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！

龙图腾网获悉北京航空航天大学申请的专利基于知识图谱改进的贝叶斯网络对膝关节数据分类的方法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：CN118734188B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202410848824.8，技术领域涉及：G06F18/2415；该发明授权基于知识图谱改进的贝叶斯网络对膝关节数据分类的方法是由何晶靖;张文熙;温畅设计研发完成，并于2024-06-27向国家知识产权局提交的专利申请。

本基于知识图谱改进的贝叶斯网络对膝关节数据分类的方法在说明书摘要公布了：本发明提供一种基于知识图谱改进的贝叶斯网络对膝关节数据分类的方法，其包括以下步骤：S1，获取膝关节数据集；S2，对膝关节数据集进行特征提取；S3，将膝关节数据集分为训练集、验证集和测试集；S4，建立贝叶斯网络；S5，根据专家知识对贝叶斯网络进行修正；S6，针对信号特征通过共性因果强度对贝叶斯网络进行修正；S7，针对相关振动传感器通过共性因果强度对贝叶斯网络进行修正；S8，进行参数学习得到节点间的定量关系；S9，通过验证集对信号特征节点顺序进行局部搜索优化；S10，对改进贝叶斯网络结构分类模型进行测试；S11，对新数据进行分类。本发明通过对贝叶斯网络多次修正，提高了在小样本量下预测的鲁棒性。

本发明授权基于知识图谱改进的贝叶斯网络对膝关节数据分类的方法在权利要求书中公布了：1.一种基于知识图谱改进的贝叶斯网络对膝关节数据分类的方法，其特征在于：其包括以下步骤： S1，获取带标签的膝关节数据集； 从膝关节数据库中选取膝关节数据，并对选取的膝关节数据打上标签，组成膝关节数据集； S2，对膝关节数据集进行特征提取； 特征包括信号特征和功能特征，其中信号特征根据振动传感器波形数据得到，功能特征从膝关节功能评价表数据中得到； S3，将膝关节数据集分为训练集、验证集和测试集； S4，建立贝叶斯网络； 选择步骤S2中的特征、指标数据的字段和标签作为贝叶斯网络的节点，给出贝叶斯网络训练的节点顺序，通过训练集学习得到初始的贝叶斯网络结构，其中搜索策略选择爬坡算法，评分函数选择K2评分函数； S5，根据专家知识对步骤S4的贝叶斯网络进行修正； S6，针对信号特征进行共性因果强度的判别，对步骤S5的贝叶斯网络进行修正； 共性因果强度的判别具体方式如下： IA,B＝HB‑HB|A 4其中，HA为信息熵，i是特征A的取值情况，n是A的取值范围，pi是第i种取值所占的概率，HB|A为B关于A的条件熵，pB|A表示在条件A下B取值的概率，IA,B是信息增益，IGR是信息增益比，Cv是变异系数，其中σ是信息增益比的标准差，μ是均值； 对振动传感器波形数据的每个通道的两个信号特征根据公式2‑5得到信息增益比后，再求振动传感器波形数据所有通道相同两个信号信息增益比的标准差和均值，最后根据公式6得到两个信号之间的变异系数，将变异系数作为共性因果强度指标；对变异系数进行排序，根据预设数量从小到大进行选择，将选择的因果关系添加到步骤S5得到的贝叶斯网络中； S7，针对相关振动传感器通过共性因果强度选择因果关系最强的信号指标，对步骤S6得到的贝叶斯网络进行修正； 通过共性因果强度选择因果关系最强的信号指标，确定表征已知相关柔性压电传感器之间存在明显共性因果关系的信号指标，具体方式为，选择已知的两个相关柔性压电传感器，对两个相关柔性压电传感器对应通道振动传感器波形数据的相同信号特征计算信息增益比，根据所有相关柔性压电传感器相同信号特征的信息增益比得到相应信号特征的变异系数Cv，选择变异系数最小的信号特征作为因果关系，添加到已知相关柔性压电传感器相应信号特征之间； S8，对步骤S7得到的贝叶斯网络，通过拉普拉斯平滑和极大似然估计进行参数学习，得到节点间的定量关系； S9，通过验证集对步骤S4中给出的信号特征节点顺序进行局部搜索优化，进一步优化贝叶斯网络分类模型结构，得到改进贝叶斯网络分类模型； S10，利用测试集对改进贝叶斯网络分类模型准确度进行测试； S11，利用改进贝叶斯网络分类模型进行分类。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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”。

以上内容由龙图腾AI智能生成。