-
公开(公告)号：CN111128375A
公开(公告)日：2020-05-08
申请号：CN202010026148.8
申请日：2020-01-10
Applicant: 电子科技大学
Abstract: 本发明属于民族医药辅助决策领域，具体提供一种基于多标签学习的藏医诊断辅助装置，用于解决传统藏医立法过程中存在的一些问题：即诊断结果的不准确性、差异性、缺乏客观性解释，本发明能够为藏医医师诊疗过程提供辅助决策支持，其具有以下优点：1)特征视图的构建：通过训练过程的不断迭代来动态更新特征视图；2)标签传递：在3个分类器之间两两传递最可靠样本，优化分类器，提高分类准确度；3)最优分类结果选择：使用“向量拼接”和“权重分配”相结合的方法选择最优的预测结果。
-
公开(公告)号：CN111026848A
公开(公告)日：2020-04-17
申请号：CN201911301344.5
申请日：2019-12-17
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于相似上下文和强化学习的中文词向量生成方法，解决了现有的中文词向量生成方法都是考虑基于目标词的相邻上下文和目标词的关系来进行预测的，没有考虑到在中文中有些单词虽然相邻，但是语义不相关的情况，且词向量的表示质量不高问题。本发明方法包括：选取语料库，进行语料库预处理，从而构建中文语料库；对中文目标词进行相似上下文发现，获得与中文目标词的语义相关的相似上下文；构建中文词向量强化学习框架，并进行强化学习，得到中文目标词的词向量表示。本发明能够解决中文相邻词不相关的问题，生成高质量的中文词向量。
-
公开(公告)号：CN110826624A
公开(公告)日：2020-02-21
申请号：CN201911070579.8
申请日：2019-11-05
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度强化学习的时间序列分类方法，包括以下步骤：采集若干时间序列，获取样本数据，并对样本数据进行预处理；构建深度残差网络，根据预处理后的样本数据，并通过深度强化学习方法对深度残差网络进行更新；将待测试的时间序列输入更新完成的深度残差网络，得到时间序列的分类结果。本发明通过将样本打乱顺序输入深度强化学习网络，使其更具鲁棒性，设置奖励和惩罚的方式寻找时间序列分类的最优策略，拥有高的分类准确度。
-
公开(公告)号：CN110706789A
公开(公告)日：2020-01-17
申请号：CN201910956289.7
申请日：2019-10-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种中药配伍禁忌挖掘方法，其包括：S1、收集中药药对数据；S2、构建中药药对网络；S3、通过反社区检测算法在中药药对网络中进行药物反社区结构检测，将中药药对网络划分成若干个药物反社区；S4、对于每个药物反社区，将药物反社区中的药物进行两两组合并形成若干局部药对，通过将局部药对与已知配伍禁忌药对匹配的方式，挖掘局部药对中的中药配伍禁忌，通过筛选的方式，预测局部药对中的潜在中药配伍禁忌。该方法首次从复杂网络反社区检测的角度对中药之间的配伍禁忌进行挖掘和预测，与传统技术在所有药物中查找的方式相比，该方法是在局部进行查找，缩小了查找范围，能够高效挖掘已知配伍禁忌以及预测药物之间潜在的配伍禁忌。
-
公开(公告)号：CN110659677A
公开(公告)日：2020-01-07
申请号：CN201910853810.4
申请日：2019-09-10
Applicant: 电子科技大学
Abstract: 本发明属于电子信息检测技术领域，公开了一种基于可移动传感器组合设备的人体跌倒检测方法，包括：基于可穿戴传感器系统采集人体用户传感器数据。对采集的传感器数据进行数值归一化处理。采用基于时序多模态学习的CorrRNN模型对采集的传感器数据分类。通过腰部及腕部传感器收集数据分别构建分类器，并对分类结果加权组合得到跌倒类别判断结果。本发明提出的方法通过两个可穿戴传感器结合进行跌倒检测，采用了CorrRNN模型，该模型以无监督的方式进行训练，消除了对标记数据的需要，并且结合GRU以捕获长期依赖性和时序输入结构。可极大提高跌倒检测检测精度。
-
Patent Agency Ranking
公开(公告)号：CN110659595A
公开(公告)日：2020-01-07
申请号：CN201910853809.1
申请日：2019-09-10
Applicant: 电子科技大学
Abstract: 本发明属于电子信息检测技术领域，公开了一种基于特征分类的跌倒类型及伤害部位检测方法，基于穿戴式传感器系统收集的用户加速度计、陀螺仪数据；对采集的传感器数据进行数值归一化处理；对预处理后的数据获取时域及频域特征；采用主成分分析进行特征筛选；建立基于随机森林的跌倒检测模型，进行跌倒检测及跌倒类别判断；根据跌倒类别判断匹配跌倒伤害部位，采用本发明方法能够判断出跌倒类型。发现检测跌倒非跌倒时，准确率达到91％，当检测不同的跌倒类型时，准确率达到89％。通过对比发现，各类跌倒检测率均高于目前跌倒方向判别研究的检测结果，验证了本发明提出的随机森林模型的有效性。
-
公开(公告)号：CN110619960A
公开(公告)日：2019-12-27
申请号：CN201910854792.1
申请日：2019-09-10
Applicant: 电子科技大学
Abstract: 本发明属于中药配伍数据挖掘技术领域，公开了一种基于监督学习框架的中药配伍禁忌预测方法，首先收集配伍禁忌和药物属性数据，构建配伍禁忌学习基础模型，并验证药物属性与中药配伍禁忌之间的隐含关系，从经典古籍中提取药物属性作为模型的监督信息；然后结合基础模型与约束项构建中药配伍禁忌学习模型，优化模型参数；最后利用该模型进行配伍禁忌关系预测。本发明能够对药物之间的配伍禁忌关系进行建模，通过引入药物功效和性味属性以及属性之间的关系，构建中药配伍禁忌学习模型。本发明从一个新的角度揭示中药配伍禁忌的关系，大大减少医学实验空间，提高配伍禁忌识别的效率。
-
公开(公告)号：CN110516690A
公开(公告)日：2019-11-29
申请号：CN201910973430.4
申请日：2019-10-14
Abstract: 本发明提供了一种基于深度学习的藏医尿液颜色自动识别方法，包括如下步骤：采集尿液图像，并对每幅图像进行标注；根据所述尿液图像构建基于深度卷积神经网络CNN的尿液颜色识别模型；根据所述尿液颜色识别模型识别尿液颜色特征，从而完成基于深度学习的藏医尿液颜色的自动识别。本发明通过以上设计能自动识别尿液在尿热阶段的颜色，通过深度卷积神经网络从训练数据中自动学习特征，而不是采用手工设计的特征，学习到的特征对于尿液颜色识别更有效，为医师诊断提供辅助支持。此外，所提出的算法直接在原始像素上运行，不需要预处理技术，在一定程度上节约时间。
-
公开(公告)号：CN109919929A
公开(公告)日：2019-06-21
申请号：CN201910169550.9
申请日：2019-03-06
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于小波变换的舌裂纹特征提取方法，包括以下步骤：将中值滤波作用于原始舌图像，以平滑原始舌图像中的噪声干扰因素；利用Canny边缘检测算子对平滑后的舌图像进行分割；对分割后的舌图像利用小波分解得到高频和低频舌图像分量图；将高低频分量图用小波融合技术进行融合；通过小波逆变换重构出清晰的舌裂纹特征。本发明将小波函数进行分解与重构，并将其运用到对舌裂纹图像的处理中，包括舌图像去噪；通过加入小波变换的处理技术，可使舌裂纹图像的特征提取与匹配更加精确。
-
公开(公告)号：CN111696674B
公开(公告)日：2023-09-08
申请号：CN202010536344.X
申请日：2020-06-12
Applicant: 电子科技大学
IPC: G16H50/30 , G16H50/20 , G16H10/60 , G06F16/35 , G06F40/289
Abstract: 本发明公开了一种电子病历的深度学习方法及系统，S1：采集电子病历系统中多个患者的专科查体结果与评估结果得到电子病历数据集，将所述电子病历数据集进行缺失数据删除和数据表达统一预处理操作；S2：将进行预处理操作后的电子病历数据集进行词向量转化操作得到电子病历词向量表示；S3：采用双向GRU网络和注意力机制构建模型，并将所述电子病历词向量表示输入所述模型进行训练得到预测模型；S4：将新采集的电子病历数据通过步骤S1，S2进行预处理和词向量表示后，输入所述预测模型，得到预测结果；考虑不同词语及不同句子对结果预测的影响力不同，采用词层面和句子层面多层次注意力模型进行特征提取，提高预测准确率。
-
-
-
-
-
-
-
-
-
Search Results
134
records
(took 0.027 seconds)
