[发明专利]一种为动态ECG数据寻找误差最小网络计算结构的方法

摘要

本发明提供了一种为动态ECG数据寻找误差最小网络计算结构的方法，包括以下步骤：步骤一，初始化：S11、初始化每个个体Xi；S12、初始化交叉因子CR：CR取0～1中任意浮点数值；S13、初始化变异因子F：F取0～1中任意浮点数值；S14、初始化代数gen，命gen＝0；步骤二，计算个体Xi的误差Fitness[i]：S21、命i＝1；S22、将新个体Vi的基因数据解码成一个卷积神经网络结构CNN1；S23、利用梯度下降方式和当前心电数据对卷积神经网路结构CNN1内计算式进行权值的迭代收敛，得到卷积神经网路结构CNN1的最优权值矩阵W1。为动态ECG数据寻找误差最小网络计算结构的方法解决现有技术中因对于每个人的心电数据都设置一样的网络计算结构而导致心电信号异常检测时出现误判的问题。

主权项

1.一种为动态ECG数据寻找误差最小网络计算结构的方法，其特征在于，包括以下步骤：步骤一，初始化：S11、初始化每个个体Xi，Xi为内含有N个基因组成的数组，设有M个Xi个体，1≤i≤M，每个基因内有三个数据串，一个数据串表示计算式，另两个数据串表示向前连接的节点，表达节点的每一数据串中有一位数字为用于表示该数据串表达或不表达的0或1；S12、初始化交叉因子CR：CR取0～1中任意浮点数值；S13、初始化变异因子F：F取0～1中任意浮点数值；S14、初始化代数gen，命gen＝0；步骤二，计算个体Xi的误差Fitness[i]：S21、命i＝1；S22、将新个体Vi的基因数据解码成一个卷积神经网络结构CNN1；S23、利用梯度下降方式和当前心电数据对卷积神经网路结构CNN1内计算式进行权值的迭代收敛，得到卷积神经网路结构CNN1的最优权值矩阵W1；S24、将当前心电数据输入至具有最优权值矩阵W1的卷积神经网路结构CNN1中，计算得出的误差率Fi_new1；S25、命Fitness[i]等于Fi_new1；S26、i＝i+1；S27、判断i是否大于M，若否则进行步骤S22，若是则进行步骤三；步骤三、设第一种种群A1内各个个体为A1i，A1i为长度与Xi相等的数组，A1i复制Xi，即是A1i＝Xi(1≤i≤M)，G1[i]＝Fitness[i]，获得第一种种群A1的最优个体的步骤包括：S301、计算gen＝gen+1；S302、命i＝gen；S303、设新个体Vi为长度与Xi相等的数组，Vi复制Xi，即是Vi＝Xi；S304、交叉：首先，取0～1中任意浮点数值为当前随机产生的概率p1；然后，判断当前随机产生的概率p1是否小于交叉因子CR，若是则进行交叉，若不是则不进行交叉，其中，交叉步骤为：S3041、从整数范围(1，M)随机选取一整数R，且R不等于i；S3042、从整数范围(0，M)中随机选取一个整数Z1；S3043、将XR中第Z1个基因到第M个基因全部复制给Vi的第Z1个基因到第M个基因；S305、变异：首先，取0～1中任意浮点数值为当前随机产生的概率p2；然后，判断当前随机产生的概率p2是否小于变异因子F，若是则采取DE/rand策略对新个体Vi进行变异，若不是则不进行变异，其中，采取DE/rand策略对新个体Vi进行变异：S3051、从整数范围(0，M)中随机选取一个整数Z2；S3052、随机选取M‑Z2+1基因长度的数据组C，数据组C内对应每个基因的数据串符合基因数据串设置的规定；S3053、新个体Vi内的第Z2个到第M个基因的字符串依次变为数据组C内数据；S306、将新个体Vi的基因数据解码成一个卷积神经网络结构CNN2，然后利用梯度下降方式和心电数据对卷积神经网路结构CNN2内计算式进行权值的迭代收敛，得到卷积神经网路结构CNN2的最优权值矩阵W2；S307、验证评估：将心电数据输入至具有最优权值矩阵W2的卷积神经网路结构CNN2中，计算得出的误差率Fi_new；S308、判断新个体Vi的误差率Fi_new是否小于父代Ui的误差率G1[i]，若是，则命G1[i]等于Fi_new并且A1i复制Vi(即是使得第i个个体Ai内的基因完全与Vi一样)；若否，则不更改G1[i]；S309、判断i是否等于N，如果是则进行步骤S310，如果不是则进行步骤S301；S310，比较第一种新种群A1内所有个体对应的误差率G1[1]、G1[2]、……G1[i]……、G1[M‑1]、G1[M]大小，选出最小误差率min G1[Z₃]，并找到最小误差率min G1[Z₃]对应的个体即得到第一种种群A₁的最优个体