公开(公告)号：CN119128694B

公开(公告)日：2025-02-11

申请号：CN202411625421.3

申请日：2024-11-14

Applicant: 南京信息工程大学

Inventor： 王子恒 ,  邵子轩 ,  王保卫 ,  杨俊祺 ,  王诗雨 ,  唐恺岑

IPC: G06F18/2415 ,  G16H50/70 ,  G06F17/16 ,  G06F18/10 ,  G06F18/15 ,  G06F18/213 ,  G06F18/214

Abstract: 本发明公开了一种用于心血管疾病诊断的双参数调节自适应增强方法，属于集成算法和机器学习领域，所述方法包括将获取的诊断样本数据输入预先获取的自适应增强模型的最优分类器中，获取诊断参考信息；其中所述最优分类器的获取方法，包括：基于获取的训练数据，训练弱分类器；基于训练过的弱分类器，构建可调节参数对的自适应增强模型；使用面向参数优化改进的贝叶斯优化方法对自适应增强模型进行迭代优化，得到自适应增强模型的最优分类器，本发明通过引入可调节参数对，同时结合参数优化，显著提升了模型泛化性和鲁棒性，实现了诊断样本数据的自动化、高效处理，为医生提供了更加客观、准确的诊断参考信息，有效提高了疾病诊断的效率和准确性。

公开(公告)号：CN119128694A

公开(公告)日：2024-12-13

申请号：CN202411625421.3

申请日：2024-11-14

Applicant: 南京信息工程大学

Inventor： 王子恒 ,  邵子轩 ,  王保卫 ,  杨俊祺 ,  王诗雨 ,  唐恺岑

IPC: G06F18/2415 ,  G16H50/70 ,  G06F17/16 ,  G06F18/10 ,  G06F18/15 ,  G06F18/213 ,  G06F18/214

Abstract: 本发明公开了一种用于心血管疾病诊断的双参数调节自适应增强方法，属于集成算法和机器学习领域，所述方法包括将获取的诊断样本数据输入预先获取的自适应增强模型的最优分类器中，获取诊断参考信息；其中所述最优分类器的获取方法，包括：基于获取的训练数据，训练弱分类器；基于训练过的弱分类器，构建可调节参数对的自适应增强模型；使用面向参数优化改进的贝叶斯优化方法对自适应增强模型进行迭代优化，得到自适应增强模型的最优分类器，本发明通过引入可调节参数对，同时结合参数优化，显著提升了模型泛化性和鲁棒性，实现了诊断样本数据的自动化、高效处理，为医生提供了更加客观、准确的诊断参考信息，有效提高了疾病诊断的效率和准确性。