基于卷积神经网络-循环神经网络-支持向量机混合模型的疾病识别算法

专利类型：发明专利 

语 言：中文 

申 请 号：CN201910591947.7 

申 请 日：20190702 

发 明 人：陆彬春符礼丹艾海男 

申 请 人：重庆大学 

申请人地址：400044 重庆市沙坪坝区沙正街174号 

公 开 日：20190906 

公 开 号：CN110200624A 

代 理 人： 

代理机构： 

摘　　要：本发明专利设计了无创诊断系统中基于卷积神经网络-循环神经网络-支持向量机混合模型的识别算法,通过数据噪等预处理方法得到数据集,第一次在此领域使用卷积神经网络和循环神经网络作为端对端特征提取器对样本进行特征提取,分别提取数据的时间和空间特征,最后使用支持向量机对提取的特征数据进行分类。该算法最终取得高准确率、高特异性和高灵敏度,可在无创检测领域得到广泛应用。 

主 权 项：1.本发明为无创检测系统中基于卷积神经网络-循环神经网络-支持向量机混合模型的模式识别算法,其特征设所述方法包括以下步骤：步骤1：使用便携式脑电信号采集方法对脑电进行采集及数据预处理,得到初始历史数据样本集D；步骤2：将初始历史数据样本集D输入卷积神经网络CNN进行训练后保存模型参数。步骤3：将初始历史数据样本集D输入循环神经网络RNN进行训练后保存模型参数。步骤4：将训练集数据重新输入CNN和RNN后将深层特征提取出后输入SVM进行训练；步骤5：将未经训练的样本数据分别输入CNN和RNN并分别提取其深层特征,得到空间特征和时间特征。将空间特征和时间特征一起输入给支持向量机SVM进行最终分类,得到最终诊断结果。 

关 键 词： 

法律状态： 

IPC专利分类号：A61B5/0476;A61B5/04