多目标优化灰狼算法改进长短期记忆网络的睡眠分期研究

摘要

由于现有睡眠分期方法下N1期分期精度较低，提出一种基于多目标优化灰狼算法改进的长短期记忆网络睡眠分期模型。该模型通过选用不同收敛因子，优化灰狼算法的适应度函数，自动调节LSTM网络隐藏层节点，选取差分算法对灰狼位置迭代进行优化，跳出局部最优解；选取现有原始ISRUC-Sleep数据集，求取多种时域，频域α、β、δ、θ波能量占比，以及非线性特征复合多尺度排列熵等指标，代入DE-GWO-LSTM模型中进行分期计算，结果表明模型准确率为88.6%,对于N1期的睡眠分期精度达70%以上，优于其他模型。

关键词

睡眠分期 / 灰狼算法 / 长短期记忆网络 / 差分算法

基金资助

国家自然科学基金项目(51906225); 中国国家留学基金项目(202308410392)