[发明专利]基于自编码器与Softmax分类器的康复评估方法

权利要求书

1.基于自编码器与Softmax分类器的康复评估方法，其特征在于，包括以下步骤：

S1、多个已知康复等级的训练者完成Carroll手功能评定任务后，通过手指运动监测手套实时感知手部运动情况，获取对应的手指采集数据；

S2、对手指采集数据进行插值与抽值，得到各训练者的处理后数据；

S3、构建由自编码器和Softmax分类器构成的康复等级评估模型；其中，自编码器用于提取处理后数据的特征，Softmax分类器基于提取的特征进行康复等级评估；

S4、以各训练者的处理后数据为输入，已知康复等级为训练目标，对康复等级评估模型进行训练，得到训练后康复等级评估模型；

S5、待评估测试者完成Carroll手功能评定法的任务，通过手指运动监测手套实时获得待评估手指采集数据，经插值与抽值后，输入至训练后康复等级评估模型，最终输出待评估测试者的康复等级评估结果。

2.根据权利要求1所述基于自编码器与Softmax分类器的康复评估方法，其特征在于，S2中插值与抽值的具体过程为：

S21、计算各训练者通过手指运动监测手套获取手指采集数据的时间长度Δt；

S22、对各训练者在手指运动监测手套获取手指采集数据的最长时间长度T内进行插值与抽值，选取的时间点为10^x，x为[-1,1.47]范围内等间距的10个点；其中，先对Δt以内的手指采集数据进行三次埃尔米特插值与抽值，之后基于Δt时刻的手指采集数据信号，在Δt时刻至T时刻的时间范围内进行等数值插值。

3.根据权利要求2所述基于自编码器与Softmax分类器的康复评估方法，其特征在于，T不超过30s。

4.根据权利要求1所述基于自编码器与Softmax分类器的康复评估方法，其特征在于，S3中自编码器的结构包括：

1层输入层，神经元数量为50；

3层隐藏层，各层神经元数量分别为15、3和15；

1层输出层，神经元数量为50；

其中，输入层、隐藏层和输出层的激活函数均为relu函数。

5.根据权利要求1所述基于自编码器与Softmax分类器的康复评估方法，其特征在于，S3中Softmax分类器的结构包括：

1层输入层，神经元数量为3；

1层输出层，神经元数量为4；

隐藏层的结构参数有如下12种：

(1)1层隐藏层，神经元数量为10；

(2)1层隐藏层，神经元数量为5；

(3)1层隐藏层，神经元数量为20；

(4)2层隐藏层，各层神经元数量分别为5和10；

(5)2层隐藏层，各层神经元数量分别为10和5；

(6)2层隐藏层，各层神经元数量分别为10和10；

(7)2层隐藏层，各层神经元数量分别为15和10；

(8)2层隐藏层，各层神经元数量分别为10和15；

(9)2层隐藏层，各层神经元数量分别为15和15；

(10)3层隐藏层，各层神经元数量分别为10、10和10；

(11)3层隐藏层，各层神经元数量分别为15、10和10；

(12)3层隐藏层，各层神经元数量分别为15、15和10；

其中，输出层的激活函数为Softmax函数，输入层和隐藏层的激活函数均为relu函数。