%0 Journal Article
%A 何志慧
%A 彭才静
%A 张远
%A 谢攀
%T 一种融合分组卷积和半监督的睡眠分期方法
%D 2022
%R 10.13190/j.jbupt.2021-246
%J 北京邮电大学学报
%P 7-12
%V 45
%N 4
%X 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。
%U https://journal.bupt.edu.cn/CN/10.13190/j.jbupt.2021-246