本發(fā)明涉及腦電波檢測技術(shù)領(lǐng)域，尤其涉及一種利用腦電波識(shí)別生物的方法及裝置。

背景技術(shù)：

隨著腦電傳感技術(shù)的不斷發(fā)展，市面上出現(xiàn)了各種不同的腦電產(chǎn)品，如意念頭箍等。上述的腦電產(chǎn)品大多是基于neurosky神念科技的腦電傳感技術(shù)開發(fā)的，其利用干電極讀取人的大腦信號(hào)，可以過濾掉周圍的噪音和電器的干擾，并將檢測到的大腦信號(hào)轉(zhuǎn)成數(shù)字信號(hào)，神念的腦電傳感器靈活度很高，且可以過濾掉周圍的噪音，獲取較佳的腦電波數(shù)據(jù)。由于腦電波是一種微弱的生物波，在實(shí)際的測試過程中，當(dāng)上述設(shè)備沒有帶在大腦時(shí)，也會(huì)根據(jù)不同非生物的特質(zhì)(周圍環(huán)境)不同而收集到其他波值，如此，會(huì)造成兩者數(shù)據(jù)的混淆，進(jìn)而導(dǎo)致測試的數(shù)據(jù)出現(xiàn)偏差，不能準(zhǔn)確甑別生物。

有鑒于此，有必要提出對目前的腦電識(shí)別技術(shù)進(jìn)行進(jìn)一步的改進(jìn)。

技術(shù)實(shí)現(xiàn)要素：

為解決上述至少一技術(shù)問題，本發(fā)明的主要目的是提供一種利用腦電波識(shí)別生物的方法。

為實(shí)現(xiàn)上述目的，本發(fā)明采用的一個(gè)技術(shù)方案為：提供一種利用腦電波識(shí)別生物的方法，包括如下步驟：

獲取利用腦電裝置所采集的第一原始數(shù)據(jù)及第二原始數(shù)據(jù)，其中，所述第一原始數(shù)據(jù)由腦電裝置佩戴于生物頭部時(shí)所采集，所述第二原始數(shù)據(jù)由腦電裝置檢測周圍環(huán)境時(shí)所采集；

對第一原始數(shù)據(jù)進(jìn)行標(biāo)記處理形成生物波數(shù)據(jù)集，及對第二原始數(shù)據(jù)進(jìn)行標(biāo)記處理形成非生物波數(shù)據(jù)集；

獲取利用腦電裝置在設(shè)定時(shí)間內(nèi)所采集的多組腦電測試數(shù)據(jù)作為特征向量，多組特征向量形構(gòu)成特征矩陣；

提取特征矩陣的統(tǒng)計(jì)數(shù)值作為腦電測試數(shù)據(jù)的特征值；以及

對腦電測試數(shù)據(jù)的特征值進(jìn)行識(shí)別處理，如果腦電測試數(shù)據(jù)的特征值在生物波數(shù)據(jù)集內(nèi)，將該腦電測試數(shù)據(jù)對應(yīng)的測試對象識(shí)別為生物。

在一具體的實(shí)施例中，所述對腦電測試數(shù)據(jù)的特征值進(jìn)行識(shí)別處理步驟中，還包括：

如果腦電測試數(shù)據(jù)的特征值在非生物波數(shù)據(jù)集內(nèi)，將該腦電測試數(shù)據(jù)對應(yīng)的測試對象識(shí)別為非生物。

在一具體的實(shí)施例中，所述對腦電測試數(shù)據(jù)的特征值進(jìn)行識(shí)別處理的步驟之前，還包括：

利用隨機(jī)森林算法對腦電測試數(shù)據(jù)的特征值進(jìn)行分類，進(jìn)而以腦電波數(shù)據(jù)識(shí)別生物與非生物。

在一具體的實(shí)施例中，所述對第一原始數(shù)據(jù)進(jìn)行標(biāo)記處理形成生物波數(shù)據(jù)集，及對第二原始數(shù)據(jù)進(jìn)行標(biāo)記處理形成非生物波數(shù)據(jù)集的步驟，具體包括：

分別對第一原始數(shù)據(jù)及第二原始數(shù)據(jù)進(jìn)行存儲(chǔ)處理；以及

分別對經(jīng)存儲(chǔ)處理的第一原始數(shù)據(jù)及第二原始數(shù)據(jù)進(jìn)行標(biāo)記處理，以得到生物波數(shù)據(jù)集的訓(xùn)練樣本及非生物數(shù)據(jù)集的訓(xùn)練樣本。

在一具體的實(shí)施例中，所述提取特征矩陣的統(tǒng)計(jì)數(shù)值作為腦電測試數(shù)據(jù)的特征值的步驟中，

對數(shù)值矩陣中的每行元素進(jìn)行累加處理；以及

根據(jù)累加的結(jié)果計(jì)算出該行元素的平均值、標(biāo)準(zhǔn)差以及最大振幅后得到該數(shù)值矩陣的特征值。

為實(shí)現(xiàn)上述目的，本發(fā)明采用的另一個(gè)技術(shù)方案為：提供一種利用腦電波識(shí)別生物的裝置，包括：

訓(xùn)練模塊，用于獲取利用腦電裝置所采集的第一原始數(shù)據(jù)及第二原始數(shù)據(jù)，其中，所述第一原始數(shù)據(jù)由腦電裝置佩戴于生物頭部時(shí)所采集，所述第二原始數(shù)據(jù)由腦電裝置檢測周圍環(huán)境時(shí)所采集；

標(biāo)簽?zāi)K，用于對第一原始數(shù)據(jù)進(jìn)行標(biāo)記處理形成生物波數(shù)據(jù)集，及對第二原始數(shù)據(jù)進(jìn)行標(biāo)記處理形成非生物波數(shù)據(jù)集；

獲取模塊，用于獲取利用腦電裝置在設(shè)定時(shí)間內(nèi)所采集的多組腦電測試數(shù)據(jù)作為特征向量，多組特征向量形構(gòu)成特征矩陣；

提取模塊，用于提取特征矩陣的統(tǒng)計(jì)數(shù)值作為腦電測試數(shù)據(jù)的特征值；以及

識(shí)別模塊，用于對腦電測試數(shù)據(jù)的特征值進(jìn)行識(shí)別處理，如果腦電測試數(shù)據(jù)的特征值在生物波數(shù)據(jù)集內(nèi)，將該腦電測試數(shù)據(jù)對應(yīng)的測試對象識(shí)別為生物。

在一具體的實(shí)施例中，所述識(shí)別模塊，還用于：

在腦電測試數(shù)據(jù)的特征值在非生物波數(shù)據(jù)集內(nèi)時(shí)，將該腦電測試數(shù)據(jù)對應(yīng)的測試對象識(shí)別為非生物。

在一具體的實(shí)施例中，所述識(shí)別模塊，還用于：

利用隨機(jī)森林算法對腦電測試數(shù)據(jù)的特征值進(jìn)行分類，進(jìn)而以腦電波識(shí)別生物與非生物。

在一具體的實(shí)施例中，所述標(biāo)簽?zāi)K，具體用于：

分別對第一原始數(shù)據(jù)及第二原始數(shù)據(jù)進(jìn)行存儲(chǔ)處理；以及

分別對經(jīng)存儲(chǔ)處理的第一原始數(shù)據(jù)及第二原始數(shù)據(jù)進(jìn)行標(biāo)記處理，以得到生物波數(shù)據(jù)集的訓(xùn)練樣本及非生物數(shù)據(jù)集的訓(xùn)練樣本。

在一具體的實(shí)施例中，所述提取模塊，具體用于：

對數(shù)值矩陣中的每行元素進(jìn)行累加處理；以及

根據(jù)累加的結(jié)果計(jì)算出該行元素的平均值、標(biāo)準(zhǔn)差以及最大振幅后得到該數(shù)值矩陣的特征值。

本發(fā)明的技術(shù)方案的主要如下步驟：獲取利用腦電裝置所采集的第一原始數(shù)據(jù)及第二原始數(shù)據(jù)，然后對第一原始數(shù)據(jù)進(jìn)行標(biāo)記處理形成生物波數(shù)據(jù)集，及對第二原始數(shù)據(jù)進(jìn)行標(biāo)記處理形成非生物波數(shù)據(jù)集；測試時(shí)，獲取利用腦電裝置在設(shè)定時(shí)間內(nèi)所采集的多組腦電測試數(shù)據(jù)作為特征向量，多組特征向量形構(gòu)成特征矩陣；提取特征矩陣的統(tǒng)計(jì)數(shù)值作為腦電測試數(shù)據(jù)的特征值；以及對腦電測試數(shù)據(jù)的特征值進(jìn)行識(shí)別處理，進(jìn)而識(shí)別出生物，能夠提高測試的準(zhǔn)確性，滿足較高的測試要求。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖示出的結(jié)構(gòu)獲得其他的附圖。

圖1為本發(fā)明一實(shí)施例的用腦電波識(shí)別生物的方法的流程圖；

圖2為本發(fā)明一實(shí)施例的用腦電波識(shí)別生物的裝置的模塊方框圖。

本發(fā)明目的的實(shí)現(xiàn)、功能特點(diǎn)及優(yōu)點(diǎn)將結(jié)合實(shí)施例，參照附圖做進(jìn)一步說明。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明的一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

需要說明，本發(fā)明中涉及“第一”、“第二”等的描述僅用于描述目的，而不能理解為指示或暗示其相對重要性或者隱含指明所指示的技術(shù)特征的數(shù)量。由此，限定有“第一”、“第二”的特征可以明示或者隱含地包括至少一個(gè)該特征。另外，各個(gè)實(shí)施例之間的技術(shù)方案可以相互結(jié)合，但是必須是以本領(lǐng)域普通技術(shù)人員能夠?qū)崿F(xiàn)為基礎(chǔ)，當(dāng)技術(shù)方案的結(jié)合出現(xiàn)相互矛盾或無法實(shí)現(xiàn)時(shí)應(yīng)當(dāng)認(rèn)為這種技術(shù)方案的結(jié)合不存在，也不在本發(fā)明要求的保護(hù)范圍之內(nèi)。

目前，市面上的腦電裝置，如意念頭箍(brainlink)等，可以檢測出腦電波數(shù)據(jù)，并且通過對腦電波數(shù)據(jù)的處理可以開發(fā)出減壓、娛樂等應(yīng)用。在實(shí)際的使用中，腦電波是一種微弱的生物波，當(dāng)腦電裝置佩戴于生物頭部時(shí)可以通過腦電傳感技術(shù)輸出腦電數(shù)據(jù)，當(dāng)腦電裝置佩戴于非生物時(shí)也可以得到腦電數(shù)據(jù)，兩者的數(shù)據(jù)存在可識(shí)別的差異，為此，本方案采用下述方案來識(shí)別生物與非生物，具體方法請參照下述的實(shí)施例。

實(shí)施例一

請參照圖1，在本發(fā)明實(shí)施例中，該利用腦電波識(shí)別生物的方法，包括如下步驟：

步驟s10、獲取利用腦電裝置所采集的第一原始數(shù)據(jù)及第二原始數(shù)據(jù)，其中，所述第一原始數(shù)據(jù)由腦電裝置佩戴于生物頭部時(shí)所采集，所述第二原始數(shù)據(jù)由腦電裝置檢測周圍環(huán)境時(shí)所采集；

步驟s20、對第一原始數(shù)據(jù)進(jìn)行標(biāo)記處理形成生物波數(shù)據(jù)集，及對第二原始數(shù)據(jù)進(jìn)行標(biāo)記處理形成非生物波數(shù)據(jù)集；

步驟s30、獲取利用腦電裝置在設(shè)定時(shí)間內(nèi)所采集的多組腦電測試數(shù)據(jù)作為特征向量，多組特征向量形構(gòu)成特征矩陣；

步驟s40、提取特征矩陣的統(tǒng)計(jì)數(shù)值作為腦電測試數(shù)據(jù)的特征值；以及

步驟s50、對腦電測試數(shù)據(jù)的特征值進(jìn)行識(shí)別處理，如果腦電測試數(shù)據(jù)的特征值在生物波數(shù)據(jù)集內(nèi)，將該腦電測試數(shù)據(jù)對應(yīng)的測試對象識(shí)別為生物。

本實(shí)施例中，腦電裝置具體為意念頭箍(brainlink)，利用意念頭箍獲取其佩戴于生物頭部時(shí)所采集第一原始數(shù)據(jù)，并且還可以利用意念頭箍獲取其檢測周圍環(huán)境(如佩戴于非生物上等)所采集第二原始數(shù)據(jù)；然后可以通過文件夾對第一原始數(shù)據(jù)及第二原始數(shù)據(jù)進(jìn)行存儲(chǔ)及標(biāo)記，該第一原始數(shù)據(jù)可以形成生物波數(shù)據(jù)集，第二原始數(shù)據(jù)可以形成非生物波數(shù)據(jù)集，如此，完成了對樣本腦電數(shù)據(jù)的訓(xùn)練，測試時(shí)，通過意念頭箍獲取腦電測試數(shù)據(jù)，由于腦電數(shù)據(jù)信息大，需要對腦電測試數(shù)據(jù)進(jìn)行處理，得到多組特征向量，進(jìn)而構(gòu)成特征矩陣，通過提取特征矩陣的統(tǒng)計(jì)數(shù)值，并進(jìn)一步將特征值與訓(xùn)練樣本進(jìn)行比較識(shí)別出生物。上述的特征向量為每秒內(nèi)提取的腦電測試數(shù)據(jù)個(gè)數(shù)可以作為矩陣的行，設(shè)定時(shí)間長可以作為矩陣的列。

本發(fā)明的技術(shù)方案的主要如下步驟：獲取利用腦電裝置所采集的第一原始數(shù)據(jù)及第二原始數(shù)據(jù)，然后對第一原始數(shù)據(jù)進(jìn)行標(biāo)記處理形成生物波數(shù)據(jù)集，及對第二原始數(shù)據(jù)進(jìn)行標(biāo)記處理形成非生物波數(shù)據(jù)集；測試時(shí)，獲取利用腦電裝置在設(shè)定時(shí)間內(nèi)所采集的多組腦電測試數(shù)據(jù)作為特征向量，多組特征向量形構(gòu)成特征矩陣；提取特征矩陣的統(tǒng)計(jì)數(shù)值作為腦電測試數(shù)據(jù)的特征值；以及對腦電測試數(shù)據(jù)的特征值進(jìn)行識(shí)別處理，進(jìn)而識(shí)別出生物，能夠提高測試的準(zhǔn)確性，滿足較高的測試要求。

請參照圖1，在一具體的實(shí)施例中，所述對腦電測試數(shù)據(jù)的特征值進(jìn)行識(shí)別處理步驟中，還包括：

如果腦電測試數(shù)據(jù)的特征值在非生物波數(shù)據(jù)集內(nèi)，將該腦電測試數(shù)據(jù)對應(yīng)的測試對象識(shí)別為非生物。

本實(shí)施例中，根據(jù)訓(xùn)練的生物波集，本方案還可以判斷腦電裝置未佩戴于生物上，此種情況以區(qū)分于腦電裝置的正常工作與異常工作。在腦電裝置有數(shù)據(jù)輸出時(shí)，可以通過訓(xùn)練的結(jié)果進(jìn)而識(shí)別出生物，進(jìn)而可以對腦電測試數(shù)據(jù)進(jìn)行區(qū)分，以提高腦電測試數(shù)據(jù)的準(zhǔn)確性，方便下一步的腦電數(shù)據(jù)開發(fā)。

在一具體的實(shí)施例中，所述對腦電測試數(shù)據(jù)的特征值進(jìn)行識(shí)別處理的步驟之前，還包括：

利用隨機(jī)森林算法對腦電測試數(shù)據(jù)的特征值進(jìn)行分類，進(jìn)而以腦電波數(shù)據(jù)識(shí)別生物與非生物。

本實(shí)施例中，可以采用隨機(jī)森林算法對腦電測試數(shù)據(jù)的特征值進(jìn)行分類，隨機(jī)森林算法為已知的匹配算法，更方便于腦電測試數(shù)據(jù)的特征值與訓(xùn)練樣本進(jìn)行匹配。

在一具體的實(shí)施例中，所述對第一原始數(shù)據(jù)進(jìn)行標(biāo)記處理形成生物波數(shù)據(jù)集，及對第二原始數(shù)據(jù)進(jìn)行標(biāo)記處理形成非生物波數(shù)據(jù)集的步驟，具體包括：

分別對第一原始數(shù)據(jù)及第二原始數(shù)據(jù)進(jìn)行存儲(chǔ)處理；以及

分別對經(jīng)存儲(chǔ)處理的第一原始數(shù)據(jù)及第二原始數(shù)據(jù)進(jìn)行標(biāo)記處理，以得到生物波數(shù)據(jù)集的訓(xùn)練樣本及非生物數(shù)據(jù)集的訓(xùn)練樣本。

本實(shí)施例中，需要對第一原始數(shù)據(jù)及第二原始數(shù)據(jù)分別進(jìn)行存儲(chǔ)處理，以形成原始數(shù)據(jù)點(diǎn)集，然后對原始數(shù)據(jù)點(diǎn)集進(jìn)行標(biāo)記形成訓(xùn)練樣本，例如，可以通過文件列表或文本進(jìn)行存儲(chǔ)，然后對文件列表或文本進(jìn)行標(biāo)記或命名處理，可以得到若干組訓(xùn)練樣本。

在一具體的實(shí)施例中，所述提取特征矩陣的統(tǒng)計(jì)數(shù)值作為腦電測試數(shù)據(jù)的特征值的步驟中，

對數(shù)值矩陣中的每行元素進(jìn)行累加處理；以及

根據(jù)累加的結(jié)果計(jì)算出該行元素的平均值、標(biāo)準(zhǔn)差以及最大振幅后得到該數(shù)值矩陣的特征值。

本實(shí)施例中，平均值μ的計(jì)算公式為：

振幅x的計(jì)算公式為：

x＝xmax-xmin；

標(biāo)準(zhǔn)差σ的計(jì)算公式為：

其中，xi表示第i個(gè)元素，n、n均表示元素有n、n個(gè)，其中，n、n均為大于或等于1的正整數(shù)；i大于或等于1且小于或等于n、n的正整數(shù)。

通過對數(shù)值矩陣的平均值、振幅、標(biāo)準(zhǔn)差進(jìn)行計(jì)算，可以得到數(shù)據(jù)矩陣的統(tǒng)計(jì)數(shù)值。當(dāng)然，上述的平均值、振幅、標(biāo)準(zhǔn)差僅為數(shù)據(jù)矩陣的三個(gè)參數(shù)，為了提高準(zhǔn)確率，還可以增加其他的參數(shù)，以滿足不同精度的測試要求。

實(shí)施例二

請參照圖2，本發(fā)明的實(shí)施例中，該利用腦電波識(shí)別生物的裝置，包括：

訓(xùn)練模塊10，用于獲取利用腦電裝置所采集的第一原始數(shù)據(jù)及第二原始數(shù)據(jù)，其中，所述第一原始數(shù)據(jù)由腦電裝置佩戴于生物頭部時(shí)所采集，所述第二原始數(shù)據(jù)由腦電裝置檢測周圍環(huán)境時(shí)所采集；

標(biāo)簽?zāi)K20，用于對第一原始數(shù)據(jù)進(jìn)行標(biāo)記處理形成生物波數(shù)據(jù)集，及對第二原始數(shù)據(jù)進(jìn)行標(biāo)記處理形成非生物波數(shù)據(jù)集；

獲取模塊30，用于獲取利用腦電裝置在設(shè)定時(shí)間內(nèi)所采集的多組腦電測試數(shù)據(jù)作為特征向量，多組特征向量形構(gòu)成特征矩陣；

提取模塊40，用于提取特征矩陣的統(tǒng)計(jì)數(shù)值作為腦電測試數(shù)據(jù)的特征值；以及

識(shí)別模塊50，用于對腦電測試數(shù)據(jù)的特征值進(jìn)行識(shí)別處理，如果腦電測試數(shù)據(jù)的特征值在生物波數(shù)據(jù)集內(nèi)，將該腦電測試數(shù)據(jù)對應(yīng)的測試對象識(shí)別為生物。

本實(shí)施例中，腦電裝置具體為意念頭箍，利用意念頭箍獲取其佩戴于生物頭部時(shí)所采集第一原始數(shù)據(jù)，并且還可以利用意念頭箍獲取其檢測周圍環(huán)境(如佩戴于非生物上等)所采集第二原始數(shù)據(jù)；然后可以通過文件夾對第一原始數(shù)據(jù)及第二原始數(shù)據(jù)進(jìn)行存儲(chǔ)及標(biāo)記，該第一原始數(shù)據(jù)可以形成生物波數(shù)據(jù)集，第二原始數(shù)據(jù)可以形成非生物波數(shù)據(jù)集，如此，完成了對樣本腦電數(shù)據(jù)的訓(xùn)練，測試時(shí)，通過意念頭箍獲取腦電測試數(shù)據(jù)，由于腦電數(shù)據(jù)信息大，需要對腦電測試數(shù)據(jù)進(jìn)行處理，得到多組特征向量，進(jìn)而構(gòu)成特征矩陣，通過提取特征矩陣的統(tǒng)計(jì)數(shù)值，并進(jìn)一步將特征值與訓(xùn)練樣本進(jìn)行比較識(shí)別出生物。

請繼續(xù)參照圖2，在一具體的實(shí)施例中，所述識(shí)別模塊50，還用于：

在腦電測試數(shù)據(jù)的特征值在非生物波數(shù)據(jù)集內(nèi)時(shí)，將該腦電測試數(shù)據(jù)對應(yīng)的測試對象識(shí)別為非生物。

本實(shí)施例中，該識(shí)別模塊50，還可以根據(jù)訓(xùn)練的生物波集判斷腦電裝置未佩戴于生物上，此種情況可以區(qū)分于腦電裝置的正常工作與異常工作。在腦電裝置有數(shù)據(jù)輸出時(shí)，可以通過訓(xùn)練的結(jié)果進(jìn)而識(shí)別出生物，進(jìn)而可以對腦電測試數(shù)據(jù)進(jìn)行區(qū)分，以提高腦電測試數(shù)據(jù)的準(zhǔn)確性，方便下一步的腦電數(shù)據(jù)開發(fā)。

請繼續(xù)參照圖2，在一具體的實(shí)施例中，所述識(shí)別模塊50，還用于：

利用隨機(jī)森林算法對腦電測試數(shù)據(jù)的特征值進(jìn)行分類，進(jìn)而以腦電波識(shí)別生物與非生物。

本實(shí)施例中，該識(shí)別模塊50可以采用隨機(jī)森立算法對腦電測試數(shù)據(jù)的特征值進(jìn)行分類，隨機(jī)森林算法為已知的匹配算法，更方便于腦電測試數(shù)據(jù)的特征值與訓(xùn)練樣本進(jìn)行匹配。

請繼續(xù)參照圖2，在一具體的實(shí)施例中，所述標(biāo)簽?zāi)K20，具體用于：

分別對第一原始數(shù)據(jù)及第二原始數(shù)據(jù)進(jìn)行存儲(chǔ)處理；以及

分別對經(jīng)存儲(chǔ)處理的第一原始數(shù)據(jù)及第二原始數(shù)據(jù)進(jìn)行標(biāo)記處理，以得到生物波數(shù)據(jù)集的訓(xùn)練樣本及非生物數(shù)據(jù)集的訓(xùn)練樣本。

本實(shí)施例中，通過標(biāo)簽?zāi)K20，可以對第一原始數(shù)據(jù)及第二原始數(shù)據(jù)分別進(jìn)行暫存，以形成原始數(shù)據(jù)點(diǎn)集，然后對原始數(shù)據(jù)點(diǎn)集進(jìn)行標(biāo)記形成訓(xùn)練樣本，例如，可以通過文件列表或文本進(jìn)行存儲(chǔ)，然后對文件列表或文本進(jìn)行標(biāo)記或命名處理，可以得到若干組訓(xùn)練樣本。

請繼續(xù)參照圖2，在一具體的實(shí)施例中，所述提取模塊40，具體用于：

對數(shù)值矩陣中的每行元素進(jìn)行累加處理；以及

根據(jù)累加的結(jié)果計(jì)算出該行元素的平均值、標(biāo)準(zhǔn)差以及最大振幅后得到該數(shù)值矩陣的特征值。

本實(shí)施例中，平均值μ的計(jì)算公式為：

振幅x的計(jì)算公式為：

x＝xmax-xmin；

標(biāo)準(zhǔn)差σ的計(jì)算公式為：

其中，xi表示第i個(gè)元素，n、n均表示元素有n、n個(gè)，其中，n、n均為大于或等于1的正整數(shù)；i大于或等于1且小于或等于n、n的正整數(shù)。

該提取模塊40主要對數(shù)值矩陣的平均值、振幅、標(biāo)準(zhǔn)差進(jìn)行提取計(jì)算，可以得到數(shù)據(jù)矩陣的統(tǒng)計(jì)數(shù)值。當(dāng)然，上述的平均值、振幅、標(biāo)準(zhǔn)差僅為數(shù)據(jù)矩陣的三個(gè)參數(shù)，為了提高測試準(zhǔn)確率，還可以增加其他的參數(shù)，以滿足不同精度的測試要求。

以上所述僅為本發(fā)明的優(yōu)選實(shí)施例，并非因此限制本發(fā)明的專利范圍，凡是在本發(fā)明的發(fā)明構(gòu)思下，利用本發(fā)明說明書及附圖內(nèi)容所作的等效結(jié)構(gòu)變換，或直接/間接運(yùn)用在其他相關(guān)的技術(shù)領(lǐng)域均包括在本發(fā)明的專利保護(hù)范圍內(nèi)。