收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

用于小样本人体传感数据机器学习的神经网络表征与拓扑印记分析机理研究

颜延  
【摘要】:人体传感数据的分析与识别是人的健康状态辨识及临床状态监测的重要手段,是健康信息学和生物医学工程领域一个重要的研究方向。人体传感数据来源于传感器对人体生命活动中各种信号的获取,人体的复杂非线性动力学特性以及采集过程中不可避免的外部环境干扰,使得人体传感数据具有非线性和非平稳的特点。近年来,在人体传感数据分析方面已经有了的大量的基于特征参量的模式分析方法,然而这些静态特征参量对非线性和非平稳性数据的表征能力是有局限的。基于神经网络表征学习的方法由于其非线性结构和自主学习能力,使得其在具有大量非标数据的人体传感数据分析场景中具有重要的应用价值。此外,对非线性和非平稳性人体传感数据的相空间重建,通过分析其系统特性的拓扑印记描述,可以有效的刻画人体活动过程中的动态特性,从而实现有限样本下的人体状态模式识别。同时,人体生命活动过程的异常态往往具有偶发性,使得人体传感数据中的负样本个数是较少数的。例如,心律失常分析中异常心搏的比例远小于正常心搏,帕金森疾病受试者行走实验中冻结步态异常出现频率远小于正常步态。负类样本如异常心搏、冻结步态属于偶发事件,在数据集整体而言,其相对于正类样本必定是小样本的。再者,从有限规模的受试者采集多样本数据,存在着高临床风险、不可控的重复性以及高成本等问题。这些因素决定了人体传感数据分析问题往往是基于小样本数据集评价的。人体传感数据分析问题是典型的小样本学习问题。一般地,当数据集的某些样本较少时,可以采用基于先验知识的方法来实现小样本集的数据扩充,从而得到足够大的数据样本来实现学习模型的训练。如图像处理及模式识别中采用旋转、翻转、裁剪原数据来生成新数据样本的数据增强方法。然而,在小样本人体传感数据学习中,人体状态的复杂性和随机性对应的数据分布是未知的,无法通过基于先验知识提取的方法来获得可靠的数据样本来实现数据增强。其他的小样本学习数据集扩充包括从相似数据集或无监督数据集进行转化等,在人体传感数据分析特别是某些病理模式分析中,往往具有极高的成本,甚至是不可行的。近年来,采用基于模型的方法为小样本数据学习提供了新的思路。本文围绕基于模型的小样本学习问题在人体传感数据分析中的科学问题及实际应用,结合工程实践需求,研究了具有大非标数据情况下的预训练-再优化策略的神经网络表征提取小样本学习模型,提出了一种有限数据情况下的基于拓扑印记分析的小样本学习模型。本文从人体传感数据分析中的有效特征提取和小样本学习两个方面出发,结合课题组承担的科技项目和实际工程实践需求,以心电信号和步态信息两种典型的人体传感数据为研究对象,研究了基于神经网络表征和拓扑印记分析的特征提取应用和小样本学习机理,设计了相关的计算框架和分类算法并进行了验证。本文的主要工作内容包括以下四个方面:1.研究了在具有大量无监督数据中的小样本学习问题,提出了基于深度自编码网络的预训练-参数再优化的小样本学习策略,以人体心电传感数据为研究对象,详细介绍了深度自编码网络的预训练方法、分类系统构建及参数优化、神经网络表征的提取方法,最后对模型的心律失常分类和辨识能力进行了实验验证。实验结果表明,基于深度自编码神经网络表征的学习方法能有效利用无监督数据来提升小样本心电学习问题的建模能力和识别精度。2.研究了基于深度置信神经网络表征的预训练-参数再优化的小样本学习策略在心电复杂模式分析中的应用,提出了一种多导联合决策优化方法。介绍了基于受限玻尔兹曼机的深度置信网的预训练方法、分类系统构建和参数优化方法,提出了一种组合优化联合决策算法来提升模型的心电复杂模式分析能力。实验结果证实深度置信神经网络的复杂心电模式的表征能力,提出的联合决策优化方法是一种有效的信息融合策略。3.提出了一种基于拓扑印记分析的小样本嵌入学习机制,基于非线性动态分析的延时嵌入方法构建位于相空间的人体传感数据点云,提出了一种基于二维点云拓扑建模来获取拓扑印记特征进而应用到小样本学习任务中的分析框架和分类系统,包括人体传感数据的相空间重建、点云数据的拓扑建模、拓扑印记的提取及随机森林分类。在有限样本的心电小样本学习任务中,取得了良好的分类精度,表现出了较好的心电建模能力。4.研究了人体步态间隔序列的拓扑建模方法,探讨了基于拓扑印记的小样本嵌入学习在神经退行性疾病辨识的应用。研究了不同类型神经退行性疾病(肌硬化症、亨廷顿疾病、帕金森症)的拓扑印记特征及其分类辨识应用,构建人体步态数据分析的小样本分类系统。实验结果表明,拓扑印记在小样本步态间隔数据学习中具有显著的表征能力和良好的分类性能。综上所述,本文研究了基于神经网络表征的人体心电数据分析方法及应用,提出的深度自编码网络结构分类系统和深度置信网决策系统已经应用到可穿戴随身监护系统的数据分析平台中,取得了良好的应用和实践价值。本文提出的基于拓扑印记分析的模式提取方法,在神经退行性疾病等病理分析问题中取得了良好的结果,具有较大的临床价值。本文的工作进一步拓展了健康信息学的理论体系,将神经网络表征分析和拓扑印记分析的相关研究内容与健康信息学的实践需求结合起来,引入的小样本学习机制,具有重要的理论价值。


知网文化
【相似文献】
中国期刊全文数据库 前18条
1 顾成喜;赵晓峰;;突变数据融合在电力传感器网络中的应用[J];华东电力;2014年11期
2 ;2017年中国大数据产业市场规模将达184.3亿元[J];标签技术;2017年02期
3 焉晓贞;谢红;王桐;;无线传感器网络的不确定传感数据预测[J];应用科学学报;2012年06期
4 危遂薏,刘桂雄;一种同质的多传感数据融合新算法[J];传感器技术;2004年08期
5 柴政;刘晨;朱美玲;韩燕波;;基于多源传感数据相关性分析的电厂设备故障检测方法[J];计算机与数字工程;2019年03期
6 付婷;蔡宇翔;张辉;王宇飞;;云计算下大规模非显著特征多传感数据融合系统设计[J];科学技术与工程;2018年08期
7 焉晓贞;罗清华;;基于卡尔曼滤波的动态传感数据流估计方法[J];仪器仪表学报;2013年08期
8 孙淑荣;王永利;;基于FPGA的传感数据加速处理[J];计算机应用研究;2011年04期
9 沈春山;吴仲城;蔡永娟;李云飞;;面向广泛互操作的传感数据模型研究[J];小型微型计算机系统;2010年06期
10 杨顺;蒋渊德;吴坚;刘海贞;;基于多类型传感数据的自动驾驶深度强化学习方法[J];吉林大学学报(工学版);2019年04期
11 张琪;胡宇鹏;嵇存;展鹏;李学庆;;边缘计算应用:传感数据异常实时检测算法[J];计算机研究与发展;2018年03期
12 徐海东;吴建宁;王珏;;基于分布式压缩感知的可穿戴多传感数据联合重构新方法[J];集成技术;2015年05期
13 康来;魏迎梅;蒋杰;谢毓湘;;融合视惯传感数据的非接触式物体尺寸获取方法[J];系统仿真学报;2020年05期
14 黄国健;刘桂雄;洪晓斌;高屹;;基于鲁棒估计的动态传感数据校正方法[J];自动化与信息工程;2009年04期
15 万树平,涂国平;多传感数据的判别分析方法[J];传感器技术;2002年05期
16 曲乐成;李欣;孙法江;;基于无线网络的海洋传感数据实时传输系统设计[J];信息网络安全;2015年02期
17 刘红蕾;张峰;谷峪;鲍玉斌;李芳芳;于戈;;面向海洋监测的传感数据可用性评价技术[J];海洋通报;2015年03期
18 王永利;刘景春;于占龙;富春岩;刁树民;;传感数据起源信息的多粒度标注与多分辨压缩[J];南通大学学报(自然科学版);2010年03期
中国重要会议论文全文数据库 前20条
1 黄国健;刘桂雄;洪晓斌;高屹;;基于鲁棒估计的动态传感数据校正方法[A];广州市仪器仪表学会2009年学术年会论文集[C];2010年
2 周炳玉;卢野;刘珍阳;;多传感器数据融合中的数据预处理技术研究[A];2007年光电探测与制导技术的发展与应用研讨会论文集[C];2007年
3 袁杰;刘明贵;;基于CyFi的无线传感数据采集系统[A];中国计量协会冶金分会2009年年会论文集[C];2009年
4 李敬兆;詹林;许家昌;;物联网在煤矿中的应用及其多功能读写器设计[A];煤矿自动化与信息化——第20届全国煤矿自动化与信息化学术会议暨第2届中国煤矿信息化与自动化高层论坛论文集[C];2010年
5 陈益刚;庞志鹏;;一种新型传感控制系统的设计[A];2018年中国家用电器技术大会论文集[C];2018年
6 高志勇;潘平洋;;神经网络在风机故障预警中的应用[A];第六届中国风电后市场交流合作大会论文集[C];2019年
7 耿传玉;王泽宇;周晓君;阳春华;;基于U-net卷积神经网络双层参数优化的心脏图像分割[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
8 徐硕;;集合经验模态分解的多路-多级神经网络风功率预测模型[A];用电与能效专题讲座暨智能用电及能效管理技术研讨会论文集[C];2019年
9 段滈杉;乔俊飞;蒙西;汤健;;基于模块化神经网络的城市固废焚烧过程氮氧化物软测量[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
10 韩红桂;甄琪;杜永萍;乔俊飞;;基于低秩双线性卷积神经网络的手机型号识别方法[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
11 李淋雨;邱寅祺;何星;;基于LSTM的火电厂入口硝浓度预测方法研究[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
12 潘岚川;马乐乐;刘向杰;;基于卷积神经网络的一次风机故障预警研究[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
13 刘晶;黄进;赵万国;周丽萍;;一种基于卷积神经网络的非法经营线索挖掘模型[A];2020互联网安全与治理论坛论文集[C];2020年
14 包俊;董亚超;刘宏哲;;卷积神经网络的发展综述[A];中国计算机用户协会网络应用分会2020年第二十四届网络新技术与应用年会论文集[C];2020年
15 刘克楠;侯剑;;基于神经网络的唤醒词识别方法[A];中国计算机用户协会网络应用分会2020年第二十四届网络新技术与应用年会论文集[C];2020年
16 蒋子超;江俊扬;姚清河;杨耿超;;基于神经网络的差分方程快速求解方法[A];第十一届全国流体力学学术会议论文摘要集[C];2020年
17 朱利明;路达;陈占毅;李方明;;基于BP-RBF神经网络的深基坑邻近建筑物沉降势预测[A];土木工程新材料、新技术及其工程应用交流会论文集(下册)[C];2019年
18 周浩;戴国忠;;基于神经网络的指挥信息系统体系贡献度分析[A];2019第七届中国指挥控制大会论文集[C];2019年
19 张子腾;梁烨;胡启鹏;张梦隆;陈智慧;;基于迁移卷积神经网络的脑功能连接分类[A];创新发展与情报服务[C];2019年
20 徐小天;李敏;孙跃;高冉馨;;深度神经网络的攻击与防御技术研究[A];第三届智能电网会议论文集——智能用电[C];2019年
中国博士学位论文全文数据库 前20条
1 颜延;用于小样本人体传感数据机器学习的神经网络表征与拓扑印记分析机理研究[D];中国科学院大学(中国科学院深圳先进技术研究院);2020年
2 焉晓贞;无线传感器网络中传感数据估计方法研究[D];哈尔滨工程大学;2012年
3 曾玮妮;无线传感器网络应用层安全关键技术研究[D];湖南大学;2011年
4 肖理业;基于机器学习的电磁场建模与设计研究[D];电子科技大学;2019年
5 陈涵瀛;核电站热工水力系统工况预测与诊断方法研究[D];哈尔滨工程大学;2018年
6 梁智杰;聋哑人手语识别关键技术研究[D];华中师范大学;2019年
7 刘昂;微结构硅基光子学器件性能的研究[D];南京大学;2019年
8 赵博雅;基于卷积神经网络的硬件加速器设计及实现研究[D];哈尔滨工业大学;2018年
9 杜昌顺;面向细分领域的舆情情感分析关键技术研究[D];北京交通大学;2019年
10 陈科海;机器翻译上下文表示方法研究[D];哈尔滨工业大学;2019年
11 饶红霞;信息受限下神经网络的状态估计和拟同步研究[D];广东工业大学;2019年
12 张马路;Spiking机器学习算法研究[D];电子科技大学;2019年
13 付钱华;忆阻神经网络的动力学研究[D];电子科技大学;2019年
14 毛瑞琛;深度神经网络下的规范化地址建设与语义空间模型研究[D];浙江大学;2019年
15 武晨;DFP航天器动力学特性分析及精确控制方法研究[D];哈尔滨工业大学;2018年
16 杨旭辉;基于神经网络的C-ADS InjectorⅡ束流偏移校准技术研究[D];兰州大学;2019年
17 樊英杰;时滞忆阻神经网络的镇定及同步控制研究[D];山东科技大学;2019年
18 冉令燕;基于卷积神经网络的图像分类研究[D];西北工业大学;2018年
19 于佳;语音文档的故事分割技术研究[D];西北工业大学;2018年
20 申晨;基于卷积神经网络的行人再识别算法研究[D];浙江大学;2018年
中国硕士学位论文全文数据库 前20条
1 周昱航;工业除尘防爆系统的设计与研究[D];西安电子科技大学;2019年
2 李斐君;面向边缘计算的传感数据异常检测与修正算法[D];华中科技大学;2019年
3 闫泽鑫;海量车辆传感数据分布式管理平台的研究与设计[D];北京邮电大学;2019年
4 康浩浩;命名数据网络内容校验机制研究[D];江苏大学;2019年
5 柴政;一种面向大规模传感数据流的异常序列即时检测方法[D];北方工业大学;2018年
6 陈君梅;面向户外预警的无线传感数据传递协议研究与实现[D];广西师范大学;2017年
7 程元晖;传感数据起源隐私保护技术的研究与应用[D];南京理工大学;2012年
8 曹雷;无线传感数据处理平台的软件设计[D];黑龙江大学;2010年
9 容志能;惯性运动捕捉系统中传感数据的传输与处理[D];浙江大学;2012年
10 徐丽晓;工业现场传感数据无线传输技术研究[D];电子科技大学;2013年
11 王丹妮;基于多模态传感数据的诊断预测方法与应用[D];重庆大学;2019年
12 成飞龙;基于Hadoop的海量传感数据管理系统[D];南京理工大学;2013年
13 王东风;基于HBase的语义传感数据管理系统的设计与实现[D];河北科技大学;2015年
14 史殿岳;基于传感数据的人体行为识别研究[D];电子科技大学;2016年
15 李彬;基于环境建模的传感数据收集与插值算法研究[D];湖南大学;2011年
16 常城;无线传感数据时空相关性的研究[D];大连理工大学;2016年
17 侯庆飞;基于WDM-PON的多业务融合信息系统[D];山东大学;2015年
18 张宏宇;物联网测床可扩展性的研究[D];内蒙古大学;2015年
19 郭会云;基于云计算的海量传感器信息存储的扩展研究和实现[D];北方工业大学;2017年
20 邓佛丹;结构健康监测无线传感数据丢失恢复的随机冗余矩阵方法[D];哈尔滨工业大学;2014年
中国重要报纸全文数据库 前20条
1 赛迪顾问云计算产业研究中心总经理 吴李知;应对大数据带来的管理变革[N];通信产业报;2012年
2 整理 本报记者 诸玲珍 顾鸿儒;微软神经网络切割法可使加速作用超线性[N];中国电子报;2018年
3 记者 董映璧;神经网络技术检测玻璃钢缺陷精度高[N];科技日报;2020年
4 骆无意;图神经网络让集群无人系统更智能[N];中国航天报;2020年
5 张允硕 姜正义 甄海锋 河南理工大学;基于神经网络的自适应PID控制的智能衣架[N];科学导报;2019年
6 湖北日报全媒记者 张爱虎 通讯员 徐向军 实习生 于蓝;一群“90后”率先建成铁路“神经网络”[N];湖北日报;2019年
7 记者 刘霞;忆阻器制成神经网络更高效[N];科技日报;2017年
8 ;神经网络小史[N];电子报;2018年
9 张敏;人机大战,到底谁会赢?[N];北京日报;2017年
10 ;人工智能将取得大面积突破[N];中国企业报;2017年
11 本报记者 龚丹韵;人机大战:人类还有优势吗[N];解放日报;2017年
12 ;人类正迎来云端机器人时代[N];中国企业报;2017年
13 张斌;谁还需要“同传”[N];文汇报;2017年
14 邓洲 中国社会科学院工业经济研究所;深度学习:人工智能进入应用阶段[N];上海证券报;2017年
15 中国科学技术大学终身学习实验室博士 吴茂乾;“寒武纪”人工智能大爆发的前夜[N];安徽日报;2017年
16 记者 邱智丽;AI竞赛 中国力量崛起[N];第一财经日报;2017年
17 卡内基·梅隆大学计算机科学学院机器学习系主任 Tom Mitchell;突破人类和机器的边界[N];中国信息化周报;2017年
18 舒年;“深度学习”与人工智能的新挑战[N];工人日报;2017年
19 记者 刘霞;新神经网络使计算机像人一样推理[N];科技日报;2017年
20 本报记者 喻思娈;人工智能有多智能?[N];人民日报;2017年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978