基于Stack集成神经网络的传感器数据分类方法

发明专利有效专利

申请号：
CN202010167099.X
IPC分类号：G06K9/62;G06N3/04;G06N3/08
申请日期：
2020-03-11
申请人：
重庆大学;重庆大学附属肿瘤医院

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于Stack集成神经网络的传感器数据分类方法
申请号	CN202010167099.X	申请日期	2020-03-11
法律状态	实质审查	申报国家	暂无
公开/公告日	2020-06-16	公开/公告号	CN111291832A
优先权	暂无	优先权号	暂无
主分类号	G06K9/62 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕	IPC分类号	G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	重庆大学;重庆大学附属肿瘤医院	申请人地址	重庆市沙坪坝区沙正街174号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	重庆大学,重庆大学附属肿瘤医院	当前权利人	重庆大学,重庆大学附属肿瘤医院
发明人	刘然;陈希;易琳;王明雪;田逢春;钱君辉;郑杨婷;刘亚琼;赵洋;崔珊珊;王斐斐
代理机构	重庆信航知识产权代理有限公司	代理人	吴彬

摘要

本发明基于Stack集成神经网络的传感器数据分类方法，其包括1)构建基础学习器，基础学习器包括特征提取单元和与特征提取单元连接的特征分类单元；2)将若干个基础学习器的输出作为元学习器的输入，构建成Stacking模型；3)将传感器数据同时输入各个基础学习器的各个特征提取单元的一维卷积层，各个基础学习器的输出作为Stacking模型的元学习器的输入，经元学习器处理后由元学习器的softmax函数层输出最终分类结果。本发明结合卷积神经网络和长短期记忆网络提取传感器数据特征的优势，提高了对传感器数据分类的准确性，并且采用Stacking模型降低了由于卷积神经网络的参数随机初始化造成分类结果波动的影响。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供