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！

龙图腾网获悉西安交通大学申请的专利一种基于聚类降维的集成学习睡眠分期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：CN116616716B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202310650289.0，技术领域涉及：A61B5/00；该发明授权一种基于聚类降维的集成学习睡眠分期方法是由王刚;丁阳;伍晨旭;陈霸东设计研发完成，并于2023-06-03向国家知识产权局提交的专利申请。

本一种基于聚类降维的集成学习睡眠分期方法在说明书摘要公布了：一种基于聚类降维的集成学习睡眠分期方法，包括以下步骤：获取单通道EEG数据，同时初始化SVM分类器；对EEG数据进行特征提取，每个时段提取一个特征向量，作为一个数据点；进行特征选择和特征分类，为分类器分别选择特征集，基分类器的训练；对于测试数据，选择概率最大的分期作为测试数据的预测结果；本发明使用单通道EEG信号作为输入，极大的降低了输入信号的采集难度，并且提出的进行特征选择和特征分类，针对不同的特征空间，都具有良好的适应性；因此本发明可以快速、准确、实时地的进行睡眠分期。

本发明授权一种基于聚类降维的集成学习睡眠分期方法在权利要求书中公布了：1.一种基于聚类降维的集成学习睡眠分期方法，其特征在于，包括以下步骤： 步骤一，获取单通道EEG数据和专业医师的睡眠分期诊断结果，对EEG的每个时段数据进行带通滤波，同时初始化SVM分类器； 步骤二，对EEG数据进行特征提取，每个时段提取一个特征向量，作为一个数据点； 步骤三，进行特征选择和特征分类，为分类器分别选择特征集，选择需要保留的特征，将保留的特征分配到特征集； 步骤四，训练模型，步骤一中的专业医师的睡眠分期诊断结果作为训练数据的标签；采用步骤三为每个分类器选择的特征子集，从特征空间中产生五个子空间，分别用于五个基分类器的训练；每个基分类器进行独立训练，经过训练后，每个基分类器能够给出预测一个样本，为相应睡眠阶段是和否的概率； 步骤五，对于测试数据，{SVM0,SVM1,SVM2,SVM3,SVM4}分别给出对应睡眠阶段是和否的概率，集成五个分类器的输出后得出测试数据判别为五个分期的概率，选择概率最大的分期作为测试数据的预测结果； 所述步骤一具体为：首先将EEGG数据按时段进行划分，以时段为最小处理单元，分别使用Butterworth滤波器进行0.5-45Hz的带通滤波，同时初始化5个SVM分类器，分别作为五个睡眠阶段的分类任务的基分类器，{SVM0,SVM1,SVM2,SVM3,SVM4}，SVM编号为对应的睡眠分期； 所述步骤三的实施方法为： a、对特征空间进行数据增强，即使用复制现有数据点的方法，使得特征空间中每个睡眠阶段的数据量相同，得到增强后的总体数据集其中li∈{0,1,2,3,4}，pi,li表示一个的样本； b、对特征xi，构建仅含该特征的数据集Dxi； c、对Dxi进行k-means二聚类，得到两个簇cluster1、cluster2； d、分别计算两个簇的信息熵； e、选择信息熵小的簇作为该特征的标志簇CCxi，统计CCxi中实际标签为k的样本数，选择样本数最多的标签并赋值给PLxi,聚类算法对CCxi中所有样本标签的预测值为PLxi； f、将特征xi分配到特征集，特征xi的评分Pxi为CCxi中真实标签与聚类预测标签PLi相同的样本占比； g、对于每个特征，重复b-f，直到所有特征完成分类和评分，通过Pxi选择需要保留的特征； 所述步骤五的具体实施方法为： 每个基分类器会给出样本被判断为该分类器对应的睡眠分期是与否的概率，即输出[p0,p1]，通过综合考虑每个模型的输出结果，最终得出样本判定为五个分期的概率向量[p0,p1,p2,p3,p4],该向量的计算方法为

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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。