公开(公告)号：CN113361762A

公开(公告)日：2021-09-07

申请号：CN202110612266.1

申请日：2021-06-02

Applicant: 南京大学

Inventor： 王崇骏 ,  刘振东 ,  钱树伟 ,  赵乐 ,  谢俊元

IPC: G06Q10/04 ,  G06Q10/06 ,  G06K9/62 ,  G06N3/04 ,  G06N20/00

Abstract: 本发明提出了众包任务中的数据偏见处理方法。在众包数据收集阶段，需要获取足够多的数据，并且需要保证数据质量。但是在利用众包获取大量的标签数据可能会存在偏见。该方法利用可解释机器学习方法对众包数据收集的结果进行诊断，分析可能存在的机器学习方法中前处理，后处理对众包数据可能存在的偏见进行处理。数据偏见分析和诊断阶段，对数据中可能存在的偏见和模型漏洞进行分析；前处理阶段，通过前处理，包括盲点法，因果歧视法改善数据偏见，提升模型公平性；后处理阶段，通过均等机会，均等PPV等方法改善模型偏见。本发明可以比较有效地诊断数据收集过程中可能存在的偏见，并可以较为有效地消除后续可能使用数据的机器学习模型偏见。

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：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。