失眠辨证分类模型的训练、分类方法、系统、设备及介质技术方案

本发明专利技术公开了失眠辨证分类模型的训练、分类方法、系统、设备及介质，其中，训练方法包括：获取失眠证型和失眠生理参数集；对失眠生理参数集进行数据预处理和归一化处理，确定初始化数据集；根据失眠证型对初始化数据集进行标注处理，确定样本数据集；将样本数据集输入到初始化后的失眠辨证分类模型中进行训练，确定训练好的失眠辨证分类模型。本发明专利技术实施例能够提高失眠辨证分类模型的准确度，可广泛应用于人工智能技术领域。工智能技术领域。工智能技术领域。

【技术实现步骤摘要】
失眠辨证分类模型的训练、分类方法、系统、设备及介质


[0001]本专利技术涉及人工智能
，尤其是失眠辨证分类模型的训练、分类方法、系统、设备及介质。

技术介绍

[0002]失眠是一种极为常见的睡眠障碍，是指尽管有充足的睡眠机会与睡眠环境，依然对睡眠时长和质量感到不能满足，并且可以影响日间各项社会功能的一种主观体验。通过对失眠进行虚实辨证能够有效判断失眠者的失眠状况，从而为失眠者提供有效地解决方案。但是，现有方法对失眠辨证均通过人工进行判断分类，准确度较低。因此，如何提高失眠虚实辨证分类的准确度，是目前本领域的技术人员需要解决的技术问题。

技术实现思路

[0003]有鉴于此，本专利技术实施例提供一种失眠辨证分类模型的训练、分类方法、系统、设备及介质，以实现提高失眠辨证分类的准确度。
[0004]一方面，本专利技术提供了一种失眠辨证分类模型的训练方法，包括：
[0005]获取失眠证型和失眠生理参数集；
[0006]对所述失眠生理参数集进行数据预处理和归一化处理，确定初始化数据集；
[0007]根据所述失眠证型对所述初始化数据集进行标注处理，确定样本数据集；
[0008]将所述样本数据集输入到初始化后的失眠辨证分类模型中进行训练，确定训练好的失眠辨证分类模型。
[0009]可选地，所述获取失眠生理参数集，包括：
[0010]收集得到失眠者的失眠数据；
[0011]对所述失眠数据进行数据提取处理，确定失眠生理参数集。
[0012]可选地，所述对所述失眠生理参数集进行数据预处理和归一化处理，确定初始化数据集，包括：
[0013]对所述失眠生理参数集进行数据预处理，将所述失眠生理参数集中的噪声数据去除，并完善缺失数据，得到预处理数据集；
[0014]对所述预处理数据集进行归一化处理，得到初始化数据集。
[0015]可选地，根据所述失眠证型对所述初始化数据集进行标注处理，确定样本数据集，包括：
[0016]对所述失眠证型进行编码处理，确定失眠证型编码；
[0017]根据所述失眠证型编码对所述初始化数据集进行相关性系数分析处理，确定样本数据集。
[0018]可选地，所述将所述样本数据集输入到初始化后的失眠辨证分类模型中进行训练，确定训练好的失眠辨证分类模型，包括：
[0019]将所述样本数据集输入到所述失眠辨证分类模型，得到失眠辨证分类结果；
[0020]根据所述失眠辨证分类结果和失眠证型确定训练的损失值；
[0021]根据所述损失值对所述失眠辨证分类模型的第一参数进行更新。
[0022]可选地，所述将所述样本数据集输入到初始化后的失眠辨证分类模型中进行训练，确定训练好的失眠辨证分类模型，还包括：
[0023]将所述样本数据集分为训练集和测试集；
[0024]将所述训练集输入所述失眠辨证分类模型进行训练，确定预训练模型；
[0025]将所述测试集输入所述预训练模型进行分类预测，确定预测结果；
[0026]根据所述预测结果对所述失眠辨证分类模型的第二参数进行更新。
[0027]另一方面，本专利技术实施例提供了一种失眠辨证分类模型的分类方法，包括：
[0028]获取包含待分类的失眠数据；
[0029]将所述失眠数据输入到如前面所述的失眠辨证分类模型的训练方法所得到的模型中，得到失眠辨证分类结果。
[0030]另一方面，本专利技术实施例还提供了一种失眠辨证分类模型的训练系统，所述系统包括：
[0031]第一模块，用于获取失眠数据，所述失眠数据包括失眠证型和失眠生理参数集；
[0032]第二模块，用于对所述失眠生理参数集进行数据预处理和归一化处理，确定初始化数据集；
[0033]第三模块，用于根据所述失眠证型对所述初始化数据集进行标注处理，确定样本数据集；
[0034]第四模块，用于将所述样本数据集输入到初始化后的失眠辨证分类模型中进行训练，确定训练好的失眠辨证分类模型。
[0035]另一方面，本专利技术实施例还公开了一种电子设备，包括处理器以及存储器；
[0036]所述存储器用于存储程序；
[0037]所述处理器执行所述程序实现如前面所述的训练方法。
[0038]另一方面，本专利技术实施例还公开了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。
[0039]另一方面，本专利技术实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。
[0040]本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：本专利技术实施例提供的失眠辨证分类模型的训练方法，通过获取失眠证型和失眠生理参数集；对所述失眠生理参数集进行数据预处理和归一化处理，确定初始化数据集；根据所述失眠证型对所述初始化数据集进行标注处理，确定样本数据集；将所述样本数据集输入到初始化后的失眠辨证分类模型中进行训练，确定训练好的失眠辨证分类模型。该方法可以有效提高训练失眠辨证分类模型的准确率，有利于得到更加精确的失眠辨证分类结果。
附图说明
[0041]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使
用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0042]图1为本申请一种失眠辨证分类模型的训练方法具体实施例的流程示意图；
[0043]图2为本申请一种失眠辨证分类方法具体实施例的流程示意图；
[0044]图3为本申请一种失眠辨证分类模型的训练系统具体实施例的结构示意图；
[0045]图4为本申请一种失眠辨证分类模型的训练装置具体实施例的结构示意图。
具体实施方式
[0046]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0047]现有技术中，对失眠的辨证方法通常是通过人工根据个人临床经验进行判断分类，但是因为个体经验不一、认知层面不等、学习背景不同等影响因素导致临床辨证不尽统一，辨证分类结果会不够准确。
[0048]有鉴于此，本申请实施例中提供一种失眠辨证分类模型的训练方法，本申请实施例中的训练方法，可应用于终端中，也可应用于服务器中，还可以是运行于终端或服务器中的软件等。终端可以是平板电脑、笔记本电脑、台式计算机等，但并不局限于此。服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种失眠辨证分类模型的训练方法，其特征在于，所述方法包括：获取失眠证型和失眠生理参数集；对所述失眠生理参数集进行数据预处理和归一化处理，确定初始化数据集；根据所述失眠证型对所述初始化数据集进行标注处理，确定样本数据集；将所述样本数据集输入到初始化后的失眠辨证分类模型中进行训练，确定训练好的失眠辨证分类模型。2.根据权利要求1所述的方法，其特征在于，所述获取失眠生理参数集，包括：收集得到失眠者的失眠数据；对所述失眠数据进行数据提取处理，确定失眠生理参数集。3.根据权利要求1所述的方法，其特征在于，所述对所述失眠生理参数集进行数据预处理和归一化处理，确定初始化数据集，包括：对所述失眠生理参数集进行数据预处理，将所述失眠生理参数集中的噪声数据去除，并完善缺失数据，得到预处理数据集；对所述预处理数据集进行归一化处理，得到初始化数据集。4.根据权利要求1所述的方法，其特征在于，所述根据所述失眠证型对所述初始化数据集进行标注处理，确定样本数据集，包括：对所述失眠证型进行编码处理，确定失眠证型编码；根据所述失眠证型编码对所述初始化数据集进行相关性系数分析处理，确定样本数据集。5.根据权利要求1所述的方法，其特征在于，所述将所述样本数据集输入到初始化后的失眠辨证分类模型中进行训练，确定训练好的失眠辨证分类模型，包括：将所述样本数据集输入到所述失眠辨证分类模型，得到失眠辨证分类结果；根据所述失眠辨证分类结果和失眠证型确定训练的损失值；根据所述损失值对所述失眠辨证分类模型的第一参数进行更新。6.根...

【专利技术属性】
技术研发人员：程发峰，王雪茜，孙资金，胡海洋，
申请(专利权)人：北京中医药大学，
类型：发明
国别省市：