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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD