-
公开(公告)号：CN114550941A
公开(公告)日：2022-05-27
申请号：CN202210106377.X
申请日：2022-01-28
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于狄克斯特拉算法的低冗余度动脉粥样硬化风险预测方法，所述方法包括：采集原始数据集，并对原始数据集进行预处理；基于狄克斯特拉算法的低冗余度特征筛选方法对原始数据挑选出数据冗余度低、有代表性的特征作为最优特征集，将残留特征记为残留特征集；基于机器学习算法将最优特征集作为基分类器A、将残留特征集作为基分类器B，分别建立预测模型，记为预测模型A、预测模型B；基于贝叶斯网络计算预测模型A、预测模型B的权重；将预测模型A预测模型B所得到的预测结果加权集成，输出最优预测结果。
-
公开(公告)号：CN114388129B
公开(公告)日：2024-09-17
申请号：CN202111455856.4
申请日：2021-12-01
Applicant: 南京信息工程大学
IPC: G16H50/30 , G06F18/241 , G06N20/20 , G16H50/70
Abstract: 本发明为基于动态信息价值准则和集成学习的动脉粥样硬化风险预测方法，公开了所述方法包括：基于动态信息价值准则对采集的数据集进行筛选，分为最优特征集和残留特征集；基于机器学习算法将最优特征集与残留特征集作为基分类器A、基分类器B；根据基分类器A、基分类器B建立预测模型A和预测模型B；将最优特征集和残留特征集输入预测模型A和预测模型B，将所得到的预测结果加权集成，输出最终集成学习预测结果，本发明在使用机器学习算法进行动脉粥样硬化风险预测的基础上，由模型预测效果优劣来进行特征筛选，挑选出数据冗余度低、有代表性的特征，考虑到了更为优秀的特征、提高了模型预测效果。
-
公开(公告)号：CN114550941B
公开(公告)日：2024-09-17
申请号：CN202210106377.X
申请日：2022-01-28
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于狄克斯特拉算法的低冗余度动脉粥样硬化风险预测方法，所述方法包括：采集原始数据集，并对原始数据集进行预处理；基于狄克斯特拉算法的低冗余度特征筛选方法对原始数据挑选出数据冗余度低、有代表性的特征作为最优特征集，将残留特征记为残留特征集；基于机器学习算法将最优特征集作为基分类器A、将残留特征集作为基分类器B，分别建立预测模型，记为预测模型A、预测模型B；基于贝叶斯网络计算预测模型A、预测模型B的权重；将预测模型A预测模型B所得到的预测结果加权集成，输出最优预测结果。
-
Patent Agency Ranking
公开(公告)号：CN112992653B
公开(公告)日：2023-05-23
申请号：CN202110153096.5
申请日：2021-02-04
Applicant: 南京信息工程大学
IPC: H01L21/02
Abstract: 本发明公开了一种具有非对称周期结构的III族氮化物复合衬底及其加工方法，该复合衬底在特定取向的衬底上定义特定的两个方向，沿不同方向制备具有不同周期的图形，用于二次外延非、半极性III族氮化物材料。使用该复合衬底，可解决非、半极性III族氮化物在生长面内与传统常规衬底存在晶格失配各向异性的问题，从而提高非、半极性III族氮化物的外延生长质量，广泛应用于非、半极性III族氮化物光电子和电力电子器件。
-
公开(公告)号：CN115566121A
公开(公告)日：2023-01-03
申请号：CN202211423695.5
申请日：2022-11-15
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种用于生长Ⅲ族氮化物的AlN复合衬底及制备方法，包括由下至上排列的蓝宝石衬底及含有多个纳米孔洞的AlN薄膜，其中纳米孔洞的直径为300nm‑2μm，呈密堆积排列。本发明以聚苯乙烯微球为掩膜层制备含有纳米孔洞阵列的新型AlN复合衬底，可替代价格昂贵的纳米级图形化蓝宝石衬底，用于外延生长III族氮化物，并降低外延生长的III族氮化物半导体材料的缺陷密度。
-
公开(公告)号：CN114388129A
公开(公告)日：2022-04-22
申请号：CN202111455856.4
申请日：2021-12-01
Applicant: 南京信息工程大学
Abstract: 本发明为基于动态信息价值准则和集成学习的动脉粥样硬化风险预测方法，公开了所述方法包括：基于动态信息价值准则对采集的数据集进行筛选，分为最优特征集和残留特征集；基于机器学习算法将最优特征集与残留特征集作为基分类器A、基分类器B；根据基分类器A、基分类器B建立预测模型A和预测模型B；将最优特征集和残留特征集输入预测模型A和预测模型B，将所得到的预测结果加权集成，输出最终集成学习预测结果，本发明在使用机器学习算法进行动脉粥样硬化风险预测的基础上，由模型预测效果优劣来进行特征筛选，挑选出数据冗余度低、有代表性的特征，考虑到了更为优秀的特征、提高了模型预测效果。
-
公开(公告)号：CN112992653A
公开(公告)日：2021-06-18
申请号：CN202110153096.5
申请日：2021-02-04
Applicant: 南京信息工程大学
IPC: H01L21/02
Abstract: 本发明公开了一种具有非对称周期结构的III族氮化物复合衬底及其加工方法，该复合衬底在特定取向的衬底上定义特定的两个方向，沿不同方向制备具有不同周期的图形，用于二次外延非、半极性III族氮化物材料。使用该复合衬底，可解决非、半极性III族氮化物在生长面内与传统常规衬底存在晶格失配各向异性的问题，从而提高非、半极性III族氮化物的外延生长质量，广泛应用于非、半极性III族氮化物光电子和电力电子器件。
-
公开(公告)号：CN218159378U
公开(公告)日：2022-12-27
申请号：CN202222547941.X
申请日：2022-09-26
Applicant: 南京信息工程大学
IPC: G09B23/22
Abstract: 本实用新型公开了教学实验技术领域的一种基于激光器的综合光学实验系统，综合光学实验系统包括光学现象产生模块、光强检测模块、传动模块和系统处理模块，所述光学现象产生模块用于产生光学物理图像，光学现象产生模块包括光学导轨、激光器、光学狭缝和光屏，激光器和光学狭缝均置于光学导轨之上，激光器和光学狭缝的相对位置可调整，光强检测模块固定在传动模块之上，激光器和传动模块分别置于光学导轨的两侧，光学狭缝位于两者之间，系统处理模块同时控制光强检测模块和传动模块。本系统能够满足自动、半自动和手动进行光学实验的需求，并能自动进行相关数据采集、记录和分析，实现简单和准确的光学物理实验。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.026 seconds)
