基于最优特征空间相似性挖掘标签间相关性的心电信号分类方法技术

本发明专利技术公开了一种基于最优特征空间相似性挖掘标签相关性的心电信号分类方法，属于心电病症智能诊断领域。该发明专利技术在已训练好的单个标签分类器的基础上，提出利用最优特征空间相似性算法修正关联规则挖掘出的标签相关性，根据修正的标签相关性确定最终的预测标签；具体步骤：1、利用分类器的分类结果得到主标签和候选副标签集；2、采用关联规则挖掘出标签相关性，并利用本文提出的最优特征空间相似性算法对标签相关性进行修正，通过修正后的标签相关性对候选副标签集进行过滤，确定最终的预测标签。本发明专利技术通过计算不同标签间的最优特征空间相似性来修正标签间关系，得到更准确的标签相关性，提高了心电信号分类的精度。提高了心电信号分类的精度。提高了心电信号分类的精度。

【技术实现步骤摘要】
基于最优特征空间相似性挖掘标签间相关性的心电信号分类方法


[0001]本专利技术属于心电病症智能诊断领域，具体是涉及基于机器学习的多标签病症确定方法，特别是涉及了一种基于最优特征空间相似性挖掘标签间相关性的心电信号分类方法。

技术介绍

[0002]近年来，多标签学习已逐渐成为机器学习领域的热点研究问题之一。不同于传统的传统单标签分类中每个样本仅属于一个类别标签，多标签分类中每个样本属于多个类别标签。多标签问题的定义为：设X＝R
d
代表d维样本空间，L＝{l1,l2,...l
n
}代表含有n个标签的标签空间，D＝{(x
i
,Y
i
)|1≤i≤m,x
i
∈X,Y
i
∈L}代表包含m个样本的训练集，其中x
i
＝[x
i1
,x
i2
,...,x
id
]表示第i个样本的特征向量，Y
i
＝[y
i1
,y
i2
>,...,y...

【技术保护点】

【技术特征摘要】
1.基于最优特征空间相似性挖掘标签间相关性的心电信号分类方法，其特征在于，具体操作步骤如下：步骤(1.1)、利用最优特征空间相似性算法修正关联规则挖掘出标签相关性；步骤(1.2)、将预测样本输入到训练好的分类器中，通过筛选处理得到主标签和候选副标签集；步骤(1.3)、利用挖掘出的标签相关性对候选副标签集进行过滤得到副标签集，再组合主标签与过滤得到的副标签集，从而得到该预测样本最终的预测标签集。2.根据权利要求1所述的基于最优特征空间相似性挖掘标签间相关性的心电信号分类方法，其特征在于，在所述步骤(1.1)中，利用最优特征空间相似性算法修正关联规则挖掘出标签相关性的具体操作步骤如下：(1.1.1)、利用关联规则从训练集中挖掘出标签空间的频繁二项集，记为Γ
f
；(1.1.2)、设定最优特征空间维度为K，计算标签与特征集中每个特征之间的互信息；(1.1.3)、选取互信息中最大的K个特征作为该标签的最优特征空间，记为χ
k
；(1.1.4)、计算不同标签之间最优特征空间的相似性，记为3.根据权利要求2所述的基于最优特征空间相似性挖掘标签间相关性的心电信号分类方法，其特征在于，在步骤(1.1.4)中，所述计算不同标签之间最优特征空间的相似性的操作方式如下：给定标签L
i
和L
...

【专利技术属性】
技术研发人员：韩京宇，王成，张伟，钱龙，赵静，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：