-
公开(公告)号：CN110010204A
公开(公告)日：2019-07-12
申请号：CN201910270730.6
申请日：2019-04-04
Applicant: 中南大学
Abstract: 本发明公开了一种基于融合网络和多打分策略的预后生物标志物识别方法，为了减小样本异质性的影响，首先对样本的基因表达数据进行标准化和主成分分析，取前两个主成分、用高斯混合模型对样本进行聚类；对于每一类，融合多种生物网络，并从生物功能、预后能力、与已知致病基因相关程度三个角度对网络节点进行打分；通过带重启的随机游走算法，获得网络中节点的重要性排序；根据三种打分方式得到的节点重要性排序值综合评估节点的重要性；分别取每一类排序靠前的基因，合并获得预后生物标志物。本发明能有效识别生物可解释性强、与疾病密切相关并在不同预后样本中显著差异表达的生物标志物，用于疾病样本的预后分析。
-
公开(公告)号：CN109922052A
公开(公告)日：2019-06-21
申请号：CN201910134025.3
申请日：2019-02-22
Applicant: 中南大学
Abstract: 本发明公开一种结合多重特征的恶意URL检测方法，包括获取各样本和待检测URL所指向网页的访问交互数据；从访问交互数据中提取各样本和待检测URL的分类特征，分类特征包括页面内容特征、动态解析参数特征和Web会话流程特征；利用样本的分类特征和分类标签训练分类器模型；将待检测URL的分类特征输入训练好的分类器模型进行计算，由分类器模型输出待检测URL的判别值；当待检测URL的判别值大于设定的恶意URL检测阈值时，则判定待检测URL为恶意URL。本发明方法在不需要捕获操作系统底层行为信息的前提下，结合多重特征进行检测，提高了对恶意URL检测的精确性和检测效率。
-
公开(公告)号：CN109697285A
公开(公告)日：2019-04-30
申请号：CN201811523661.7
申请日：2018-12-13
Applicant: 中南大学
Abstract: 本发明公开了一种增强语义表示的层次BiLSTM中文电子病历疾病编码标注方法，对输入的电子病历文本进行预处理后，考虑中文词语构成中，单个汉字包含具体语义，利用引入关注机制的BiLSTM提取字符级特征向量表示，获得单个汉字的语义及构词特征；将字符级词向量表示与利用word2vec训练得到的词语级别的向量表示进行拼接，得到字符特征增强的词语向量表示；以特征词向量表示的文本序列作为输入，再次利用BiLSTM学习整个电子病历中的上下文特征，并采用关注机制，计算各个特征词的贡献度，得到上下文特征加权的文本向量表示，提高了预测效果。本发明的方法适用于基于中文电子病历文本的疾病标签分类任务，并有效提高了分类效果。
-
公开(公告)号：CN106485096B
公开(公告)日：2019-03-26
申请号：CN201610915233.3
申请日：2016-10-20
Applicant: 中南大学
IPC: G16B25/10
Abstract: 本发明公开了一种基于双向随机游走和多标签学习的miRNA‑环境因子关系预测方法。考虑到单一的生物数据的不完整，采用不同的生物数据和不同相似性度量方法分别计算miRNA和环境因子的相似性。另外，为了减少单个相似性度量噪声，本发明引入相似性矩阵融合方法来提高最终的miRNA和环境因子相似性可靠性。在此基础上，采用双向随机游走算法和多标签学习方法来预测潜在的miRNA‑环境因子关系。本发明简单有效，通过与其他方法比较，及在已知数据集上测试表明，该发明在miRNA‑环境因子潜在关系方面具有较好的预测性能。案例分析表明，本发明能够发现一些潜在的环境因子对应miRNA，能为生物学家进行miRNA‑环境因子发现的进一步实验提供有价值的参考信息。
-
公开(公告)号：CN109257302A
公开(公告)日：2019-01-22
申请号：CN201811092380.0
申请日：2018-09-19
Applicant: 中南大学
IPC: H04L12/863
Abstract: 本发明公开了一种基于分组排队时间的包散射方法，交换机根据每条流上一个到达分组的剩余排队时间为该流当前到达分组选择出端口队列，在保证当前到达分组的排队时间大于或等于上一个到达分组剩余排队时间的情况下，选择缓存队列长度最小的出端口。相比于现有技术，本发明避免了分组的乱序，有效的减少了流的完成时间，提升了用户的体验。
-
Patent Agency Ranking
公开(公告)号：CN106101005B
公开(公告)日：2018-12-25
申请号：CN201610648257.7
申请日：2016-08-09
Applicant: 中南大学
IPC: H04L12/801 , H04L12/863 , H04L12/927
Abstract: 本发明公开了一种数据中心网络中基于分组长度的拥塞控制方法，在交换机转发分组时，依据缓存队列长度来调节分组长度，当前缓存队列长度q小于阈值q0时，分组长度减小得少，降低包头开销；当前队列长度q大于阈值q0时，分组长度减小得多，有效地降低数据中心网络在高并发传输发生超时的概率，缓解TCP Incast问题，从而提升网络的有效吞吐量。
-
公开(公告)号：CN108877905A
公开(公告)日：2018-11-23
申请号：CN201810602381.9
申请日：2018-06-12
Applicant: 中南大学
CPC classification number: G16H40/20 , G06K9/6256 , G06Q10/04
Abstract: 本发明公开了一种基于Xgboost框架的医院门诊就诊量预测方法，包括：获取历史数据，并基于历史数据构建每类门诊的门诊数据集；利用每类门诊的门诊数据集构建每类门诊的Stacking‑Xgboost的预测模型；Stacking‑Xgboost的预测模型包括N2个的Xgboost基学习器；获取预测日内每个关联特征的量值，并输入至待测门诊类型的Stacking‑Xgboost的预测模型中得到在预测日对应待测门诊的就诊量预测值，预测日的就诊量预测值等于所有Xgboost基学习器的预测值的平均值或加权平均计算结果。上述方法解决了就诊量与天气因素的相关性研究问题，同时具有预测精度高、速度快的优点。
-
公开(公告)号：CN108830040A
公开(公告)日：2018-11-16
申请号：CN201810578523.2
申请日：2018-06-07
Applicant: 中南大学
Abstract: 本发明公开了一种基于细胞系和药物相似性网络的药物敏感性预测方法，包括：构建药物相似性网络、细胞系相似性网络以及药物-细胞系关系网络；分别依据药物相似性网络、细胞系相似性网络、药物-细胞系关系网络获取对应的药物邻接矩阵、细胞系邻接矩阵、药物-细胞系关系初矩阵；基于药物邻接矩阵、细胞系邻接矩阵、药物-细胞系关系初矩阵采用不平衡的双随机游走算法得到药物-细胞系的药物敏感性预测矩阵，其中，采用不平衡的双随机游走公式游走完成后得到的药物-细胞系的药物敏感性预测矩阵中各个元素为相对应药物对细胞系预测的敏感性数值。本发明充分考虑药物相似性网络和细胞系相似性网络的特性，进而提高了药物敏感性预测结果的可靠性。
-
公开(公告)号：CN108804871A
公开(公告)日：2018-11-13
申请号：CN201710301362.8
申请日：2017-05-02
Applicant: 中南大学
IPC: G06F19/18
Abstract: 本发明公开了一种基于最大邻居子网的关键蛋白质识别方法，首先根据亚细胞定位信息对获得的蛋白质相互作用网络进行子网划分，位于相同亚细胞位置的蛋白质被划分到相同的子网，从而得到多个在同一亚细胞区间内具有相互作用关系的蛋白质子网络。然后对每个蛋白质对应的所在的最大子网进行拓扑特征分析,计算其基于共同邻居的关键性综合评分值，分值越高表示该蛋白质越趋向于是关键的，从而利用得分排序来预测潜在的关键蛋白质。本发明在简单实用的基础上，能够很好的提高关键蛋白质识别的准确率，为研究人员进行关键蛋白质的实验分析和更深层次的研究提供重要的参考价值和实用价值。
-
公开(公告)号：CN108647484A
公开(公告)日：2018-10-12
申请号：CN201810472698.5
申请日：2018-05-17
Applicant: 中南大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于多元信息集成和最小二乘法的药物关系预测方法，包括步骤1：获取待研究的药物集合的药物关系矩阵；步骤2：计算每个药物与其余药物的高斯核相似性；步骤3：根据药物集合中所有药物的特征信息采用余弦角相似性方法计算每个药物与其余药物的特征相似性；特征信息包括化学信息、生物信息以及表征信息；步骤4：计算每两个药物之间的高斯核相似性和特征相似性的均值得到每两个药物之间的药物相似性，并基于每两个药物之间的药物相似性构成出药物集合的药物相似性矩阵；步骤5：基于药物相似性矩阵以及药物关系矩阵采用最小二乘法进行药物对的关联关系分数计算得到药物关系预测矩阵。
-
-
-
-
-
-
-
-
-
Search Results
356
records
(took 0.064 seconds)
