公开(公告)号：CN116821790A

公开(公告)日：2023-09-29

申请号：CN202310665156.0

申请日：2023-06-05

Applicant: 安徽大学

Inventor： 夏懿 ,  孙华 ,  方永康健

IPC: G06F18/241 ,  A61B5/11 ,  A61B5/00 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/08 ,  G06N20/20

Abstract: 本发明公开了一种基于自适应增强的集成学习策略的冻结步态预测方法，包括获取原始数据集，并进行预处理得到数据集；对预处理后的数据集进行划分；将处理后的训练样本赋予相同的预设样本权重，并输入基于自适应增强算法构建的多尺度卷积神经网络中，经过多次样本训练和样本权重的调整得到若干个弱分类器，并进行组合，最终得到一个冻结步态预测的强分类器。本发明通过构建多尺度卷积神经网络训练多个弱分类器，并利用集成学习策略将多个弱分类器组合成一个强分类器，建立冻结步态预测方法。从而解决预测模型关于少数类别的预测效果不佳的问题，提升了模型对少数类的预测准确率。