Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 重庆大学;广东鸿芯科技有限公司刘然获国家专利权

重庆大学;广东鸿芯科技有限公司刘然获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉重庆大学;广东鸿芯科技有限公司申请的专利一种肺癌电子鼻数据分类方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN117216634B

龙图腾网通过国家知识产权局官网在2025-09-26发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202311171758.7,技术领域涉及:G06F18/24;该发明授权一种肺癌电子鼻数据分类方法是由刘然;王仕丹;毛虎;田逢春;钱君辉;任席伟;陈鑫;陈宇泽;吕迪设计研发完成,并于2023-09-12向国家知识产权局提交的专利申请。

一种肺癌电子鼻数据分类方法在说明书摘要公布了:本发明公开了一种肺癌电子鼻数据分类方法,其对采集不同气体数据气体传感器执行线性判别分析,根据贡献选择传感器,并将对应传感器的单变量时间序列转换最大轨迹矩阵图像,通过空间信息重组方法重组样本的最大轨迹矩阵图像,将重组后的样本图像序列输入分类器得到分类结果。本发明肺癌电子鼻数据分类方法,通过按贡献对气体传感器阵列进行排序,去除了冗余通道所采集的数据,有利于提升气体传感器数据分类的准确率,同时减少分类时间;通过最大化图像的帧间互信息之和来确定样本中最大轨迹图像的最优排列,并按照最优排列重组样本中的图像序列,提高了对气体传感器数据的分类准确率。

本发明授权一种肺癌电子鼻数据分类方法在权利要求书中公布了:1.一种肺癌电子鼻数据分类方法,其特征在于:包括步骤: 1对采集不同气体数据的D个气体传感器执行线性判别分析: gF=WTF1 其中F=[f1,f2,…,fi,…,fD]T,1≤i≤D,fi表示气体传感器i的特征,样本Ml=[X1,X2,…,XD]为多变量时间序列;样本Ml中的Xi=[x1,x2,…,xd]T为单变量时间序列,单变量时间序列Xi由第i个气体传感器按设定采样时间间隔顺序采集的d个数据构成;函数hMl,i返回样本Ml中的单变量时间序列Xi,函数max·返回Xi中所有元素中的最大值;W=[w1,w2,…,wi,…,wD]T是权重向量,W中wi的绝对值表示第i个气体传感器对线性判别分析的贡献;|wi|越大,第i个气体传感器的贡献越大;根据|wi|的大小对气体传感器排序; 2将贡献排在前位的每个气体传感器所采集的单变量时间序列转换为一张最大轨迹矩阵图像,由此得到张最大轨迹矩阵图像; 3通过空间信息重组方法重组步骤2中所述的张最大轨迹矩阵图像,包括: 1计算样本的归一化互信息矩阵: 设Θs={θ1,θ2,…,θH×L}是从单变量时间序列Xs转换得到的最大轨迹矩阵图像,其中θ1,θ2,…,θH×L分别表示最大轨迹矩阵图像中的像素值,H和L分别表示Θs的高度和宽度;在所述的张最大轨迹矩阵图像中,任意两张最大轨迹矩阵图像Θs和Θt的归一化互信息表示为: MIΘs,Θt表示Θs和Θt之间的互信息: 其中,pθs,θt表示θs和θt之间的联合概率质量函数,而pθs和pθt则分别表示它们的边际概率质量函数;式2中HΘs和HΘt分别表示Θs和Θt,的熵;归一化互信息的值范围从0到1,接近0的值表示两个较独立的分布,而接近1的值表示分布的一致性; 将计算得到的所有归一化互信息构成一个矩阵,并将该矩阵定义为样本的归一化互信息矩阵Uj,1≤j≤n,归一化互信息矩阵Uj包含样本的所有可能NMI值: 2计算训练集互信息矩阵,包括: 将样本集中所有样本的归一化互信息矩阵相加,得到一个矩阵U: 其中,n表示样本的数量,为样本集Dtr中的一个序偶,表示样本,表示样本的标签向量;对于包含c个类别的样本集,标签向量是长度为c的向量;矩阵U中的每个元素us,t满足: us,t的取值范围是[0,n],将矩阵U称为训练集互信息矩阵; 3计算帧间互信息之和,包括: 将样本的张最大轨迹矩阵图像构成一个排列pi=Θr,Θs,…,Θt,1≤i≤num,num为排列的数量,这个排列所对应的通道的排列为r,s,…,t;帧间互信息之和的计算公式为: 其中,ψq将pi中的第q个元素映射到它的下标; 4排列过滤: 定义由上述张最大轨迹图像组成的集合为perm_list,从perm_list取出最大轨迹图像进行排列,则全排列的数量为过滤掉全排列中每一个排列的逆排列,即互为逆排列的两个排列只保留一个,得到由剩余排列构成的排列集合filter_P;一个排列pi=Θr,Θs,…,Θt的逆排列定义为: 5求解最优排列: 计算排列集合filter_P中每一个排列的帧间互信息之和,形成集合CI=[I1,I2,…,Ii,…,Inum];寻找使得的最优排列,即排列pc具有最大帧间互信息之和;最后,按照最优排列的顺序重新排列所有样本的最大轨迹矩阵图像,从而得到新的信息表示; 4将重新排列后的样本图像序列输入分类器得到分类结果。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人重庆大学;广东鸿芯科技有限公司,其通讯地址为:400044 重庆市沙坪坝区沙正街174号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。