-
Patent Agency Ranking
公开(公告)号：CN106066929B
公开(公告)日：2018-10-02
申请号：CN201610351176.0
申请日：2016-05-25
Applicant: 中南大学
Abstract: 本发明提出一种基于元网络的临床医学对象组织方法，属于临床医学领域。本方法首先要将临床医学中各种实体和对象定义为具有三要素的元数据，构建基本医学对象数据模型；然后，将医学对象相互关系通过元网络建模，通过元网络将医学对象组织形成临床医学对象的整体数据模型；最后，通过基于医学对象组合查询，依据元网络映射，提取一级乃至多级医学数据。本发明适用度高，扩展性强，降低了对医学信息资源的存储、检索和利用的难度，并且对临床医学中的研究也有很大的帮助。
-
公开(公告)号：CN108460421A
公开(公告)日：2018-08-28
申请号：CN201810203520.0
申请日：2018-03-13
Applicant: 中南大学
IPC: G06K9/62
CPC classification number: G06K9/6218 , G06K9/6256
Abstract: 本发明公开了一种不平衡数据的分类方法，包括获取需要分类的不平衡数据集；对数据样本权重进行初始化；抽取若干个样本构成代价敏感度高的样本集合并设置代价值；构成代价敏感度低的样本集合并设置代价值；采用基本分类器在样本上进行训练得到弱分类器；更新所有样本的权重值；对不平衡数据集的所有子集进行分裂和权重值更新；输出最终的集成分类器，完成不平衡数据分类。本发明提供的这种不平衡数据的分类方法提出了一种基于信息熵的子集分割方式来将多数类样本进行聚类，具有更高的分类精确度。
-
-
公开(公告)号：CN106778853A
公开(公告)日：2017-05-31
申请号：CN201611116829.3
申请日：2016-12-07
Applicant: 中南大学
IPC: G06K9/62
CPC classification number: G06K9/6257 , G06K9/6267
Abstract: 不平衡数据集的分类已经成为数据挖掘中最具挑战性的问题之一。因为少数类样本数量远远少于多数类，导致少数类在传统算法的分类学习过程中存在正确率低、泛化性能不好等缺陷。算法集成已经成处理该问题的一个重要方法，其中基于随机欠抽样和基于聚类的两种集成算法能有效提高分类的性能。但是，前者容易造成信息丢失，后者计算复杂不易推广。本文提出一种基于权重聚类，融合欠抽样的改进的集成分类算法，具体为基于权重聚类和欠抽样的不平衡数据分类方法。算法根据样本权重划分簇，依据样本权值从每个簇中抽取一定比例的多数类和全部的少数类组成平衡数据集，并利用Adaboost算法框架对分类器进行集成，提高了分类效果。实验结果表明，该算法具有准确，简单，稳定性高的特点。
-
公开(公告)号：CN106066929A
公开(公告)日：2016-11-02
申请号：CN201610351176.0
申请日：2016-05-25
Applicant: 中南大学
IPC: G06F19/00
CPC classification number: G06F19/325 , G06F19/34
Abstract: 本发明提出一种新型临床医学对象组织方法，属于临床医学领域。本方法首先要将临床医学中各种实体和对象定义为具有三要素的元数据，构建基本医学对象数据模型；然后，将医学对象相互关系通过元网络建模，通过元网络将医学对象组织形成临床对象的整体数据模型；最后，通过基于医学对象组合查询，依据元网络映射，提取一级乃至多级医学数据。本发明适用度高，扩展性强，降低了对医学信息资源的存储、检索和利用的难度，并且对临床医学中的研究也有很大的帮助。
-
-
-
-
Search Results
5
records
(took 0.018 seconds)
