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！

龙图腾网获悉中南大学湘雅二医院申请的专利一种基于混合核函数高斯过程回归的血糖浓度预测方法及电子设备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：CN120938432B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202511481883.7，技术领域涉及：A61B5/145；该发明授权一种基于混合核函数高斯过程回归的血糖浓度预测方法及电子设备是由曾凌枫;卓慧设计研发完成，并于2025-10-16向国家知识产权局提交的专利申请。

本一种基于混合核函数高斯过程回归的血糖浓度预测方法及电子设备在说明书摘要公布了：本申请提供了一种基于混合核函数高斯过程回归的血糖浓度预测方法及电子设备。所述方法包括：首先获取用户的历史血糖浓度数据和与血糖变化相关的时间序列数据，并对获取的数据进行预处理；随后基于预处理后的数据进行特征提取，构建特征向量，相应的血糖浓度作为标签，从而构建样本集；之后采用混合核函数高斯过程回归模型建立特征向量和标签之间的非线性关系，利用群体智能算法进行血糖浓度预测模型的参数优化，得到最优血糖浓度预测模型；将当前特征向量输入最优血糖浓度预测模型，将最优血糖浓度预测模型输出的相应的预测标签作为血糖浓度的预测结果。本申请可以提升血糖浓度预测的准确性。

本发明授权一种基于混合核函数高斯过程回归的血糖浓度预测方法及电子设备在权利要求书中公布了：1.一种基于混合核函数高斯过程回归的血糖浓度预测方法，其特征在于，包括： 获取用户的历史血糖浓度数据和与血糖变化相关的时间序列数据，并对获取的数据进行预处理； 基于预处理后的数据进行特征提取，构建特征向量，并将相应的血糖浓度作为标签，构建训练样本集； 采用混合核函数高斯过程回归模型建立血糖浓度预测模型；所述血糖浓度预测模型用于描述所述特征向量和标签之间的非线性关系；具体地： 所述血糖浓度预测模型通过混合核函数计算当前特征向量与每个训练样本特征向量的协方差，并结合每个训练样本对预测结果的贡献权重，聚合所有训练样本的信息生成当前特征向量对应的预测标签；其中，每个训练样本对预测结果的贡献权重等于实际观测协方差矩阵的逆矩阵乘以训练样本集中所有训练样本的标签构成的向量后相应位置的元素； 设训练样本集为；为第个训练样本的特征向量，为第个训练样本的真实标签，为训练样本个数； 所述血糖浓度预测模型为： ； 其中，为当前特征向量对应的预测标签；表示与之间的协方差，基于混合核函数计算得到；表示第个训练样本对预测结果的贡献权重，取值为的第个元素； 其中，，表示由训练样本集中所有训练样本的标签构成的向量； 其中，基于训练样本集和混合核函数构建，所述混合核函数包括高斯核函数和有理二次核函数，构建步骤包括： 首先，基于混合核函数计算训练样本集特征向量两两之间的协方差，公式为： ； 其中：表示与之间的协方差，为第个训练样本的特征向量，；和分别为高斯核函数和有理二次核函数的权重，超参数为控制高斯核的幅值，超参数为距离计算的尺度因子；为形状参数，控制不同尺度之间的加权；为长度尺度参数，控制变化的平滑程度；、、、、、均通过群体智能算法进行优化得到； 然后，基于计算得到的协方差构建训练样本集特征向量之间的协方差矩阵，公式为： ； 再在上增加噪声得到，公式为：；式中，为的单位矩阵，为高斯白噪声方差； 基于训练样本集，采用群体智能算法进行血糖浓度预测模型的参数优化，得到最优血糖浓度预测模型； 将当前特征向量输入最优血糖浓度预测模型，将最优血糖浓度预测模型输出的相应的预测标签作为血糖浓度的预测结果。

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中南大学湘雅二医院，其通讯地址为：410011 湖南省长沙市芙蓉区人民中路139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。