-
公开(公告)号：CN110600121B
公开(公告)日：2022-05-03
申请号：CN201910751596.1
申请日：2019-08-15
Applicant: 浙江工业大学
IPC: G16H50/20 , G16H50/70 , G16H10/60 , G06F16/901
Abstract: 一种基于知识图谱病因初步诊断方法，包括以下步骤：步骤1：收集电子病历，构建原始数据集；步骤2：从电子病历中进行实体识别与关系抽取，构建RDF格式的实体与关系数据集；步骤3：构建基于上述数据集的知识图谱；步骤4：构建通过知识图谱预测疾病之间关系的共生关系模型；步骤5：基于共生关系模型对病因进行初步诊断。本发明采用了以卷积神经网络和循环神经网络为代表的深度学习算法，构建知识图谱，主要针对病历数据，利用病历数据在特征上的相关性从病历文本等原始信息中提取出高层抽象属性。
-
公开(公告)号：CN108399491B
公开(公告)日：2021-10-29
申请号：CN201810106887.0
申请日：2018-02-02
Applicant: 浙江工业大学
IPC: G06Q10/06
Abstract: 一种基于网络图的员工多样性排序方法，包括以下步骤：S1通过员工任务地点数据，建立任务地点间的加权无向网络；S2将任务地点网络变换为以任务类型为节点的加权无向任务网络；S3根据每个员工所属任务类型在任务网络中的覆盖程度得到员工多样性的初步排名；S4对于网络覆盖程度相近的员工计算其任务类型的差异性；S5综合员工任务类型的网络覆盖程度和任务差异性获得员工多样性最终排名。本发明将加权无向的任务地点网络变换为任务网络，根据员工任务类型在任务网络中的覆盖程度，结合员工任务集合的差异性，获得员工多样性的排序。
-
公开(公告)号：CN113407728A
公开(公告)日：2021-09-17
申请号：CN202110494791.8
申请日：2021-05-07
Applicant: 浙江工业大学
IPC: G06F16/36 , G06F16/9035 , G06K9/62 , G06N5/02 , H04W12/122
Abstract: 一种无线电信号攻防领域的知识图谱构建及查询推荐系统，包括：本体图设计模块、数据收集模块、知识图谱构建模块以及查询及推荐模块，本发明所述系统将无线电信号调制类型识别领域的攻击防御检测等算法关联起来形成知识图谱，便于知识存储以及查询，形成的知识图谱包括模型、无线电信号、算法以及其衍生的一些模型以及信号，有益于挖掘无线电信号调制类型识别领域的关联，通过计算模型间的相似性以及信号间的相似性，有利于进行基于知识图谱的攻防策略推荐，通过攻防策略推荐，在对未知的无线电信号或者分类模型给出推荐的攻击防御策略，有益于提高无线电信号调制类型分类领域的人工智能安全性。
-
公开(公告)号：CN113362071A
公开(公告)日：2021-09-07
申请号：CN202110686299.0
申请日：2021-06-21
Applicant: 浙江工业大学
Abstract: 一种针对以太坊平台的庞氏骗局识别方法，包括步骤：S1：提取目标合约的一阶交易邻居以及它们之间的连边,构成时序有权有向的一阶交易网络；S2:一种特征提取方法，从上述交易网络提取出目标合约的交易特征向量；S3：将上述交易网络转换为简单的无权无向网络，提取出网络拓扑结构特征；S4：结合交易特征向量和拓扑结构特征输入模型进一步地学习特征，识别庞氏骗局性质的合约。本发明还提出了一种针对以太坊平台的庞氏骗局识别系统，包括网络构建模块、数据处理模块、分类识别模块。本发明不仅在特征工程方面存在可解释性，而且对于庞氏骗局的识别具有较高召回率和精度。
-
公开(公告)号：CN108710576B
公开(公告)日：2021-08-10
申请号：CN201810537415.0
申请日：2018-05-30
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于异构迁移的数据集扩充方法，包括：首先，基于视图对源项目数据集进行分割，并基于神经网络对视图生成的各数据集之间训练得到异构迁移模型；然后，对大量的无类标数据，采用同样的视图分割方式生成各个视图，将视图投入异构迁移模型生成基于该视图生成的其他视图，经过组合后可以得到与源项目数据集格式相同的拟真样本；接着，利用源项目的各个视图训练各自的视图分类器；对由异构迁移模型生成的视图打上类标并给出置信度，综合各个分类器的置信度筛选出质量高的拟真样本的k个对源项目数据集进行扩充；最后，上述过程进行多次迭代，利用扩充后的源项目数据集训练生成软件缺陷预测模型进行缺陷预测。
-
Patent Agency Ranking
公开(公告)号：CN111340641B
公开(公告)日：2020-11-13
申请号：CN202010442547.2
申请日：2020-05-22
Applicant: 浙江工业大学
Abstract: 一种异常就医行为检测方法，包括：1）构建就医行为网络；2）获取网络节点特征表示；3）构建就医行为网络邻接矩阵；4）构建边特征矩阵；5）构建伪特征矩阵，获取就医行为特征表示；6）构建K‑GRU网络，提取就医行为时序信息；7）将特征压缩，并对压缩后的特征进行聚类；8）将压缩后的就医行为特征进行特征重构，使得重构后的特征趋近于原始就医行为特征；根据特征重构误差以及聚类误差优化模型；9）基于重构损失以及聚类损失，得到总的模型损失函数；10）交替优化聚类损失与重构损失直至模型收敛，判断异常就医行为。本发明有助于预防医保欺诈行为。
-
公开(公告)号：CN111798324A
公开(公告)日：2020-10-20
申请号：CN202010688096.0
申请日：2020-07-16
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于动态就医行为对齐的医保欺诈发现方法，包括(1)根据基本医疗场景数据构建静态图网络后，利用增加有残差思想的多层图卷积网络对静态图网络的邻接矩阵进行多次图卷积操作，获得静态图网络中每个实体信息的特征表示；(2)根据该动态就医行为包含实体信息的特征表示构建该动态就医行为的特征表示，并对该特征表示映射为固定长度后作为LSTM的输入；(3)利用参数确定的LSTM提取动态就医行为的特征表示在时间上的关联特征，对关联特征编码解码后，利用softmax函数获得检测结果。该医保欺诈发现方法提升了医保欺诈行为检测的准确性。
-
公开(公告)号：CN109948662B
公开(公告)日：2020-10-20
申请号：CN201910146533.3
申请日：2019-02-27
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于K‑means和MMD的人脸图像深度聚类方法，包括：1)设计自动编码器结构并训练，使用自动编码器提取人脸图像的隐层信息；2)使用K‑means聚类方法对隐层信息进行聚类，确定K个聚类中心点，并计算每个样本点被划分至K个类簇的概率p和每个类簇中该样本点应该被该类簇吸引的概率q；3)计算p分布和q分布的MMD距离，并将MMD加入自动编码器的loss函数中去，对自动编码器进行训练；4)训练完成后，使用该自动编码器提取测试集的深层次信息，再使用K‑means对深层次信息进行聚类，输出聚类结果。该人脸图像深度聚类方法能够提高聚类算法对图像数据集的聚类准确率。
-
公开(公告)号：CN109815887B
公开(公告)日：2020-10-16
申请号：CN201910053268.4
申请日：2019-01-21
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于多智能体协作的复杂光照下人脸图像的分类方法，包括(1)获取人脸图像集，提取所有人脸图像的主成分特征、纹理特征以及梯度特征；(2)分别对主成分特征、纹理特征以及梯度特征进行聚类，获得多个聚类集合；(3)针对每个聚类集合建立一个人脸特征提取网络，根据人脸特征提取网络建立人脸分类网络，并对人脸分类网络进行训练获得人脸分类模型；(4)提取待检测人脸图像的主成分特征、纹理特征以及梯度特征，并将主成分特征、纹理特征以及梯度特征划分到对应的三个聚类集合中；(5)将待检测人脸图像分别输入到与三个聚类集合对应的人脸分类模型中，经计算获得待检测人脸图像的分类结果。
-
公开(公告)号：CN111666350A
公开(公告)日：2020-09-15
申请号：CN202010465809.7
申请日：2020-05-28
Applicant: 浙江工业大学
IPC: G06F16/28 , G06F40/295 , G06N3/04 , G16H10/00
Abstract: 一种基于BERT模型的医疗文本关系抽取的方法，包括以下步骤：步骤1：收集医疗文本，构建文本数据集；步骤2：对数据集进行预处理；步骤3：构建医疗文本关系抽取模型；步骤4：将抽取结果进行结构化存储。本发明提出一种基于BERT的医疗文本关系抽取的方法，采用了以卷积神经网络和循环神经网络为代表的深度学习算法，主要针对医疗文本，从医疗文本中提取出高层抽象属性。
-
-
-
-
-
-
-
-
-
Search Results
108
records
(took 0.026 seconds)
