导联上所有特征的重要程度，以对频域脑电数据进行降维处理；/nS3、构建卷积神经网络，将降维之后的频域脑电数据输入给卷积神经网络，对卷积神经网络进行训练和测试，得到训练好的卷积神经网络；/nS4、结合随机森林方法以及训练好的卷积神经网络，对经过傅里叶转换的实际脑电数据依次进行导联筛选和分类。/n
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同济大学，未经同济大学许可，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/201910745397.X/，转载请声明来源钻瓜专利网。
