申请/专利权人：广州城市理工学院

申请日：2023-12-01

公开（公告）日：2024-02-27

公开（公告）号：CN117612730A

主分类号：G16H50/50

分类号：G16H50/50;A61B5/02;A61B5/00;G16H20/90;G06F18/10;G06F18/2411

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.15#实质审查的生效;2024.02.27#公开

摘要：本发明公开了一种基于支持向量机算法构造脉象模型的方法，包括以下步骤：S1获取脉象数据；S2去除脉搏波信号的噪音；S3脉搏波信号形成具有数据点的数据txt文件和具有标签的标签txt文件；S4加载S3的数据作为“支持向量”样本，依据S3中的数据点和标签通过支持向量机算法构造脉象模型，其中，支持向量机算法的惩罚松弛变量选择1×10‑10次方，核函数选择线性函数，核函数系数选择0.001。本发明建立脉象模型的精确高，通过脉象模型获取数据，辅助医生就诊。

主权项：1.一种基于支持向量机算法构造脉象模型的方法，其特征在于：包括以下步骤：：S1获取脉象数据；所述脉象数据为同一时间范围内采集到的同步脉搏波信号；S2去除脉搏波信号的噪音；S3脉搏波信号形成具有数据点的数据txt文件和具有标签的标签txt文件，数据txt文件和标签txt文件中带有对应的编号；S4加载S3的数据作为“支持向量”样本，依据S3中的数据点和标签通过支持向量机算法构造脉象模型，其中，支持向量机算法的惩罚松弛变量选择1×10-10次方，核函数选择线性函数，核函数系数选择0.001。

全文数据：

权利要求：

百度查询： 广州城市理工学院 一种基于支持向量机算法构造脉象模型的方法

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