公开(公告)号：CN117150204A

公开(公告)日：2023-12-01

申请号：CN202310905248.1

申请日：2023-07-22

Applicant: 吉林大学

Inventor： 刘思宇 ,  兰佳 ,  刘雅文 ,  孙晓悦 ,  郭瑞芳

IPC: G06F17/18 ,  G06F18/23213

Abstract: 本发明公开了一种基于修正居住密度的多维度加权人口数量估计方法，包括以下步骤：步骤1：在选定的拟研究区域对小区按照行政归属区域进行划分；步骤2：利用修正系数法，确定选定区域的修正居住密度；步骤3：对选定区域内的地标性建筑进行统计；步骤4：将地标性建筑按照规模大小进行分层，确定各层的权重系数；步骤5：将各行政区内的地标性建筑的权重进行加和获得行政区域密度权重；步骤6：将行政区域密度权重映射到入住率赋值区间上，得到该行政区域内各小区的入住率；步骤7：计算选定区域某小区居民总数，其估计值为小区房屋总数*修正居住密度*入住率。

公开(公告)号：CN116629722A

公开(公告)日：2023-08-22

申请号：CN202310399106.2

申请日：2023-04-14

Applicant: 吉林大学

Inventor： 刘思宇 ,  刘雅文 ,  田宇阳 ,  兰佳 ,  梁桌帅 ,  王宇舰 ,  孙晓悦 ,  郭瑞芳

IPC: G06Q10/083 ,  G06Q10/0631 ,  G06F18/23213

Abstract: 本发明公开了一种基于改进的欧氏距离规划区域内最优物流调配点的算法，包括以下步骤：步骤1：将选定区域内拟进行分配的样本点进行经纬度坐标化；步骤2：建立三角模型对衡量的距离标准进行改进，确定两样本点间交通距离的取值范围；步骤3：在区间范围内生成加权系数，以k‑means聚类算法为框架，将加权系数融合到欧氏距离中获得交通距离；步骤4：将用三角模型改进后的欧式距离为判据计算出聚心，此时聚心为最优物流调配点。本发明相比于传统欧氏距离，改良的欧氏距离可以更好的考虑客观的空间地理数据对结果的影响，该算法能够客观体现交通距离，更加准确地应用在城市物流调配点最优位置的选址上。

公开(公告)号：CN119441709A

公开(公告)日：2025-02-14

申请号：CN202411155832.0

申请日：2024-08-22

Applicant: 吉林大学

Inventor： 刘思宇 ,  杨公科 ,  孙晓悦 ,  柴瑞宇 ,  兰佳

IPC: G06F18/10 ,  G06F18/2433

Abstract: 本发明涉及一种激增数据值的平滑处理方法，适用于等间隔时间序列数据在随时间变化的过程中出现异常的激增数据值的情况。首先，计算待处理的等间隔时间序列数据值的平均值(Mean，#imgabs0#)和标准差(Standard deviation，σ)，设定能够对激增数据值进行判定的判断区间，且要求待处理的数据不得存在低于判断区间下限的值，并将高于#imgabs1#的数据值标记为激增数据值。其次，将激增数据值高于#imgabs2#的部分进行累加。最后，按照原始数据趋势比例对累加值进行再分配，完成数据的平滑处理。本发明可以对激增数据值进行平滑调整，能够提升后续数据分析的准确性。

公开(公告)号：CN118861519A

公开(公告)日：2024-10-29

申请号：CN202410895158.3

申请日：2024-07-04

Applicant: 吉林大学

Inventor： 刘思宇 ,  柴瑞宇 ,  孙晓悦 ,  张珊 ,  郭瑞芳

IPC: G06F18/10 ,  G06F18/214 ,  G06N20/00 ,  G06F123/02

Abstract: 本发明公开了一种基于机器学习的连续时间段内缺失数据插补方法，包括以下步骤：步骤1：将数据按统一时间尺度进行整理，对连续时间段内缺失数据进行标记，确定缺失数据时间段。步骤2：计算缺失数据起始与结束时间点数值的比例，确定可供训练数据的上下波动区间。步骤3：筛选并纳入其他相同时间间隔内比值符合既定波动区间的数据。步骤4：将步骤3中纳入的数据作为训练集，使用不同的机器学习方法对数据进行规律识别，通过差异性检验选择最优预测结果进行数据插补。步骤5：结果输出与可视化。

公开(公告)号：CN118094265A

公开(公告)日：2024-05-28

申请号：CN202311708974.0

申请日：2023-12-13

Applicant: 吉林大学

Inventor： 刘思宇 ,  柴瑞宇 ,  魏元鸿 ,  郭瑞芳 ,  张珊 ,  王红薇 ,  孙晓悦 ,  兰佳 ,  杨公科 ,  毕瀛丹

IPC: G06F18/231 ,  G06F18/213

Abstract: 本发明公开了一种基于逐层特征提取的非对称多层网络聚类方法，包括以下步骤：步骤1：数据导入，通过处理重复值、缺失值、异常值对数据进行预处理，提取关键特征；步骤2：确定非对称多层网络聚类框架中第n(n∈Z+，n从1开始取值)层的最佳聚类数量，选择最优k值；步骤3：对第n层进行逐层特征提取的非对称多层网络聚类；步骤4：重复步骤2‑3，进行逐层顺次聚类，直到聚类结果不再显示任何显著特征；步骤5：聚类结果输出与可视化。与传统聚类算法相比，本算法在不随意改变初始簇心基础上，通过多层次聚类，使得聚类结果更加清晰立体化，非对称的聚类在对数据深入分析的同时，避免了过度分析，有利于在高维空间中得到更好的聚类结果。

公开(公告)号：CN117114303A

公开(公告)日：2023-11-24

申请号：CN202311026282.8

申请日：2023-08-15

Applicant: 吉林大学

Inventor： 刘思宇 ,  兰佳 ,  刘雅文 ,  孙晓悦 ,  郭瑞芳

IPC: G06Q10/0631 ,  G06F18/23213 ,  G16H50/80

Abstract: 本发明公开了一种多层次聚类确定区域内快速病原体核酸检测点的方法，包括以下步骤：步骤1：在拟研究区域将各小区按照行政区域划分并进行经纬度坐标化；步骤2：根据需求设置检测点的采样能力及浮动区间；步骤3：各小区人数与检测点采样能力匹配，确定该小区内A类检测点；步骤4：对不满足独立设置检测点(A类)条件的小区，在其行政区内根据距离聚类；步骤5：对步骤4输出的聚心进行步行距离限制和人数限制检测，确定B类检测点；步骤6：将剩余的小区纳入到离其最近的聚心(A类或B类)所在聚类区，若不满足步行距离限制，则重新进行聚类，确定C类检测点；步骤7：输出A、B、C类检测点的选址坐标及检测能力范围。