结合判别式深度置信网络和主动学习的心电分类方法

摘要

结合判别式深度置信网络和主动学习的心电分类方法。本发明的步骤包括：采用基于判别式深度置信网络(DDBNs)和基于后验概率的主动学习相结合，高斯—伯努利受限玻尔兹曼机(GB‑RBM)作为DDBNs的首层，伯努利—伯努利受限玻尔兹曼机(BB‑RBM)作为DDBNs隐含层，同时融入反应其心律变异的RR间期特征，在特征学习阶段之后，通过在生成隐含层的顶部添加一个柔性最大值(Softmax)回归层，构建一个初始DNN，该DNN可以根据不同的分类标准进行定制，再采用反向传播对网络进行微调，在最后阶段，运用了主动学习方法，允许专家在每次迭代的测试记录中标记最相关和不确定的心拍，然后将其用于更新DNN权重。本发明应用于心电分类。