-
公开(公告)号：CN101408901B
公开(公告)日：2010-07-14
申请号：CN200810229043.1
申请日：2008-11-26
Applicant: 东北大学
IPC: G06F17/30
Abstract: 一种基于主题词条的跨类型数据的概率聚类方法，属于数据库领域，包括以下步骤：(1)定义主题词条的类型；将跨类型数据分为主题相关词条、主题半相关词条和主题不相关词条；(2)对每类词条分配概率；(3)用概率表示数据主题；(4)构建数据的主题词条概率相似性矩阵M；对步骤(3)中跨类型数据的任意两个数据dx和dy，计算dx和dy任意两种描述形式的相似度，将相似度大于某一阈值的相似性的概率相加，将任意两个数据的直接相关概率存储在矩阵M中；(5)基于矩阵M构建聚类模型Mc；(6)基于聚类模型Mc的聚类方法。本发明利用与主题相关的词条项的相似性来对跨类型数据进行聚类，提高了数据聚类的精度，减少了聚类时间。
-
公开(公告)号：CN115080981B
公开(公告)日：2025-02-14
申请号：CN202210710381.7
申请日：2022-06-22
Applicant: 东北大学
IPC: G06F21/57 , G06F21/62 , G06F18/24 , G06F18/25 , G06N3/0442 , G06N3/045 , G06N3/0464
Abstract: 本发明提供一种基于局部与序列特征融合的智能合约漏洞检测方法，涉及区块链安全技术领域。该方法首先从区块链平台收集多个智能合约字节码，并筛选去除不满足长度、时间和调用频率要求的智能合约字节码，构成智能合约数据集；再对智能合约数据集中的智能合约进行标注，通过预处理得到整个智能合约数据集所对应的操作码编码序列；然后构建基于深度学习的智能合约漏洞检测模型，并使用操作码序列对模型进行训练；最后使用训练好的智能合约漏洞检测模型对区块链平台待检测的智能合约进行漏洞分类检测。该方法构建了一个智能合约漏洞检测模型，面向字节码，能在不依赖智能合约源代码任何信息的情况下，快速、准确地检测智能合约漏洞。
-
公开(公告)号：CN117349591A
公开(公告)日：2024-01-05
申请号：CN202310947698.7
申请日：2023-07-31
Applicant: 东北大学
IPC: G06F18/10 , G06F18/214 , G06F40/216 , G06F40/30
Abstract: 本发明提供一种基于YAKE！关键词提取的主题自动标注方法，涉及互联网数据提取技术领域。本发明融合自身语料库以及外部资源获取候选标签集，采用基于YAKE！的候选标签提取算法从自身语料库中提取候选标签集，通过文档编号，将YAKE！生成的各文档候选短语择优作为主题的候选标签集；定义Local_All公式实现最优标签的选择，使得出的最终主题标签对当前主题重要程度越高的同时，在所有主题中的普遍度越低；最后对最优标签质量进行评估。本发明能提高主题最优标签的全面覆盖性以及区分度，增强用户对主题模型结果的可读性以及可理解性。
-
公开(公告)号：CN111859925B
公开(公告)日：2023-08-08
申请号：CN202010781151.0
申请日：2020-08-06
Applicant: 东北大学
IPC: G06F40/242 , G06F40/289 , G06N3/0464 , G06V20/40 , G06V10/774 , G06V40/16 , G06V10/80 , G06V10/82
Abstract: 本发明公开一种基于概率情感词典的情感分析系统及方法，属于计算机自然语言处理技术领域。本发明在基于文本构建情感词典的基础上，提出基于文本、图片、视频构建的情感词典。采用深度置信网络的方式提取图片上的人脸表情特征来构建图像情感词典；采用卷积神经网络对视频的情感特征提取，构建视频情感词典；采用OpenSMILE进行情感特征提取，构建音频情感词典。对于缺失单一模态的情况，通过另外两种模态的信息特征拟合出缺失模态的特征，还增加反语判断机制，提高情感分析的准确度并解决在分析过程中某一模态缺失导致分析结果不准确这一问题。
-
公开(公告)号：CN110459317B
公开(公告)日：2023-03-24
申请号：CN201910742381.3
申请日：2019-08-13
Applicant: 东北大学
Abstract: 本发明提供一种基于动态脑网络图核的阿尔茨海默病辅助诊断系统及方法。该诊断系统包括预处理单元、动态脑网络构建单元、动态脑网络图核计算单元和分类诊断单元，首先通过预处理单元对功能核磁共振图像进行图像的预处理，然后通过动态脑网络构建单元对预处理后的功能核磁共振图像依次进行脑区的匹配、时间段的分割、互信息值的计算以及频繁子图的挖掘，然后通过动态脑网络图核计算单元对重建的频繁子图动态脑功能网络依次通过二分图的最优匹配、图核的计算、图核矩阵的组合以及权值的分配，得到一个融合后的动态脑功能网络图核矩阵，通过与核SVM结合通过数据训练器进行数据的训练，最终通过辅助诊断器实现对阿尔茨海默病的诊断。
-
Patent Agency Ranking
公开(公告)号：CN113509148B
公开(公告)日：2022-04-22
申请号：CN202110465305.X
申请日：2021-04-28
Applicant: 东北大学
Abstract: 本发明提供一种基于混合高阶脑网络的精神分裂症检测系统，涉及脑电信号技术领域。该系统包括对获取到的原始脑电信号进行预处理的脑电信号预处理模块，构建静态低阶多层脑功能网络和动态高阶多层脑功能网络的脑功能网络构建模块；计算每名被试者的静态低阶多层脑功能网络模型和动态高阶多层脑功能网络模型的拓扑结构度量指标，并进行K‑S检验，选取小于设定阈值的拓扑结构度量指标拼接为特征矩阵的特征提取模块；通过特征矩阵训练分类器实现对精神分裂症进行检测的检测模块。该系统克服了以往的脑功能网络的脑区间信息表达不足及时间信息利用不够充分的缺陷，使脑电信号的信息得到充分的发挥，起到更好的为医疗疾病检测服务的效果。
-
公开(公告)号：CN114155913A
公开(公告)日：2022-03-08
申请号：CN202111514147.9
申请日：2021-12-13
Applicant: 东北大学
Abstract: 本发明公开了一种基于高阶动态贝叶斯的基因调控网络构建方法，涉及医学信息学技术领域。通过利用时序基因表达数据去构建基于时间变量的高阶动态贝叶斯基因调控网络，在不同的时间延迟下为目标基因寻找父节点，以提高网络结构构建的准确率。由于高阶网络结构学习的搜索空间非常大，导致结构学习的时间复杂度特别高，为了加快学习速度，提出了在结构学习之前进行潜在调控因子筛选的办法，首先筛选出与目标基因关联度较高的基因作为目标基因的潜在调控因子集，删除与目标基因关联程度较低的基因，以达到缩小搜索空间的目的，可以加快后面进行网络结构学习的速度。
-
公开(公告)号：CN109300113B
公开(公告)日：2021-12-24
申请号：CN201810984893.6
申请日：2018-08-28
Applicant: 东北大学
Abstract: 本发明提供一种基于改进凸包方法的肺结节辅助检测系统及方法，涉及计算机辅助检测领域。该系统包括肺轮廓分割、肺实质空洞填充及气管去除、肺边界修补、疑似候选结节分割、灰度共生矩阵构造、Haralick特征参数计算、Haralick特征集合构成和肺结节辅助检测8个单元；该方法包括：获取肺结节图像并预处理；对图像进行二值化分割；去除图像中非重点部分；修补边缘的凹陷；获取疑似候选结节区域并提取其特征值；判断特征值是否符合过滤条件；生成符合条件图像的灰度共生矩阵及Haralick特征集合；获得训练后的ELM诊断器；获得待诊断肺结节图像的风险概率。本方法能够有效改善肺结节患病风险预测的性能，辅助临床医生根据风险概率更好的为病人诊断，提高诊断的准确性。
-
公开(公告)号：CN113509148A
公开(公告)日：2021-10-19
申请号：CN202110465305.X
申请日：2021-04-28
Applicant: 东北大学
Abstract: 本发明提供一种基于混合高阶脑网络的精神分裂症检测系统，涉及脑电信号技术领域。该系统包括对获取到的原始脑电信号进行预处理的脑电信号预处理模块，构建静态低阶多层脑功能网络和动态高阶多层脑功能网络的脑功能网络构建模块；计算每名被试者的静态低阶多层脑功能网络模型和动态高阶多层脑功能网络模型的拓扑结构度量指标，并进行K‑S检验，选取小于设定阈值的拓扑结构度量指标拼接为特征矩阵的特征提取模块；通过特征矩阵训练分类器实现对精神分裂症进行检测的检测模块。该系统克服了以往的脑功能网络的脑区间信息表达不足及时间信息利用不够充分的缺陷，使脑电信号的信息得到充分的发挥，起到更好的为医疗疾病检测服务的效果。
-
公开(公告)号：CN113298038A
公开(公告)日：2021-08-24
申请号：CN202110684023.9
申请日：2021-06-21
Applicant: 东北大学
Abstract: 本发明公开了一种用于辅助诊断AD的多频脑网络区分子网络对的构建方法，属于计算机辅助诊断技术领域。将包含AD和NC的fMRI数据集中大脑各感兴趣区域的时间序列信号分为多个频段；计算同一频段内任意两感兴趣区域的相关系数；对相关系数进行阈值化构建每一被试的多频脑网络，获得AD和NC两个多频脑网络数据集并进行频繁子网络挖掘得到两个多频频繁子网络集；分别计算两个多频频繁子网络集中各子网络的区分能力并从两者中分别取能力最强的前若干个子网络进行组合构建各频段的子网络对即区分子网络对；计算区分子网络对的差异度，并取每个频段差异度最大的前k个区分子网络对按照差异度降序排序，选择前k’个子网络对作为用于辅助诊断AD的的区分子网络对。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.028 seconds)
