公开(公告)号：CN117809854A

公开(公告)日：2024-04-02

申请号：CN202311848403.7

申请日：2023-12-29

Applicant: 重庆邮电大学

Inventor： 于洪 ,  陈熙文 ,  苏祖强 ,  胡峰 ,  代劲 ,  王国胤

IPC: G16H50/70 ,  G16H10/60 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明属于人工智能技术领域，具体涉及一种基于医学因果知识嵌入的危险因素因果关系提取方法，包括：获取临床数据和医学因果知识；根据临床数据和医学因果知识获取疾病危险因素之间的因果结构；对因果结构进行修正；将修正后的因果结构输入到前馈神经网络中，得到识别结果；根据识别结果计算模型的损失函数；根据损失函数对权重Θt进行更新，得到ΘT；根据更新后的权重ΘT构建疾病危险因素之间的因果结构；本发明将深度学习引入到因果发现中，将数据驱动与知识驱动相结合，提高了危险因素因果关系提取的准确度。

公开(公告)号：CN117747125A

公开(公告)日：2024-03-22

申请号：CN202311778674.X

申请日：2023-12-22

Applicant: 重庆邮电大学

Inventor： 于洪 ,  杨宗庆 ,  胡峰 ,  苏祖强 ,  代劲 ,  王国胤

IPC: G16H50/70 ,  G06F16/36 ,  G06N3/0464

Abstract: 本发明涉及医疗领域和数据挖掘技术领域，特别涉及一种利用疾病知识图谱发现疾病‑症状关联关系的方法，包括将疾病知识图谱分解得到疾病和症状相关的二分网络，并以邻接矩阵的形式保存；根据二分网络计算疾病节点和症状节点的相似性矩阵，并将其融合为一个综合疾病相似性矩阵和一个综合症状相似性矩阵；构建图自编码器提取得到节点的非线性表示；使用非负矩阵分解提取节点的线性表示；将线性表示和非线性表示结合，通过全连接神经网络进行疾病‑症状关联预测；本发明在相似性网络计算阶段提出了一种更全面且有效的相似性网络计算方法，将图结构上下文信息与节点序列信息相结合，获得更可靠的相似性网络。

公开(公告)号：CN115775337A

公开(公告)日：2023-03-10

申请号：CN202211561810.5

申请日：2022-12-07

Applicant: 重庆邮电大学

Inventor： 刘达 ,  戴大伟 ,  王煜淇 ,  胡峰 ,  夏书银 ,  王国胤

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/20 ,  G06V10/40 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于图像处理领域，具体涉及一种基于二叉树结构嵌入的可解释卷积神经网络图像分类方法，该方法包括：获取待处理的图像，将待处理的图像输入到训练好的改进的深度神经网络模型中，得到预测结果，并可以从网络得到良好的网络决策过程以及每个决策的可信程度；本发明将二叉树分支结构引入到深度神经网络的设计过程中，对传统的网络卷积层进行二分设计，使每一部分负责解耦不同的图像类别信息，通过设定的优化方式以控制特定神经元的激活水平，可以更好地指导网络的图像分类决策；此外，通过对一个样本网络决策过程中各层神经元激活值与目标决策路径的偏移情况对比，可以得到对样本决策结果可信程度的评价。

公开(公告)号：CN115758205A

公开(公告)日：2023-03-07

申请号：CN202211378423.8

申请日：2022-11-04

Applicant: 重庆邮电大学

Inventor： 张晓霞 ,  周贤军 ,  胡峰

IPC: G06F18/24 ,  G06F18/23 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明属于空气污染监测技术领域，具体涉及一种基于对比多视图聚类的空气质量预测方法；所述方法包括：获取历史空气质量数据和待测空气质量数据，并对所述历史空气质量数据按照空气质量指标进行分类处理；采用三种不同的数据增强方式分别对历史空气质量数据和待测空气质量数据进行处理，得到三种历史增强数据信息和三种待测增强数据信息；采用对比多视图聚类模型对气象监测站点的空气质量进行分类预测；本发明采用三种不同待测增强视图聚类处理的方式，能够提升待测空气质量数据的精度，能够根据目标气象监测站点的空气质量数据对空气质量情况进行准确分类。

公开(公告)号：CN111210085B

公开(公告)日：2023-01-24

申请号：CN202010039863.5

申请日：2020-01-15

Applicant: 重庆邮电大学

Inventor： 胡峰 ,  赵志新 ,  代劲 ,  于洪 ,  周雷 ,  张磊 ,  刘海川

IPC: G06Q10/04 ,  G06Q50/02 ,  G06N20/20

Abstract: 本发明涉及数据挖掘技术领域，具体涉及一种基于多视图集成学习的煤矿瓦斯浓度预警方法，检测当前煤矿瓦斯浓度风险等级，若当前煤矿瓦斯浓度风险等级大于事故阈值，则进行预警提示，包括：读取煤矿瓦斯浓度数据集，进行预处理后分成训练集和测试集；计算特征间的互信息和特征与标签之间的互信息，得到关联矩阵；利用视图内特征间互信息之和分析视图的充分冗余性，利用典型相关分析技术分析视图间条件独立性，利用二者通过有监督的方式将单视图数据构造为多视图数据；在多视图构造结果上利用多视图集成学习算法融合各个视图上的结果，得到煤矿瓦斯浓度风险等级。本发明能够综合利用当前煤矿瓦斯浓度监测数据，提高预警准确度。

公开(公告)号：CN115587595A

公开(公告)日：2023-01-10

申请号：CN202211380333.2

申请日：2022-11-03

Applicant: 重庆邮电大学

Inventor： 胡峰 ,  何晓莲 ,  邓维斌 ,  刘群 ,  张清华 ,  杨新瑞 ,  林兴

IPC: G06F40/295 ,  G06F40/284 ,  G06F40/126

Abstract: 本发明属于自然语言处理技术领域，具体涉及一种用于病理文本命名的多粒度实体识别方法，该方法包括：获取病理文本信息，对病理文本按照字粒度、词粒度进行切分；对切分后的文本进行随机mask掩码和向量初始化，使用两个参数共享的Bert模型对随机mask掩码和向量初始化后的文本进行编码；给每个类别的每个实体预设中心代替词和中心代替字；使用KL loss和CE loss对字粒度和词粒度构造损失函数，CE loss针对替换后的字粒度计算损失进行优化，KE loss对替换后词粒度计算损失进行优化，得到实体识别结果。本发明通过字粒度，词粒度构建模板进行预测，可对病理文本的实体进行精准的识别抽取，实体识别效果较好。

公开(公告)号：CN109800692B

公开(公告)日：2022-12-27

申请号：CN201910013010.1

申请日：2019-01-07

Applicant: 重庆邮电大学

Inventor： 余宇 ,  胡峰

IPC: G06V20/52 ,  G06V10/762 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明请求保护一种基于预训练卷积神经网络的视觉SLAM回环检测方法，包括如下步骤：S1.基于预训练卷积神经网络VGG‑19的结构对输入图像数据集进行特征提取，并构造图像特征向量集；S2.基于K‑Means算法对图像特征向量集进行特征聚类，并生成聚类模型；S3.对新输入图像帧经过预训练VGG‑19提取特征向量作为特征描述，并通过聚类模型输出预测标签；S4.在同一类别标签内，利用欧式距离度量对新加入图像的特征向量和其余特征向量进行相似度计算，当度量值小于设定阈值时则判定与之形成回环，经过条件筛选，输出构成的真实回环图像集合。本发明提高了准确率、降低了开销。

公开(公告)号：CN112418522B

公开(公告)日：2022-10-11

申请号：CN202011318973.1

申请日：2020-11-23

Applicant: 重庆邮电大学

Inventor： 于洪 ,  魏居明 ,  胡峰 ,  王国胤

IPC: G06Q10/04 ,  G06K9/62 ,  G06F30/27 ,  C21D11/00 ,  G06F119/08

Abstract: 本发明涉及轧钢温度控制技术领域，具体涉及一种基于三支集成预测模型的工业加热炉钢温预测方法，包括：实时采集加热炉数据，并将实时采集的加热炉数据输入至三支集成预测模型中，三支集成预测模型判断实时采集的加热炉数据是否处于不确定区域范围，若处于不确定区域范围，则使用协同决策方法得到并输出预测结果。本发明利用三支聚类算法将实际工业加热炉运行中存在的固有波动性进行分析处理，更加充分的利用原始数据中的有效数据，有效解决实际工业加热炉运行中固有特性对预测问题带来的负面影响。

公开(公告)号：CN114764547A

公开(公告)日：2022-07-19

申请号：CN202210241484.3

申请日：2022-03-11

Applicant: 重庆邮电大学

Inventor： 于洪 ,  龚江南 ,  王国胤 ,  代劲 ,  胡峰

IPC: G06F30/27 ,  G06Q10/04 ,  G06N3/08 ,  G06N3/04 ,  G06K9/62 ,  C21D11/00 ,  C21D9/70

Abstract: 本发明属于工业炼钢加热炉钢坯加热温度控制技术领域，具体涉及融合机理与深度学习的加热炉钢坯温度预测方法及装置，包括实时采集加热炉数据，并利用机理模型计算的得到融合数据后输入到混合模型预测温度，机理模型与深度学习的融合方式是将通过机理知识得到的温度分布与原有加热炉加热过程数据进行时间维度的拼接，随后提取数据的内部特征输入到长短期记忆网络，进一步捕获数据的时序性特征并对钢坯出炉温度做出准确预测，本发明既保留了钢坯加热过程的物理学特征，又适应了如今大数据环境下加热炉钢坯加热过程数据的数据特点，提升了温度预测的精度。

公开(公告)号：CN112948743B

公开(公告)日：2022-05-03

申请号：CN202110325141.0

申请日：2021-03-26

Applicant: 重庆邮电大学

Inventor： 胡峰 ,  叶福豪 ,  代劲 ,  于洪 ,  张清华 ,  汤成富 ,  李路正 ,  陈政

IPC: G06F17/10 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于数据处理领域，具体涉及一种基于时空融合的煤矿瓦斯浓度缺失值填充方法，该方法包括：对噪声数据进行识别及处理；基于时间维度对数据的缺失值进行填充；基于空间维度对数据的缺失值进行填充；将时间和空间维度的填充结果进行融合，从而得到最终结果；本发明将离线数据作为模型构建的训练集，并将生成的模型应用于生产环境中的数据，能够综合利用各种煤矿瓦斯浓度监测数据，提高模型泛化能力，降低填充误差。