[发明专利]构建CNN-GB模型的方法及系统、数据特征分类方法在审
| 申请号： | 201811257725.3 | 申请日： | 2018-10-26 |
| 公开（公告）号： | CN109359610A | 公开（公告）日： | 2019-02-19 |
| 发明（设计）人： | 徐舫舟;许晓燕;舒明雷;张迎春 | 申请（专利权）人： | 齐鲁工业大学;山东省计算中心（国家超级计算济南中心） |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/08 |
| 代理公司： | 济南信达专利事务所有限公司 37100 | 代理人： | 孙园园 |
| 地址： | 250353 山东省济南*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了构建CNN‑GB模型的方法及系统、数据特征分类方法，属于人工智能BCI技术领域，解决的问题是如何结合CNN模型和GB算法对脑电信号进行特征提取与分类识别，得到效能高的最优特征集，使其分类精确度高。其方法包括采集脑电数据；基于Caffe深度学习框架构建CNN网络模型；训练CNN网络模型；训练GB网络模型。其系统包括脑电数据采集模块、CNN网络配置模块和GB网络配置模块。其分类方法包括采集脑电数据；获得训练后的CNN网络模型和训练后的GB网络模型；由训练后的CNN网络模型对脑电数据进行特征提取，由训练后的GB网络模型对提取的特征进行分类。结合CNN模型和GB算法提高了分类精确度。 | ||
| 搜索关键词： | 网络模型 分类 网络配置模块 采集脑电 脑电数据 数据特征 特征提取 构建 算法 人工智能 采集模块 分类识别 框架构建 脑电信号 特征集 学习 | ||
【主权项】：
1.构建CNN‑GB模型的方法，其特征在于包括如下步骤：S100、采集脑电数据，并对脑电数据进行预处理；S200、基于Caffe深度学习框架构建CNN网络模型，CNN网络模型包括但不限于卷积层、池化层、全连接层和损失层；S300、选取一部分脑电数据作为训练集，通过训练集训练CNN网络模型并更新CNN网络模型的网络参数，得到训练后的CNN网络模型，并输出脑电数据的特征；S400、通过脑电数据的特征训练GB网络模型并更新GB网络模型的网络参数，得到训练后的GB网络模型；上述训练后的CNN网络模型用于对脑电数据进行特征提取，上述训练后的GB网模型用于对提取的特征进行分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于齐鲁工业大学;山东省计算中心（国家超级计算济南中心），未经齐鲁工业大学;山东省计算中心（国家超级计算济南中心）许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811257725.3/，转载请声明来源钻瓜专利网。
- 上一篇：一种人脸识别训练样本获取方法及装置
- 下一篇：一种检测人脸痣的方法及移动终端
