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。