買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉太原理工大學申請的專利一種腦卒中數據分布規律智能分析方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115116619B 。

龍圖騰網通過國家知識產權局官網在2025-09-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210855844.9，技術領域涉及：G16H50/70；該發明授權一種腦卒中數據分布規律智能分析方法及系統是由李鳳蓮;張雪英;陳桂軍;黃麗霞;焦江麗;李曉輝;史凱岳;杜鵬設計研發完成，并于2022-07-20向國家知識產權局提交的專利申請。

本一種腦卒中數據分布規律智能分析方法及系統在說明書摘要公布了：本發明涉及一種腦卒中數據分布規律智能分析方法和系統。其中方法包括：獲取腦卒中病例數據；對腦卒中病例數據進行ZCA白化處理得到白化處理數據；采用堆疊稀疏自編碼器對白化處理結果進行降維處理，得到降維數據；采用深度強化學習優化的學習矢量量化聚類方法對降維數據進行聚類得到聚類結果；基于聚類結果生成腦卒中數據分布規律。基于這一方法本發明能夠提高數據處理效率，進而提高腦卒中數據分布規律的生成效率和精確性。

本發明授權一種腦卒中數據分布規律智能分析方法及系統在權利要求書中公布了：1.一種腦卒中數據分布規律智能分析方法，其特征在于，包括： 獲取腦卒中病例數據； 對所述腦卒中病例數據進行ZCA白化處理得到白化處理數據； 采用堆疊稀疏自編碼器對所述白化處理結果進行降維處理，得到降維數據； 采用深度強化學習優化的學習矢量量化聚類方法對所述降維數據進行聚類得到聚類結果； 基于所述聚類結果生成腦卒中數據分布規律； 所述深度強化學習優化的學習矢量量化聚類方法為融入有深度強化學習的狀態集和深度強化學習的動作集的學習矢量量化聚類方法；采用的強化學習為深度Q網絡； 所述動作集的構建過程包括： 通過探索與利用機制得到動作集，設計了適用于該聚類方法的獎賞函數，以確定最大獎賞值所對應動作，每次迭代選擇最大獎賞所對應動作來得到迭代后的聚類結果； 其中，獎賞函數設計： 式中，ai代表第i次迭代從動作集A＝{a1,a2，...,ai，...,aL}中選取的動作，代表執行動作ai后所得到質心與各類簇樣本的平均距離，di代表第i次迭代原始LVQ各類簇樣本與其質心平均距離； 所述動作集的選取過程為： 采用“探索”機制和“利用”機制選擇性的挑選數據點與原型向量進行“拉近或遠離”運算； 其中，“利用”機制的實現過程為：引入參數mz，在輸入數據集中隨機選取m個樣本組成數據子集Xm，將該數據集中的m個數據與原型向量做“拉近”或“遠離”運算得到一個動作；z為腦卒中數據集樣本個數； “探索”機制實現過程為：引入參數vz，探索系數ε取0.1，在腦卒中數據集中隨機選取v個樣本組成數據子集Xv，將數據子集Xv中的所有數據與原型向量做“拉近”或“遠離”運算得到一個動作； 如果樣本xi與原型向量pj的標簽相同，則進行“拉近”運算，“拉近”運算為：采用公式p′j＝xj+ηxi-xj對原型向量進行更新；式中，η為學習率，p′j為更新后的原型向量，xj為原型向量pj對應的屬性值； 樣本xi與更新后的原型向量p′j之間距離為： ||p′j-xi||2＝||xj+ηxi-xj-xi||2＝1-η*||pj-xi|| 如果樣本xi與原型向量pj標簽不相同，則進行“遠離“運算，“遠離”運算為：采用公式p′j＝xj-ηxi-xj對原型向量pj進行更新； 此時，xi與更新后的原型向量p′j之間距離為： ||p′j-xi||2＝||xj-ηxi-xj-xi||2＝1+η*||pj-xi||2。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人太原理工大學，其通訊地址為：030024 山西省太原市迎澤西大街79號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。