-
公开(公告)号：CN116994772A
公开(公告)日：2023-11-03
申请号：CN202310219347.4
申请日：2023-03-09
Applicant: 北京邮电大学
IPC: G16H50/80 , G16H50/70 , G06F18/10 , G06F18/213 , G06F18/214 , G06F18/241 , G06N20/00
Abstract: 本发明提供了一种基于自监督学习的时间序列异常检测方法。所述方法包括：对人群的心率，血氧饱和度等数据进行数据清洗；依据时间序列数据训练自监督模型，对含筛查的时间序列进行插值；对时间序列进行变换以及特征提取，并依据特征重要程度对提取的特征进行排序与筛选；将筛选得到的特征数据以及插值后的时间序列合并，将数据按照一定比例划分为数据集以及测试集；将训练集数据输入机器学习模型进行训练，求出最优的模型集合与其权重；最终得到体征异常人群筛查模型。本发明提供的基于机器学习与自监督学习的时间序列异常检测的方法，具有较好的准确性以及便利性，能够更加高效地应用于疫情防控和慢病监测等领域。
Search Results
1
records
(took 0.014 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
