基于多深度神经网络迁移特征学习的癫痫发作预测方法
- 专利权人:
- 杭州电子科技大学
- 发明人:
- 曹九稳,王耀民
- 申请号：
- CN201910389194.1
- 公开号：
- CN110236533A
- 申请日:
- 2019.10.05
- 申请国别(地区):
- CN
- 年份:
- 2019
- 代理人:
- 摘要：
- 本发明公开了一种基于多深度神经网络迁移特征学习的癫痫发作预测方法。本发明将原始脑电信号进行频域转换,对多个通道的特定频段进行特征预处理,得到平均振幅谱图,将特征图转换成图片作为深度神经网络预训练模型的输入,将五个经过ImageNet图像库训练得到的网络模型,冻结其网络瓶颈层权重,作为特征提取器对平均振幅谱图进行迁移特征学习,将五个单预训练模型提取的特征进行拼接,将融合后的特征输入给搭建的七层网络进行训练和分类。本发明采用多种深度神经网络对平均振幅谱图进行迁移特征学习与智能融合,将融合特征进行训练分类比单深度神经网络进行迁移特征学习并进行训练分类效果有明显提升。
- 来源网站：
- 中国工程科技知识中心
