一种基于深度学习算法的新型冠状病毒分类方法.pdfVIP

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112735604 A (43)申请公布日 2021.04.30 (21)申请号 202110045563.2 G06N 3/08 (2006.01) (22)申请日 2021.01.13 (71)申请人 大连海事大学 地址 116000 辽宁省大连市甘井子区凌水 街道凌海路1号 (72)发明人 马宝山　张树正　张新宇　高宗江　 柴冰洁　侯晓宇　熊桐　 (74)专利代理机构 大连至诚专利代理事务所 (特殊普通合伙) 21242 代理人 张海燕　杨威 (51)Int.Cl. G16H 50/80 (2018.01) G06K 9/62 (2006.01) G06F 17/14 (2006.01) G06N 3/04 (2006.01) 权利要求书3页 说明书9页 附图7页 (54)发明名称 一种基于深度学习算法的新型冠状病毒分 类方法 (57)摘要 本发明提供一种基于深度学习算法的新型 冠状病毒分类方法，用于解决现有技术中存在的 分类精度较低的技术问题，实现步骤为：获取现 有可用病毒序列和新型冠状病毒数据集，预处理 病毒序列数据集，使用三个级联的自动编码器将 预处理后高维冗余的病毒序列特征进行特征提 取实现数据降维，获取病毒序列非线性抽象特 征，获取训练集数据和测试集数据，获取最优新 型冠状病毒序列分类模型，使用所述最优新型冠 状病毒序列分类模型预测新型冠状病毒数据的 标签，本发明有效提高了新型冠状病毒分类的准 A 确性。 4 0 6 5 3 7 2 1 1 N C CN 112735604 A 权　利　要　求　书 1/3页 1.一种基于深度学习算法的新型冠状病毒分类方法，其特征在于，包括如下步骤： 步骤1获取新型冠状病毒数据集，所述数据集为从病毒宿主数据库和GISAID平台下载 的所有的可用病毒序列和COVID‑19序列； 步骤2预处理病毒序列数据集，得到特征向量； 步骤3使用三个级联自动编码器进行特征提取将所述特征向量映射成为低维的高层特 征，作为模型的输入； 步骤4根据所述模型的输入，训练最优新型冠状病毒序列分类模型； 步骤5使用所述最优新型冠状病毒序列分类模型预测新型冠状病毒数据的标签。 2.根据权利要求1所述的一种基于深度学习算法的新型冠状病毒分类方法，其特征在 于，所述步骤2预处理病毒序列数据集，得到特征向量，其实现步骤为： 步骤2.1将所述病毒序列进行字符序列编码字符得到数字序列； 步骤2.2将所述数字序列进行快速傅里叶变化得到所述数字序列的幅值； 步骤2.3根据所述幅值利用马氏距离构造特征向量。 3.根据权利要求1所述的一种基于深度学习算法的新型冠状病毒分类方法，其特征在 于，所述步骤3使用三个级联自动编码器进行特征提取将所述特征向量映射成为低维的高 层特征，作为模型的输入，其实现步骤为： 步骤3.1为得到病毒序列特征，随机破坏所述特征向量的十分之一数据得到样本； 步骤3.2构建损失函数； 步骤3.3训练第一级自动编码器，得到第一层低维特征向量； 步骤3.4将第一级自动编码器的输出作为下一级编码器的输入，继续完成第二级自动 编码器的训练，重复此步骤，直至完成第三级自动编码器的训练，得到病毒序列抽象的高层 特征表达。 4.根据权利要求1所述的一种基于深度学习算法的新型冠状病毒分类方法，其特征在 于，所述步骤4根据所述模型的输入，训练最优