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！

龙图腾网获悉福建师范大学申请的专利一种医疗物联网数据的非线性特征提取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：CN117194946B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202311025747.8，技术领域涉及：G06F18/213；该发明授权一种医疗物联网数据的非线性特征提取方法是由肖如良;陈艺瀚;曾智霞;张仕;倪友聪;杜欣设计研发完成，并于2023-08-15向国家知识产权局提交的专利申请。

本一种医疗物联网数据的非线性特征提取方法在说明书摘要公布了：本发明公开一种医疗物联网数据的非线性特征提取方法，获取医疗物联网数据并进行去均值操作得到原始数据并划分为训练集、验证集和测试集；构建适用于医疗物联网数据异常检测模型，利用稀疏的、二进制的随机投影矩阵将原始数据从原始特征空间嵌入到高维的过渡空间，过渡空间的维度高于原始特征空间维度；使用PCA提取主成分信息将数据从高维过渡空投影至低维特征空间得到非线性投影矢量；利用训练集和验证集对异常检测模型进行贝叶斯超参数优化得到最佳超参数组；根据最佳超参数组和测试集计算出异常检测模型的性能；将待检测的医疗物联网数据输入性能最好的最终检测模型得到对应的非线性特征提取结果。本发明实现非常好的非线性特征处理效果。

本发明授权一种医疗物联网数据的非线性特征提取方法在权利要求书中公布了：1.一种医疗物联网数据的非线性特征提取方法，其特征在于：其包括以下步骤： 步骤1，获取医疗物联网数据并进行去均值操作得到原始数据以便使得原始数据的数据特征更好的聚拢在零值附近，提高模型构建的执行效率；同时将原始数据划分为训练集X、验证集V和测试集T； 步骤2，构建适用于医疗物联网数据异常检测模型，异常检测模型的具体执行如下步骤： 步骤2-1，利用稀疏的、二进制的随机投影矩阵Mm×n将样本数为n的数据从原始特征空间Xd×n嵌入到高维的过渡空间Ym×n，过渡空间的维度m高于原始特征空间维度d；步骤2-1的具体步骤为： 步骤2-1-1，构建随机投影矩阵Mm×n，随机投影矩阵Mm×n的每行元素随机选取6个位置置为1，其余置为0，即满足约束： 步骤2-1-2，令x＝x1,x2,...,xdT，x∈Xd×n，x表示原始特征空间的一个数据对象；y＝y1,y2,...,ymT，y∈Ym×n，y表示经过空间变换后生成的新数据对象； 步骤2-1-3，升维投影的过程是： y＝Mx2 其中，M表示随机投影矩阵Mm×n； 步骤2-2，使用PCA提取主成分信息，将数据从高维过渡空间Ym×n投影至低维特征空间Zk×n得到非线性投影矢量z，实现线性降维； 步骤3，利用训练集X和验证集V对异常检测模型进行贝叶斯超参数优化，得到最佳超参数组Xbest，最佳超参数组Xbest包括最佳的升维维度m和PCA降维维度k；对异常检测模型进行贝叶斯超参数优化的具体步骤为： S1，随机初始化异常检测模型的超参数组：升维投影的维数m和PCA降维的维数k，将初始化的点集构成H； S2，根据H的概率分布构建代理模型p； S3，结合代理模型p的采集函数找到新的超参数组x′； S4，根据验证集V和新超参数组评估目标函数f； S5，将{x′,fx′}加入H中，更新知识库； S6，重复步骤S2-S5，直到最大的迭代次数，找到最佳超参数组Xbest＝m*,k*； 步骤4，根据最佳超参数组Xbest和测试集T计算出异常检测模型的性能； 步骤5，选取性能最好的异常检测模型作为最终检测模型，将待检测的医疗物联网数据输入最终检测模型得到对应的非线性特征提取结果。

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福建师范大学，其通讯地址为：350108 福建省福州市闽侯县上街镇大学城福建师范大学科技处；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。