公开(公告)号：CN116152581A

公开(公告)日：2023-05-23

申请号：CN202211518442.6

申请日：2022-11-30

Applicant: 中南大学

Inventor： 周晓君 ,  李明 ,  杜洋伊 ,  阳春华

IPC: G06V10/771 ,  G06V10/764

Abstract: 本公开实施例中提供了一种基于多目标混合特征选择的泡沫浮选工况识别方法，属于数据识别技术领域，具体包括：提取泡沫浮选工况中的待处理数据集进行数据预处理；对全部特征进行按边际贡献值排序；得到初筛特征子集；计算初筛特征子集中每个特征的初始权重；设置最大迭代次数与二值状态转移算法的相关参数，根据初始权重和初筛特征子集生成多个候选特征子集，选择候选特征子集中所有的非支配解构成初始帕累托最优解集；形成目标函数矩阵；通过二维排序策略对目标函数矩阵进行处理，更新初始帕累托最优解集；重复步骤6至步骤7，直至迭代次数等于最大迭代次数，输出Xbest作为最终帕累托最优解集。通过本公开的方案，提高了识别效率和精准度。

公开(公告)号：CN117438089A

公开(公告)日：2024-01-23

申请号：CN202311671602.5

申请日：2023-12-07

Applicant: 中南大学

Inventor： 周晓君 ,  袁维军 ,  杜洋伊

IPC: G16H50/30 ,  G16H50/70 ,  G06N20/20 ,  G16H10/20

Abstract: 本公开实施例中提供了一种基于多模型融合的可解释乳腺癌复发预测方法及系统，属于医疗保健信息学技术领域，具体包括：获取原始数据集；对原始数据集进行预处理操作；对目标数据集分别进行n次的上采样和下采样；采用不同的机器学习算法在每个正负样本均衡子数据集进行训练，生成其对应的个体学习器；将集成修剪问题构建多目标规划模型，引入帕累托支配的概念，并利用智能优化算法进行求解，得到一组互不相同的帕累托最优个体学习器子集；根据预设的结合策略将帕累托最优个体学习器子集中每个个体学习器的结果进行融合，得到预测模型；将待预测患者的相关数据输入预测模型，得到复发预测结果。通过本公开的方案，提高了预测精准度和可解释性。

公开(公告)号：CN119850991A

公开(公告)日：2025-04-18

申请号：CN202510062207.X

申请日：2025-01-15

Applicant: 中南大学

Inventor： 周晓君 ,  杜洋伊 ,  阳春华

IPC: G06V10/762 ,  G06V10/40 ,  G06N3/092 ,  G06V10/771

Abstract: 本申请适用于数据识别技术领域，提供了一种基于多分支强化学习特征选择的泡沫浮选工况识别方法，包括：从多个不同工况的泡沫浮选过程的泡沫图像中提取多个泡沫图像特征；基于最大信息系数指标对多个泡沫图像特征进行聚类，得到多个特征簇；构建多分支神经网络，并基于多个泡沫图像特征对多分支神经网络进行强化学习，得到最优特征子集；多分支神经网络包括共享模块和多个分支模块；基于最优特征子集对需进行工况识别的目标泡沫浮选过程的工况进行识别。本申请能提升泡沫浮选工况识别效果。

公开(公告)号：CN117853844A

公开(公告)日：2024-04-09

申请号：CN202410037533.0

申请日：2024-01-10

Applicant: 中南大学

Inventor： 周晓君 ,  何一平 ,  杜洋伊

IPC: G06V10/774 ,  G06V10/40 ,  G06N20/20 ,  G06V10/776

Abstract: 本公开实施例中提供了一种基于数据和知识双驱动集成学习的泡沫浮选工况识别方法，属于数据处理技术领域，具体包括：收集不同工况下的泡沫图像；提取泡沫经验特征，形成原始训练数据集；用多种机器学习算法生成相同数量的基学习器；根据先验知识从待预测图像中提取泡沫特征，基学习器根据泡沫特征预测得到待预测图像属于各种工况的概率，然后利用各基学习器在验证集中的先验模型知识修正对待预测图像的预测概率；将基学习器修正后的预测概率构成决策矩阵，使用灰色关联—优劣解距离法评价每种工况；根据泡沫浮选所有工况的综合评价值，选出综合评价值最大的工况类型作为最终预测工况。通过本公开的方案，提高了预测适应性和精准度。