一种粗糙合理粒度驱动的胎儿心电图异常检测方法

    公开(公告)号:CN112232253B

    公开(公告)日:2021-11-09

    申请号:CN202011154195.7

    申请日:2020-10-26

    申请人: 南通大学

    摘要: 本发明提供了一种粗糙合理粒度驱动的胎儿心电图异常检测方法,包括如下步骤:S10获得所有胎儿心电图样本的特征值及胎儿状态构造决策信息表;S20利用局部邻域决策粗糙集模型对胎儿心电图样本的粗糙隶属度进行计算;S30基于PSO优化算法的合理邻域选择;S40将步骤S30中所求最优邻域半径作为所述步骤S20中局部邻域决策粗糙集模型的邻域半径,更新近似集。本发明的一种粗糙合理粒度驱动的胎儿心电图异常检测方法,根据邻域信息识别异常样本,分别给出不同分布情况下样本的粗糙隶属度,为标签噪声样本提供一组伪类别标记;引入合理粒度准则,利用粒子群优化算法选择最优邻域半径,对根据伪类别标记修正后的信息表进行上下近似集的更新。

    一种粗糙合理粒度驱动的胎儿心电图异常检测方法

    公开(公告)号:CN112232253A

    公开(公告)日:2021-01-15

    申请号:CN202011154195.7

    申请日:2020-10-26

    申请人: 南通大学

    摘要: 本发明提供了一种粗糙合理粒度驱动的胎儿心电图异常检测方法,包括如下步骤:S10获得所有胎儿心电图样本的特征值及胎儿状态构造决策信息表;S20利用局部邻域决策粗糙集模型对胎儿心电图样本的粗糙隶属度进行计算;S30基于PSO优化算法的合理邻域选择;S40将步骤S30中所求最优邻域半径作为所述步骤S20中局部邻域决策粗糙集模型的邻域半径,更新近似集。本发明的一种粗糙合理粒度驱动的胎儿心电图异常检测方法,根据邻域信息识别异常样本,分别给出不同分布情况下样本的粗糙隶属度,为标签噪声样本提供一组伪类别标记;引入合理粒度准则,利用粒子群优化算法选择最优邻域半径,对根据伪类别标记修正后的信息表进行上下近似集的更新。