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！

龙图腾网获悉广东海洋大学申请的专利一种用于心血管疾病诊断的图正则化动态采样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：CN120526245B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202510760716.X，技术领域涉及：G06V10/77；该发明授权一种用于心血管疾病诊断的图正则化动态采样方法是由李升;黎川滔;李杰;余卓鸿;李知谦;吴琦安设计研发完成，并于2025-06-09向国家知识产权局提交的专利申请。

本一种用于心血管疾病诊断的图正则化动态采样方法在说明书摘要公布了：本发明公开了一种用于心血管疾病诊断的图正则化动态采样方法，包括：步骤S1，基于经典AdaBoost框架，设计一种基于样本置信度的自适应权重更新机制；步骤S2，将改进的动态欠采样和动态过采样模块集成在AdaBoost的迭代过程中；步骤S3，在完成动态欠采样和动态过采样后，引入图正则化降维策略，对动态采样后的训练样本进行降维；步骤S4，通过以上步骤，建立心血管疾病诊断模型，用于心血管疾病诊断的图正则化动态采样。本发明克服了心血管疾病数据集中类别不平衡以及关键特征难以有效识别的问题。

本发明授权一种用于心血管疾病诊断的图正则化动态采样方法在权利要求书中公布了：1.一种用于心血管疾病诊断的图正则化动态采样方法，其特征在于，包括： 步骤S1，基于经典AdaBoost框架，设计一种基于样本置信度的自适应权重更新机制； 步骤S2，将改进的动态欠采样和动态过采样模块集成在AdaBoost的迭代过程中； 步骤S3，在完成动态欠采样和动态过采样后，引入图正则化降维策略，对动态采样后的训练样本进行降维； 步骤S4，通过以上步骤，建立心血管疾病诊断模型，用于心血管疾病诊断的图正则化动态采样的图正则化动态采样； 所述步骤S1中，设计一种基于样本置信度的权重更新机制，包括： 在每一轮迭代中，首先计算当前基学习器对每个训练样本的预测概率，对于第个样本的预测概率定义为： ； 其中，为基于强学习器对第个样本的预测输出，强学习器：；第轮的强学习器： ；个基学习器；第轮基学习器对应的组合系数：；在训练数据集上的分类误差率：； AdaBoost的输入为训练数据集，其中，； 第轮的数据集权重根据下式进行更新： ； 式中，为规范化因子，； 根据当前基学习器的预测概率计算每个训练样本的置信度，对于第个样本的置信度定义为： ； 样本置信度衡量了训练样本被误分类的困难程度，进一步把不同置信度区间的样本按以下规则分成三个组别： ； 对于和分组中的样本，分别将其定义为简单样本和困难样本，分组中的样本，定义为边界样本，对于每个分组，定义组内的平均置信度为： ； 式中，为分组中的样本数量； 引入每个分组的修正系数： ； 式中，为调节sigmoid平滑度的超参数； 利用上式计算的修正系数，第个分组的权重被定义为： ； 归一化后可得到： ； 所述步骤S2中，改进的动态欠采样模块，包括： 在获得每个分组的归一化权重之后，模型针对多数类样本进行欠采样，根据下式计算每个分组中多数类样本的目标采样数： ； 式中，为少数类样本的数量，表示向上取整，为训练集的不平衡率，被下式定义： ； 式中，为多数类样本的数量； 所述步骤S2中，改进的动态过采样模块，包括： 对少数类样本采用基于高斯混合模型聚类的动态过采样策略，设由个高斯分布成分混合而成，则混合数据分布表示为： ； 式中，为第个成分的混合权重，满足，表示均值为，协方差为的多元高斯分布； 使用贝叶斯信息准则确定高斯混合模型聚类的最佳聚类数，贝叶斯信息准则BIC定义为： ； 式中，为极大似然估计下模型的对数似然，为参数个数，为样本总数； 高斯混合模型聚类后，将按照高斯混合模型聚类的最大后验概率分配到相应的簇中，然后分别在每个簇中通过线性插值合成新样本，设簇中的样本数量为，其占整个少数类样本比例为： ； 则簇内的目标采样数量为： ； 在簇中随机选择两点和，通过线性插值的方式生成新的样本点： 。

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广东海洋大学，其通讯地址为：524088 广东省湛江市麻章区湖光镇海大路1号广东海洋大学；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。