-
公开(公告)号：CN103268292A
公开(公告)日：2013-08-28
申请号：CN201310232880.0
申请日：2013-06-13
Applicant: 江苏大学
IPC: G06F12/08
Abstract: 本发明公开了一种延长非易失外存寿命的方法及高速长寿外存系统，通过维护两份缓存，写缓存和原始缓存来工作；维护两份缓存的方法包括写缓存混合粒度调度方法、基于字节的比较写回方法和双缓存协调方法；首先使用写缓存来合并文件系统对同一数据的多次写操作，再通过写缓存和原始缓存基于字节的比较来写回新数据，降低写外存数据量。本发明减少写非易失存储器的数据量，增加了外存系统的使用寿命，可应用于延长非易失外存寿命。
-
公开(公告)号：CN120088786A
公开(公告)日：2025-06-03
申请号：CN202510063385.4
申请日：2025-01-15
Applicant: 江苏大学
Abstract: 本发明公开了一种基于频域的图神经网络农业遥感图像语义分割方法，将遥感图像转化为图数据，并将图数据分批次作为输入；对于分批次输入的图数据，计算图数据的特征值，以获得特征值矩阵。将特征值矩阵中的特征值按照从大到小进行排序，提取排在前k个特征值的下标；再从傅里叶矩阵中提取出相同下标的向量，由提取出的向量形成傅里叶基；构建损失函数，并基于傅里叶基和损失函数对语义分割模型的权重参数进行进行迭代优化；若满足迭代终止条件，则获得语义分割模型的最优权重参数；反之重新输入下一批次图数据继续训练；基于得到的最优权重参数，利用语义分割模型对农业遥感图像进行语义分割，输出分割结果；本发明可以有效提升农业遥感图像处理的效率和精确度。
-
公开(公告)号：CN113903456B
公开(公告)日：2024-05-14
申请号：CN202111225016.9
申请日：2021-10-21
Applicant: 江苏大学
IPC: G16H50/20 , G06V40/16 , G06V10/764 , G06V10/774 , G06F17/18
Abstract: 本发明公开了一种基于核集成回归的抑郁症预测方法，采集多个抑郁症疾病患者的微表情图片作为样本，对采集到的微表情图片依次进行处理得到每个样本的特征向量；由特征向量及输出值形成样本集，将样本集分为训练样本和测试样本；将训练样本输入到基回归器中进行训练，从而构建多核空间中的核集成回归模型；通过对每个基回归器的训练，由此获得训练好的核集成回归模型。循环迭代获得最优解，从而获得训练好的核集成回归模型；将测试样本输入构建好的核集成回归模型，输出微表情图片的分类的结果；本方法利用核集成回归模型对微表情图片进行分类得到分类结果；该分类结果可以作为抑郁症判断指标，辅助医生对病患的诊断。
-
公开(公告)号：CN117456256A
公开(公告)日：2024-01-26
申请号：CN202311471581.2
申请日：2023-11-07
Applicant: 江苏大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06F17/16
Abstract: 本发明公开了基于增强数据重建的图像分类模型训练、图像分类方法、系统，首先获取图像数据形成样本集，并对图像数据进行特征工程处理；将经过特征工程处理后的图像数据输入至当前图像分类模型，并进行模型参数训练，对模型中的变量进行求解，然后交替迭代优化；将优化得到的变量代入图像分类模型，完成图像分类模型训练；基于图像分类模型提出了一种图像分类方法以及一种图像分类系统；本发明在邻域样本数据增强的帮助下，能够兼顾图像分类准确率以效率。
-
公开(公告)号：CN113936196A
公开(公告)日：2022-01-14
申请号：CN202111154444.7
申请日：2021-09-29
Applicant: 江苏大学
IPC: G06V10/778 , G06V10/77 , G06K9/62
Abstract: 本发明公开了一种基于低秩拉普拉斯图学习的数据降维方法，该方法针对原始数据存在噪声或遮挡的情况下，学习数据的内在几何结构即鲁棒的低秩拉普拉斯图，并利用该低秩拉普拉斯图得到高维数据的低维映射以达到数据降维作用。提出的方法能够同时进行数据的低秩拉普拉斯图以及投影矩阵的学习，两者在产生的过程中相互促进。本方法利用了低维映射数据的低秩成分以获取数据的全局结构，数据的全局结构能抵抗数据中噪声的干扰同时低维数据也能在一定程度上减少噪声对投影矩阵的影响。
-
Patent Agency Ranking
公开(公告)号：CN112951413A
公开(公告)日：2021-06-11
申请号：CN202110302072.1
申请日：2021-03-22
Applicant: 江苏大学
Abstract: 本发明属于数据挖掘领域，具体涉及一种基于决策树和改进SMOTE算法的哮喘病诊断系统。本发明利用血常规数据和哮喘患者的血常规体检数据，采用粒子群优化算法对SMOTE过采样技术的采样率进行优化，得到一种改进的SMOTE过采样技术，利用决策树对数据建模诊断。本发明可以根据患者的血常规体检数据自动诊断是否患有哮喘病，降低了因医生疲劳、判断失误或经验不足的影响，同时提高了诊断哮喘病的效率。
-
公开(公告)号：CN111145902A
公开(公告)日：2020-05-12
申请号：CN201911238765.8
申请日：2019-12-06
Abstract: 本发明属于数据挖掘领域，具体涉及一种基于改进的神经网络的哮喘病诊断方法：利用正常人的体检数据和哮喘病患者的体检数据，采用人工神经网络进行模型的构建，对数据集进行训练，得到一种基于改进的神经网络的哮喘病诊断方法，通过这个模型来对测试用户进行是否患病的预诊断。相较于传统的仅仅按照症状或病程诊断患者是否患有哮喘病来说，模型可以根据用户的检查数据自动判断用户是否患有哮喘病，受医生的主观判断或疲劳等因素的影响较小，同时提高了诊断哮喘病的效率。并且采用了较多的改进的模型构建方法，相较于传统的疾病诊断模型具有效率更高，准确率更高的特点。
-
公开(公告)号：CN110364255A
公开(公告)日：2019-10-22
申请号：CN201910491526.7
申请日：2019-06-06
Applicant: 江苏大学
Abstract: 本发明公开了一种基于自编码器的肝病评估方法，该方法包括以下步骤：采集肝病患者医疗门诊数据；对数据进行预处理，处理过程采用离散标准化进行处理；然后用自编码器进行特征提取，并加入数据相关系数改进原有自编码器并将其命名为关联自编码器。最后为分类器训练，根据关联自编码器提取的特征来训练分类器，获得病人所患肝病种类的概率。本发明能解决传统自编码器没有考虑数据样本之间关系导致的特征提取能力不足的问题，并且能够发现肝病数据的深层关系使得类别之间的特征区分更加明显，从而提高分类器的分类准确率进而提高肝病评估的效果。
-
公开(公告)号：CN109684646A
公开(公告)日：2019-04-26
申请号：CN201910036276.8
申请日：2019-01-15
Applicant: 江苏大学
CPC classification number: G06F17/2775 , G06F17/277
Abstract: 本发明公开了一种基于话题影响力的微博话题情感分析方法，该方法包括以下步骤：采集微博用户个人信息数据及微博文本数据；对数据进行预处理；使用LDA模型进行主题聚类；选取话题的微博内容进行情感极性标注并训练生成SVM分类器；使用SVM分类器得到未标注文本的情感倾向性；计算微博用户影响力因子值及该微博与话题相似度，结合微博情感极性和话题影响力因子计算整个话题的情感值，并以此对话题进行排序，为舆情分析提供参考。本发明能及时发现微博文本的话题中可能突发的舆情事件及热点话题，并根据话题影响力对话题舆情度进行排序，可应用于网络舆情监管和突发舆情事件的监测，解决目前舆情系统监管不及时性和盲目性问题。
-
公开(公告)号：CN107862617A
公开(公告)日：2018-03-30
申请号：CN201710981630.5
申请日：2017-10-20
Applicant: 江苏大学 , 无锡恒创医信科技发展有限公司
CPC classification number: G06Q50/01 , G06K9/6256
Abstract: 本发明设计一种基于用户综合相似度的微博社区划分方法，该方法的具体过程是：1、获取微博数据，对博文集合进行LDA主题模型训练，通过基于特征扩展的主题挖掘得到用户主题相似度矩阵；2、构造以用户为节点、用户关系为边的网络拓扑图，根据节点链接相关度和主题相似度得出用户综合相似度矩阵；3、首先为每一个节点分配唯一的标签，并评估节点的潜在影响力，然后以潜在影响力降序作为节点选择顺序，以节点综合相似度降序作为节点更新标签的顺序；最后进行标签的迭代更新。通过上述方式，本发明能够在考虑用户综合相似度的基础上，通过改进的标签传播算法对微博用户进行社区划分，对于网络舆情监测、商业用户挖掘等都具有较好的应用价值。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.026 seconds)
