[00059634]基于深度学习的一维生理信号的特征提取与状态识别
技术详细介绍
本发明公开了一种基于深度学习的一维生理信号的特征提取与状态识别方法。建立基于深度学习的一维生理信号的特征提取与状态识别分析模型DBN，DBN模型采用“预训练+微调”训练过程，在预训练阶段，首先训练第一个RBM，然后将训练好的结点作为第二个RBM的输入，再训练第二个RBM，以此类推；所有RBM训练完成之后使用BP算法对网络进行微调，最后将深信度网络输出的特征向量输入Softmax分类器中，对纳入到的一维生理信号的个体状态做出判断。本发明有效解决了传统的一维生理信号分类过程中需要人工选择特征输入致使分类精度不高的问题，通过深信度网络的非线性映射，自动得到高度可分的特征/特征组合用于分类，并且可以不断优化网络结构得到更好的分类效果。
