一种基于心磁数据和集成学习的失眠健康状态识别方法

本发明提供了一种基于心磁数据和集成学习的失眠健康状态识别方法，包括从心磁数据中提取时域、频域、等磁图、伪电流密度图和心率变异性特征；采用LASSO回归算法筛选重要特征子集；然后将数据按7:3比例划分为训练集和测试集，并用SMOTE算法对训练集过采样；构建支持向量机和逻辑回归基模型，分别输出预测概率P1和P2，将其组合为新特征矩阵输入逻辑回归元模型进行最终预测；其中基模型通过5折交叉验证调优超参数，元模型采用逻辑回归整合基模型输出，最终根据预测概率判定失眠类别。本发明可以提高失眠识别的准确性和鲁棒性，优化模型泛化能力，为无创、客观的失眠诊断提供解决方案。