申请/专利权人:安徽理工大学
申请日:2021-09-09
公开(公告)日:2024-02-02
公开(公告)号:CN113743345B
主分类号:G16H50/20
分类号:G16H50/20;G16H10/60;G16H50/30;A61B5/00;G06F18/15;G06F18/213;G06F18/214;G06F18/241;G06N3/0455;G06N3/08
优先权:
专利状态码:有效-授权
法律状态:2024.02.02#授权;2021.12.21#实质审查的生效;2021.12.03#公开
摘要:本发明涉及一种基于CEEMDAN‑SAE的矿工疑似职业病识别方法,包含以下步骤:1搭建矿工职业健康检测系统用于矿工健康数据的采集;2利用职业健康检测系统采集矿工职业健康数据,加入人工标记的标签,建立矿工健康标准数据库;3采用CEEMDAN对原始脑电、心电、肌电信号进行去噪处理,避免数据中噪声信号的干扰;4采用留出法hold‑out按一定比例将预处理数据划分成训练集和测试集;5将SAE用于数据的特征提取工作,降低数据的维度,提取出重要特征;6利用重要特征优选的数据建立基于LVQ的矿工疑似职业病识别模型,并评估模型的识别性能。本发明采用CEEMDAN‑SAE结合LVQ用于矿工疑似职业病的识别,适用于职业健康智能识别领域的研究。
主权项:1.一种基于CEEMDAN-SAE的矿工疑似职业病识别方法,其特征在于:包括以下骤:1检测系统的搭建:搭建矿工职业健康检测系统用于矿工健康数据的采集;2数据采集:利用职业健康检测系统采集矿工职业健康数据,加入人工标记的标签,建立矿工健康标准数据库;3信号去噪预处理:采用CEEMDAN对原始脑电、心电、肌电信号进行去噪处理,避免数据中噪声信号的干扰;4样本集划分:采用留出法hold-out按一定比例将预处理数据划分成训练集和测试集;5重要特征优选:将SAE用于数据的特征提取工作,降低数据的维度,提取出重要特征;6识别模型的构建:利用重要特征优选的数据建立基于LVQ的矿工疑似职业病识别模型,并评估模型的识别性能。
全文数据:
权利要求:
百度查询: 安徽理工大学 一种基于CEEMDAN-SAE的矿工疑似职业病识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。