买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉昆明理工大学申请的专利基于XGBoost算法的K复合波检测方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118319328B 。

龙图腾网通过国家知识产权局官网在2025-08-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410424571.1，技术领域涉及：A61B5/372；该发明授权基于XGBoost算法的K复合波检测方法及装置是由熊馨;任仕欣;贺建峰;吉晓瑜;薛雨欣;杨鑫亮设计研发完成，并于2024-04-10向国家知识产权局提交的专利申请。

本基于XGBoost算法的K复合波检测方法及装置在说明书摘要公布了：本发明提供基于XGBoost算法的K复合波检测方法及装置，包括：读取睡眠脑电信号，并通过对所述睡眠脑电信号进行预处理，得到多个睡眠脑电信号片段；提取每个所述睡眠脑电信号片段在时域、频域及混沌域上的特征参数，并得到多个特征向量；基于XGBoost特征选择模型对所述多个特征向量进行特征选择，获取超过重要性阈值的目标特征；基于所述目标特征对K复合波进行检测，并输出检测结果，通过XGBoost特征选择模型选定重要性高的目标特征，并通过目标特征对K复合波进行识别，提高K复合波的准确率。

本发明授权基于XGBoost算法的K复合波检测方法及装置在权利要求书中公布了：1.一种基于XGBoost算法的K复合波检测方法，其特征在于，所述K复合波检测方法包括： 读取睡眠脑电信号，并通过对所述睡眠脑电信号进行预处理，得到多个睡眠脑电信号片段； 提取每个所述睡眠脑电信号片段在时域、频域及混沌域上的特征参数，并得到多个特征向量； 基于XGBoost特征选择模型对所述多个特征向量进行特征选择，获取超过重要性阈值的目标特征； 基于所述目标特征对K复合波进行检测，并输出检测结果； 所述提取每个所述睡眠脑电信号片段在时域、频域及混沌域上的特征参数，并得到多个特征向量，包括： 提取每个所述睡眠脑电信号在时域上的时域特征参数，所述时域特征参数包括最大值、均值、标准差、偏度、峭度、形状因子、峰值因子、脉冲因子、裕度因子、总能量、过零率和时间质心； 提取每个所述睡眠脑电信号在频域上的频域特征参数，所述频域特征参数包括波段能量比、谱通量、重心频率、重心带宽、不规则性、普滚降点和频谱平坦度测量； 提取每个所述睡眠脑电信号在混沌域上的混沌域特征参数，所述混沌域特征参数包括关联维数、盒维数和广义维数； XGBoost特征选择模型的建立过程，包括： 将所述多个特征向量分为训练集与测试集； 通过所述训练集训练CART树，得到当前的训练模型，并得到所述当前的训练模型的样本偏差值； 将当前的训练模型的样本训练值作为下一个训练模型的训练集，对CART树进行模型训练，得到下一个训练模型，并得到下一个训练模型的样本偏差值； 重复上述步骤，直到达到预定的退出条件，将得到的若干训练模型进行加和，并通过所述测试集对加和得到训练模型进行测试，得到所述XGBoost特征选择模型； 所述CART树的建立过程，包括： 定义第t棵所述CART树的目标函数； 遍历每个所述特征向量，并获取每个特征向量对应的分裂增益； 基于所述分裂增益与所述目标函数获取最优特征与最优切分点； 针对每个子节点，重复上述步骤，直到达到停止条件，并得到所所述第t棵CART树； 所述定义第t棵所述CART树的目标函数，包括： 定义Lt表示第t棵决策树的目标函数， 其中，第i个样本在第t棵树的预测值等于样本i在前t-1棵树的预测值加当前第t棵树预测值ftxi公式表达为： 利用泰勒二次展开式，去掉常数项，得到化简后的损失函数 其中，Ωft作为当前树的复杂度；gi和hi分别作为损失函数的一阶导、二阶导，代表每个样本的损失函数； 定义集合Ij为树的第j个叶节点上的所有样本点的集合，即给定一颗树，所有按照决策规则被划分到第j个叶节点的样本集合；根据模型复杂度惩罚项的定义有： 其中，wj表示第j个叶子节点的值；γT中的T表示叶子结点的数目，γ是对该项的调节函数，λ表示正则化项的权重； 令目标函数的导数为0，解得每个叶节点的最优预测分数为 其中，表示所有样本的一阶导数之和， 表示所有样本的二阶导数之和； 将w*代入简化后的目标函数得到最小损失，得到最终目标函数并将所述最终目标函数作为最终的CART树的目标函数； 所述基于所述分裂增益与所述目标函数获取最优特征与最优切分点，包括： 将具有最大分裂增益的特征作为当前节点的分裂特征； 对于所述当前节点的分裂特征，遍历该分裂特征的所有类别，并计算在所述具有最大分裂增益的特征上的分裂增益，并将具有最大分裂增益的类别作为当前节点的分裂节点； 在所述分裂节点分裂出左节点IL与右节点IR，并令所述目标函数的导数为0，得到切分点表达式为 其中，GR表示右节点所有输入样本的一阶导数之和，HR表示右节点所有输入样本的二阶导数之和，GL表示右节点所有输入样本的一阶导数之和，HL表示左节点所有输入样本的二阶导数之和； 通过所述切分点表达式获取所述最优特征与所述最优切分点。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人昆明理工大学，其通讯地址为：650031 云南省昆明市一二一大街文昌路68号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。