典型文献
一种融合分组卷积和半监督的睡眠分期方法
文献摘要：
已有的睡眠分期研究大部分采用监督学习的方法,其模型训练高度依赖于大量优质的标签数据,所提取的特征也较为粗糙.为此,提出了将半监督学习应用于分组卷积神经网络的睡眠分期方法.首先,采用分组残差卷积网络作为骨干网络,使不同分组学习的特征多样化,让整个网络关注来自不同子空间的信息,从而提取多角度特征;其次,为减少标注技师的工作负担,采用半监督学习的方法,从大量未标注数据中提取特征与标注数据提取的特征进行对抗,以获得更多细粒度特征.实验结果表明,在Sleep-EDFx数据集上的睡眠分期准确率能够达到0.837±0.001,卡帕系数达到0.774±0.002,均优于对比算法.
文献关键词：
睡眠分期;脑电信号;半监督;分组卷积
中图分类号：
作者姓名：
谢攀;彭才静;何志慧;张远
作者机构：
西南大学 电子信息工程学院,重庆400715;重庆市第九人民医院 儿童呼吸科, 重庆400715
文献出处：
引用格式：
[1]谢攀;彭才静;何志慧;张远-.一种融合分组卷积和半监督的睡眠分期方法)[J].北京邮电大学学报,2022(04):7-12
A类：
EDFx
B类：
分组卷积,睡眠分期,分期研究,模型训练,标签数据,半监督学习,学习应用,残差卷积,卷积网络,骨干网络,分组学习,网络关注,子空间,角度特征,技师,工作负担,提取特征,数据提取,细粒度特征,Sleep,卡帕,对比算法,脑电信号
AB值：
0.319316
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
