公开(公告)号：CN112434737B

公开(公告)日：2024-03-19

申请号：CN202011333029.3

申请日：2020-11-25

Applicant: 南京大学

Inventor： 张雷 ,  张晓雯 ,  于凌霜 ,  赵乐 ,  余成 ,  李宁 ,  王崇骏

IPC: G16H50/30 ,  G16H10/60 ,  G06V10/771 ,  G06N20/00

Abstract: 本发明公开了一种用于脑卒中分析的多智能体评价准则融合的特征选择系统，包括数据输入单元、数据预处理单元、初始特征序列建立单元、多智能体强化单元、特征融合单元、逻辑回归模型单元，通过对脑卒中数据进行不同属性的处理，并通过多智能体强化学习将三种特征评价准则按照最优权重策略进行特征融合，进一步得到所有特征的重要性排序序列和最优的特征子集，本发明在提高准确率的前提下减少特征子集，得到与脑卒中最相关的影响因素，进而从特征选择的角度提高对脑卒中疾病的预测性能。

公开(公告)号：CN113361775B

公开(公告)日：2023-08-25

申请号：CN202110634724.1

申请日：2021-06-08

Applicant: 南京大学

Inventor： 王崇骏 ,  程浩 ,  张杰 ,  于凌霜 ,  张雷

IPC: G06Q10/047 ,  G06Q10/0631 ,  G06Q30/08 ,  G06Q30/0201

Abstract: 本发明公开了一种针对时间间隔覆盖任务的众包拍卖方法，包括：1、任务建模阶段，按照众包时间顺序任务将任务建模为有向图模型，每个点代表一个任务时间阶段，每个报价人报出自己的价格，在图中以一条有向边表示，每条有向边代表完成从一个时间点到另一个时间点的任务；2、图的预处理阶段，按倒序顺序给每个顺序点加上一条反向的顺序边，该边的权重为0；3、求解阶段，使用堆优化的Dijkstra算法计算从起始点到终点的最短路径，最短路径经过的边即是拍卖的胜者；4、支付阶段，使用VCG机制的支付方法，即去除每一个胜者，再计算一次最短路径，两者之差即是最后给该胜者的支付价格，满足最优性，个体理性和激励相容。

公开(公告)号：CN113361775A

公开(公告)日：2021-09-07

申请号：CN202110634724.1

申请日：2021-06-08

Applicant: 南京大学

Inventor： 王崇骏 ,  程浩 ,  张杰 ,  于凌霜 ,  张雷

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q30/08 ,  G06Q30/02

Abstract: 本发明公开了一种针对时间间隔覆盖任务的众包拍卖方法，包括：1、任务建模阶段，按照众包时间顺序任务将任务建模为有向图模型，每个点代表一个任务时间阶段，每个报价人报出自己的价格，在图中以一条有向边表示，每条有向边代表完成从一个时间点到另一个时间点的任务；2、图的预处理阶段，按倒序顺序给每个顺序点加上一条反向的顺序边，该边的权重为0；3、求解阶段，使用堆优化的Dijkstra算法计算从起始点到终点的最短路径，最短路径经过的边即是拍卖的胜者；4、支付阶段，使用VCG机制的支付方法，即去除每一个胜者，再计算一次最短路径，两者之差即是最后给该胜者的支付价格，满足最优性，个体理性和激励相容。

公开(公告)号：CN112434737A

公开(公告)日：2021-03-02

申请号：CN202011333029.3

申请日：2020-11-25

Applicant: 南京大学

Inventor： 张雷 ,  张晓雯 ,  于凌霜 ,  赵乐 ,  余成 ,  李宁 ,  王崇骏

IPC: G06K9/62 ,  G16H10/60 ,  G16H50/30 ,  G06N20/00

Abstract: 本发明公开了一种用于脑卒中分析的多智能体评价准则融合的特征选择系统，包括数据输入单元、数据预处理单元、初始特征序列建立单元、多智能体强化单元、特征融合单元、逻辑回归模型单元，通过对脑卒中数据进行不同属性的处理，并通过多智能体强化学习将三种特征评价准则按照最优权重策略进行特征融合，进一步得到所有特征的重要性排序序列和最优的特征子集，本发明在提高准确率的前提下减少特征子集，得到与脑卒中最相关的影响因素，进而从特征选择的角度提高对脑卒中疾病的预测性能。

公开(公告)号：CN112447292B

公开(公告)日：2022-03-25

申请号：CN202011336107.5

申请日：2020-11-25

Applicant: 南京大学

Inventor： 张雷 ,  于凌霜 ,  罗翀 ,  张晓雯 ,  沈俊东 ,  余成 ,  王崇骏

IPC: G16H50/20 ,  G16H10/60 ,  G06N20/00 ,  G06K9/62

Abstract: 本发明公开了一种基于机器学习可解释性的人体指标‑脑卒中关系分析系统，包括数据输入模块、数据预处理模块、机器学习模块、相关性分析模块、指标近邻寻找模块、新样本制造模块、新样本预测统计模块，通过对属性进行相关性分析，当一个属性改变时，与它相关的属性也随之改变，使生成的新样本更接近实际情况，由此来研究脑卒中患病情况与人体指标变化的关系，本发明可以得到身体指标变化对是否患脑卒中的影响，对进一步研究疾病的预防有着重要的作用。

公开(公告)号：CN112447292A

公开(公告)日：2021-03-05

申请号：CN202011336107.5

申请日：2020-11-25

Applicant: 南京大学

Inventor： 张雷 ,  于凌霜 ,  罗翀 ,  张晓雯 ,  沈俊东 ,  余成 ,  王崇骏

IPC: G16H50/20 ,  G16H10/60 ,  G06N20/00 ,  G06K9/62

Abstract: 本发明公开了一种基于机器学习可解释性的人体指标‑脑卒中关系分析系统，包括数据输入模块、数据预处理模块、机器学习模块、相关性分析模块、指标近邻寻找模块、新样本制造模块、新样本预测统计模块，通过对属性进行相关性分析，当一个属性改变时，与它相关的属性也随之改变，使生成的新样本更接近实际情况，由此来研究脑卒中患病情况与人体指标变化的关系，本发明可以得到身体指标变化对是否患脑卒中的影响，对进一步研究疾病的预防有着重要的作用。