[发明专利]基于跳跃连接的CNN与LSTM结合的房颤信号分类系统有效
| 申请号： | 201811599241.7 | 申请日： | 2018-12-26 |
| 公开（公告）号： | CN109740481B | 公开（公告）日： | 2019-12-10 |
| 发明（设计）人： | 舒明雷;平永杰;朱清;王英龙;崔焕庆;许继勇;成曦;孙宗锟;燕婷 | 申请（专利权）人： | 山东科技大学;山东省计算中心(国家超级计算济南中心);山东大学齐鲁医院 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 37218 济南泉城专利商标事务所 | 代理人： | 支文彬 |
| 地址： | 266590 山东省青岛*** | 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： | 一种基于跳跃连接的CNN与LSTM结合的房颤信号分类方法，通过将数据房颤信号数据加载到跳跃连接的CNN模型中，经过卷积、最大池化、激励、归一化、平均池化操作，进行特征提取，之后将特征提取完成的数据加载到LTSM模型中进行学习，最终达到对房颤信号分类的目的，分类的信号精确、高效。 | ||
| 搜索关键词： | 房颤信号 分类 数据加载 特征提取 跳跃 池化 归一化 卷积 学习 | ||
【主权项】：
1.一种基于跳跃连接的CNN与LSTM结合的房颤信号分类系统，其特征在于，包括如下步骤：/na)将房颤信号数据以频率MHz为标准进行切分，形成Ns一段的数据D，将数据D传入跳跃连接的CNN模型中；/nb)将数据D加载到CNN模型的卷积层中，设置卷积核大小、通道数、步长对数据D进行卷积处理，卷积处理后形成数据D1；/nc)将数据D加载到CNN模型的最大池化层中，设置池化核大小、步长对数据D进行池化处理，池化处理后产生数据D2；/nd)将数据D1加载到CNN模型的激励层中，使用ReLU激励函数，通过公式
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山东科技大学;山东省计算中心(国家超级计算济南中心);山东大学齐鲁医院，未经山东科技大学;山东省计算中心(国家超级计算济南中心);山东大学齐鲁医院许可，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/201811599241.7/，转载请声明来源钻瓜专利网。
