一种基于Xgboost神经网络堆叠模型的模式识别诊断系统

专利类型：发明专利 

语 言：中文 

申 请 号：CN201910589080.1 

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：20190927 

公 开 号：CN110289097A 

代 理 人： 

代理机构： 

摘　　要：本发明设计了基于神经网络集成算法的无创检测识别系统。该系统首先通过数据预处理(基线处理和滤波等)对漂移进行补偿并消除不相关的信息,然后运用Bootstrap Aggregating方法对数据集进行划分,并将得到的训练集输入进BP神经网络进行训练,最后采用Xgboost的方法对神经网络的预测结果进行组合。本发明通过综合多个具有差异性的神经网络,避免了繁琐的参数调节过程,省去了对数据降维处理的特征提取过程,是一种端对端的系统,并且避免了过拟合现象,增加了疾病诊断识别算法的泛化能力。算法由Python平台搭建,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.基于Xgboost神经网络堆叠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：采集脑电数据,并进行数据预处理后得到样本集D；步骤2：对样本集D进行Bootstrap Aggregating方法划分,即样本的有放回抽取得到n个子训练集,并将这些子训练分别用于n个不同结构的神经网络(基分类器)的训练。步骤3：训练好的基分类器对训练集的预测值与训练集真实值输入Xgboost元分类器进行训练,得到最佳的集成方法。步骤4：将测试数据输入已经训练好的算法中,得到最终诊断结果。 

关 键 词： 

法律状态： 

IPC专利分类号：G16H50/20;G06K9/00;G06K9/62;G06N3/04;G06N3/08