【技术实现步骤摘要】
融合数据缺失数据和图像的三模型综合决策情绪预测方法
本专利技术属于心电情绪状态预测领域，涉及一种融合数据缺失数据和图像的三模型综合决策情绪预测方法。
技术介绍
人的行为活动由个人思想或欲望决定，行为的产生应首先受意识的影响，心理意识的思维影响着个人行为，而个人的行为又对个人心理产生一定的影响，改变心理的意识。可以说心理与意识是相互影响，相互转化的。人在清醒状态下，能够意识到作用于感官的外界环境；能够意识到自己的行为目标，对行为的控制；能够意识到自己的情绪体验；能够意识到自己的身心特点和行为特点，把“自我”与“非我”、“主体”与“客体”区分开来；还能意识到“自我”与“非我”、“主体”与“客体”的相互关系。除了意识活动，人还有无意识活动。无意识活动在人的心理中是很普遍的。无意识活动也是人反映外部世界的一种特殊形式。在大数据时代，可以通过各种传感设备实时感知人的活动状态，来综合分析人员情绪状况及心理活动。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种融合数据缺失数据和图像的三模型综合决策情绪预测方法，实...
【技术保护点】
1.一种融合数据缺失数据和图像的三模型综合决策情绪预测方法，其特征在于，包括以下步骤：/n步骤S1:获取心电图文件并对其进行图像预处理，得到二值化心电图;/n步骤S2:根据得到的二值化心电图，以列扫描方式与前者基准结合转换图像信息为标准心电数据；/n步骤S3:将标准心电数据通过多维心电分析模型，提取心电特征；/n步骤S4:分别构建特征权重分析模型的情绪预测模型、卷积神经网络和Missing_Value_Model模型，并根据标准心电数据和心电特征，得到三个预测结果；/n步骤S5:根据得到三个预测结果，采用比较权重方法确定最终的预测结果。/n
【技术特征摘要】
1.一种融合数据缺失数据和图像的三模型综合决策情绪预测方法，其特征在于，包括以下步骤：
步骤S1:获取心电图文件并对其进行图像预处理，得到二值化心电图;
步骤S2:根据得到的二值化心电图，以列扫描方式与前者基准结合转换图像信息为标准心电数据；
步骤S3:将标准心电数据通过多维心电分析模型，提取心电特征；
步骤S4:分别构建特征权重分析模型的情绪预测模型、卷积神经网络和Missing_Value_Model模型，并根据标准心电数据和心电特征，得到三个预测结果；
步骤S5:根据得到三个预测结果，采用比较权重方法确定最终的预测结果。
2.根据权利要求1所述的融合数据缺失数据和图像的三模型综合决策情绪预测方法，其特征在于，所述步骤S1具体为：
步骤S11:将心电图文件进行图像转换，变成PNG格式;
步骤S12:在OTSU算法基础上进行改进，加入Gamma变换调节灰度分布从而实现心电曲线与背景网格分离;
步骤S13：将去网格后的ECG进行心电图像切割，保存为二值化图像，得图像集pic1。
3.根据权利要求1所述的融合数据缺失数据和图像的三模型综合决策情绪预测方法，其特征在于，所述步骤S2具体为：
步骤S21:获取心电曲线所在行高的位置;
步骤S22：转换心电曲线幅值的信息，并将得到的行高序列信息转换为实际幅值信息，经计算可得图像转数据的ECG数据集D1。
4.根据权利要求1所述的融合数据缺失数据和图像的三模型综合决策情绪预测方法，其特征在于，所述步骤S3具体为：
将步骤S2得出的标准心电数据集D1划分为训练集Train_set和测试集Test_set，所有Train_set的情绪状态的标签已知；
将训练集输入多维心电分析模型MultidimensionalECGanalysismodel...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。