-
公开(公告)号：CN110110906B
公开(公告)日：2023-04-07
申请号：CN201910315815.1
申请日：2019-04-19
Applicant: 电子科技大学
IPC: G06Q10/04 , G06Q10/067 , G06N5/01 , G16H50/30
Abstract: 本发明提供了一种基于Efron近似优化的生存风险建模方法，该方法包括：首先在最优梯度提升树(XGBoost)的模型算法框架下，构建用于建立金融、保险、医疗、交通或工业目标行业生存预测模型的生存数据的表达式；然后定义并计算所述生存数据对应的损失函数；随后定义并计算所述损失函数对应的一阶梯度和二阶梯度；最后将计算出的损失函数值以及损失函数的一阶梯度和二阶梯度值同时输入XGBoost模型算法框架，自动训练生成所述目标行业的生存预测模型。本发明的建模方法能更好地表示协变量与风险预测值之间的关系；提高模型的预测性能以及模型的泛化能力；有效改进生存预测模型的风险区分度和实用性；并且适用场景广泛。
-
公开(公告)号：CN110119540B
公开(公告)日：2022-05-03
申请号：CN201910315829.3
申请日：2019-04-19
Applicant: 电子科技大学
Abstract: 本发明提供了一种用于生存风险分析的多输出梯度提升树建模方法，该方法包括：首先在最优梯度提升树(XGBoost)的模型算法框架下，构建用于建立金融、保险、医疗、交通或工业目标行业生存预测模型的生存数据的表达式；然后定义并计算所述生存数据对应的损失函数；随后定义并计算所述损失函数对应的一阶梯度和二阶梯度；最后将计算出的损失函数值以及损失函数的一阶梯度和二阶梯度值同时输入XGBoos模型算法框架，自动训练生成所述目标行业的生存预测模型。本发明的建模方法能更好地表示模型协变量与风险预测值之间的关系；提高模型的预测性能以及泛化能力；有更好的预测性能和风险区分度；并且适用场景广泛。
-
公开(公告)号：CN108962382A
公开(公告)日：2018-12-07
申请号：CN201810552686.3
申请日：2018-05-31
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于乳腺癌临床高维数据的分层重要特征选择方法。本发明的特征选择方法包括统计特征选择和集成特征选择，其中统计特征选择采用单因素分析法，通过不同的统计检验初步选择出对结局变量有显著影响的特征；集成特征选择通过建立梯度提升树模型，经过模型训练后得到特征重要性评分，然后使用经过设计和验证的重要性评分阈值，来实现对结局变量有重要影响的特征选择。本发明可有效克服临床乳腺癌预测建模过程中的数据特征维度过高、冗余特征过多和数据杂乱等问题。可排除临床乳腺癌高维数据中冗余或无意义的特征，从而选择尽量少且对乳腺癌建模有重要影响的特征，保证乳腺癌模型的准确性和实用性。
-
公开(公告)号：CN106407686A
公开(公告)日：2017-02-15
申请号：CN201610842806.4
申请日：2016-09-23
Applicant: 电子科技大学 , 四川省卫生和计划生育信息中心
IPC: G06F19/00
CPC classification number: G16H50/70
Abstract: 本发明公开了一种评估慢性病费用的建模方法；该方法首先通过样本筛选和特征选择，再采用回归模型，得到各影响因子对慢性病费用的影响。与现有方法相比，该建模方法具有以下几个优点（：1）在费用回归之前，通过样本筛选和特征选择，提高了模型的准确度；（2）采用先验知识和数据挖掘技术相结合的半参化逐步回归方法，提高了模型的效率；（3）可以直接量化出慢病的并发症合并症对其治疗费用的影响程度，为慢性病的医疗控费提供依据。
-
公开(公告)号：CN104009973A
公开(公告)日：2014-08-27
申请号：CN201410193076.0
申请日：2014-05-08
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于集合多项式变换与调和的指纹细节特征信息隐藏与恢复方法，基本思路是基于指纹细节特征的Delaunay三角剖分算法，构建具有位移和旋转不变性的三角形量化表示，从而在量化表示集合上构建特征多项式，利用集合的调和思想，引入非特征空间上的评估元素，实现指纹细节特征的信息隐藏和验证恢复。本发明克服了智能卡上指纹模板明文存储极易受到的攻击危险，不仅提高了系统的安全性，而且有效地保护了用户指纹生物特征的隐私性，可广泛应用到护照、身份证、门禁卡等多种应用场景。
-
Patent Agency Ranking
公开(公告)号：CN103248766B
公开(公告)日：2014-08-20
申请号：CN201310158809.2
申请日：2013-05-02
Applicant: 电子科技大学
Abstract: 本发明公开了一种手机音频回路与键盘质量自动化检测系统及方法，检测系统由一个上下双层转盘和气动按键驱动装置组成，上层转盘为一固定装置，下层转盘为一旋转转动装置，上层转盘被化分为至少六个扇区，每个扇区负责完成一个手机检测工位：用于放入和拿出手机的空工位Ⅰ、开机工位Ⅱ、模式选择工位Ⅲ、通话测试工位Ⅳ、耳机测试工位Ⅴ和按键测试工位Ⅵ，下层转盘上与上层转盘每个扇区位置对应地设有手机座；检测方法包括放置手机、手机开机、进入检测模式、通话回路检测、麦克风至耳机音频回路检测、手机按键检测六个步骤。本发明不需要人工操作，实现了自动化检测，降低人工成本，检测平台设有多个工位，可以同时检测多部手机，提高检测效率。
-
公开(公告)号：CN119180323A
公开(公告)日：2024-12-24
申请号：CN202411211727.4
申请日：2024-08-30
Applicant: 电子科技大学
Abstract: 本发明提供了一种用于可变长行动序列生成的分布式学习方法和系统，救援节点根据收集到的状态信息发送救援行动请求到就近的边缘服务器；然后边缘服务器将接收到的行动请求发送给云服务器，云服务器在接收到来自边缘服务器的行动请求后，利用序列指针图网络模型进行决策生成确定步骤长度的行动序列，并将结果反馈给边缘服务器，边缘服务器在接收到云服务器返回的行动序列后为行动序列中的每个步骤分配资源，并综合行动序列和资源分配结果，生成最终的救援行动方案，下发给救援节点，边缘服务器存储该条记录作为模型训练数据集。通过本发明方案，保护了用户的隐私，提高了任务资源分配的效率和可靠性。
-
公开(公告)号：CN115481727A
公开(公告)日：2022-12-16
申请号：CN202211120997.5
申请日：2022-09-15
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于进化计算的意图识别神经网络生成与优化方法，该方法包括以下步骤：根据问题特征与训练集数据构造神经网络损失函数，并取损失函数的倒数作为进化搜索的目标函数与适应度函数；设计针对神经网络节点与连接的编码方法，根据编码方法进一步设计针对神经网络的交叉与变异进化算子，作为进化搜索的主体部分操作；通过迭代的进化搜索后，种群适应度逐渐升高，神经网络损失函数逐渐降低，在达到进化的最大代数后，输出优化后的最优神经网络，用于复杂非线性问题的预测。本发明用于面向复杂非线性问题的神经网络生成与优化，能有效提升神经网络表现。
-
公开(公告)号：CN113034448B
公开(公告)日：2022-06-21
申请号：CN202110263177.0
申请日：2021-03-11
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于多示例学习的病理图像细胞识别方法，包括以下步骤：S1：采集细胞组织图像，并进行预处理；S2：建立预测模型；S3：将待测细胞图像数据输入至预测模型，进行病理图像细胞识别。本发明利用整个组织图片的标签对单个细胞图片进行训练，从而网络拥有对单个细胞进行识别的能力，弥补了传统的以整图训练的神经网络无法对单个细胞进行预测的缺陷。本发明运用多示例学习的学习方法弥补了传统预测模型中无法对没有标签的细胞进行预测的缺陷。该模型可以在医学智能应用中，为构建自动辅助诊断和治疗系统提供重要技术手段。
-
公开(公告)号：CN114239743A
公开(公告)日：2022-03-25
申请号：CN202111576670.4
申请日：2021-12-22
Applicant: 电子科技大学
IPC: G06K9/62 , G06V10/764 , G06N20/00
Abstract: 本发明公开了一种基于稀疏时间序列数据的事件发生时间预测方法，分为统计特征选择和模型训练测试两个步骤依次实施，统计特征选择是采用单因素分析的方法，通过统计检验初步选择出有显著差异的特征；模型训练测试是使用筛选完成的特征构造新的时间序列特征并使用梯度提升树进行训练。本发明简化了特征构造方式，有效解决了时序数据的特征构造在不同的数据系统中存在较大差异无法通用的问题，同时预测精度相比于其他的方法提升明显。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.022 seconds)
