买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京邮电大学申请的专利基于超参数优化的深度学习帕金森氏声音数据分类方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115457941B 。

龙图腾网通过国家知识产权局官网在2026-04-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211100930.5，技术领域涉及：G10L15/08；该发明授权基于超参数优化的深度学习帕金森氏声音数据分类方法是由高浩;李淑娟;王邢波设计研发完成，并于2022-09-09向国家知识产权局提交的专利申请。

本基于超参数优化的深度学习帕金森氏声音数据分类方法在说明书摘要公布了：本发明公开了一种基于超参数优化的深度学习帕金森氏声音数据分类方法，其包括：获取帕金森氏声音数据；对帕金森氏声音数据进行特征提取和数据处理，得到处理后的帕金森氏声音数据；利用超参数优化后的ResNet50网络对处理后的帕金森氏声音数据进行分类，得到帕金森氏声音数据分类结果；其中，利用改进的ABC算法优化ResNet50网络的超参数。本发明能够在较短时间内得到适合帕金森氏声音数据分类的超参数取值，进而提高帕金森氏声音数据分类的准确率。

本发明授权基于超参数优化的深度学习帕金森氏声音数据分类方法在权利要求书中公布了：1.基于超参数优化的深度学习帕金森氏声音数据分类方法，其特征在于，包括如下步骤： 获取帕金森氏声音数据； 对帕金森氏声音数据进行特征提取和数据处理，得到处理后的帕金森氏声音数据； 利用超参数优化后的ResNet50网络对处理后的帕金森氏声音数据进行分类，得到帕金森氏声音数据分类结果； 其中，设ResNet50网络中待优化的超参数的一组可行解为一个个体，利用改进的ABC算法优化ResNet50网络的超参数，包括： 获取一组历史帕金森氏声音数据，对历史帕金森氏声音数据进行特征提取和数据处理，并分类后得到训练数据集； 利用混合变量编码策略在预设的搜索范围内进行个体随机初始化，得到初始化后的ResNet50网络； 将训练数据集输入到ResNet50网络，得到预测的帕金森氏声音数据分类结果； 根据预测的帕金森氏声音数据分类结果计算当前个体对应的适应度值； 根据适应度值的大小得到局部最优解并进行存储； 执行雇佣蜂、观察蜂、侦察蜂三个阶段，搜索新的个体； 根据更新后的个体重新预测帕金森氏声音数据分类结果，计算更新后的个体对应的适应度值，进而更新局部最优解； 当局部最优解停滞不变时，利用范围剪枝策略和逐维调整策略继续搜索新的个体，更新局部最优解，直至满足迭代终止条件，输出最优的超参数； 根据最优的超参数得到超参数优化后的ResNet50网络。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。