-
公开(公告)号：CN114362963A
公开(公告)日：2022-04-15
申请号：CN202210019139.5
申请日：2022-01-07
Applicant: 南京市中西医结合医院 , 南京理工大学
IPC: H04L9/32
Abstract: 本发明公开了一种基于算力证明的治未病场景下联盟链主节点选举算法。该算法通过算力证明机制和投票选举机制筛选出综合能力较强的节点，节点根据场景需求完成相应难度的计算任务，确保自身能够满足最低算力需求，然后通过请求投票成为主节点，只有获得超过半数节点投票的节点才能够被承认为主节点。该算法通过非对称加密技术和数字签名技术保证在联盟链环境下的网络安全，充分考虑恶意节点的作恶可能性，保障主节点选取的公平有效。该算法可以代替联盟链下实用拜占庭容错算法中原有的基于视图编号的顺序选取主节点方式，提高区块链网络的安全性和稳定性，更好地满足治未病场景下的数据保存需求。
-
公开(公告)号：CN114357220A
公开(公告)日：2022-04-15
申请号：CN202210019188.9
申请日：2022-01-07
Applicant: 南京市中西医结合医院 , 南京理工大学
Abstract: 本发明提出一种基于局部敏感哈希算法的相似医学影像计算方法。该方法包含医学影像向量化、哈希桶计算、哈希桶列表构建、医学影像向量相似计算等步骤。本发明主要应用场景为医学影像构成的海量高维向量空间，在高维向量空间中，本发明能够快速对医学影像进行分类，并快速筛选出目标影像的相似项，相比目前已有的分类计算方法，本发明具有更好的时间复杂度。
-
Patent Agency Ranking
公开(公告)号：CN116775282A
公开(公告)日：2023-09-19
申请号：CN202310619469.2
申请日：2023-05-29
Applicant: 南京理工大学
Abstract: 本发明提出一种Spark集群参数自动优化的方法，可以根据任务类型以及数据规模自动的对集群参数进行优化以发挥集群的最优性能。该方法主要包括以下步骤：1、数据采集。使用不同的参数组合启动集群并提交Spark任务，统计不同类型的任务在不同参数组合下的运行时间。任务类型主要分为IO密集型任务、计算密集型任务、内存密集型任务以及迭代密集型任务。2、参数筛选。使用机器学习算法中的决策树模型，以不同类型的任务与数据规模在默认参数配置下的运行时间作为基准，对运行性能高于默认参数配置的参数组合进行筛选。3、性能预测。使用深度神经网络模型，将筛选出的参数组合与任务类型、数据规模等信息作为模型输入，预测任务的执行时间。4、参数优化。使用强化学习中的Q‑Learning算法，对筛选出的参数组合进行优化，得到一个最优参数配置。通过参数筛选可以有效的降低状态空间，使Q‑Learning算法具有更好的收敛性。
-
公开(公告)号：CN115129880A
公开(公告)日：2022-09-30
申请号：CN202210019083.3
申请日：2022-01-07
Applicant: 南京市中西医结合医院 , 南京理工大学
Abstract: 本发明公开了一种基于知识图谱的中医体质医疗系统异常数据检测方法。该方法首先提取输入的中医体质医疗系统数据的特征值，相关的两个特征值组成特征对，依据特征对使用k均值算法进行聚类，根据聚类结果将数据转换为(数据下标，对应特征对，聚类结果)的三元组形式，之后对三元组信息进行知识翻译即实体嵌入获得对应的高维向量，将所有结构化的三元组向量数据存入知识图谱数据库，利用知识图谱数据库进行知识推理，对每一条数据先假定是异常数据，再计算该假定事实的L2范数距离，最后将所有数据计算获得的距离作为特征值使用SVM算法进行分类，依据分类结果判定数据是否为异常数据，该方法有效利用了知识图谱对数据潜在联系的挖掘，准确筛选出数据集中的异常数据。
-
公开(公告)号：CN114362963B
公开(公告)日：2024-06-18
申请号：CN202210019139.5
申请日：2022-01-07
Applicant: 南京市中西医结合医院 , 南京理工大学
IPC: H04L9/32
Abstract: 本发明公开了一种基于算力证明的治未病场景下联盟链主节点选举方法。该方法通过算力证明机制和投票选举机制筛选出综合能力较强的节点，节点根据场景需求完成相应难度的计算任务，确保自身能够满足最低算力需求，然后通过请求投票成为主节点，只有获得超过半数节点投票的节点才能够被承认为主节点。该方法通过非对称加密技术和数字签名技术保证在联盟链环境下的网络安全，充分考虑恶意节点的作恶可能性，保障主节点选取的公平有效。该方法可以代替联盟链下实用拜占庭容错方法中原有的基于视图编号的顺序选取主节点方式，提高区块链网络的安全性和稳定性，更好地满足治未病场景下的数据保存需求。
-
公开(公告)号：CN116204631A
公开(公告)日：2023-06-02
申请号：CN202210019187.4
申请日：2022-01-07
Applicant: 南京市中西医结合医院 , 南京理工大学
IPC: G06F16/35 , G06F40/205 , G06F40/279 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/08 , G16H20/90 , G16H50/20
Abstract: 本发明公开了一种基于BERT模型的中医复杂体质判别方法，将深度学习技术应用于中医复杂体质辨识工作中，能帮助医生根据患者描述信息更方便地辨别患者中医体质。所述的方法包括：将收集到的患者症状描述文本信息预处理，处理后的文本使用BERT预训练模型进行文本表示，然后使用Bi‑GRU模型对词嵌入矩阵进行特征提取，将其输出与BERT模型的输出进行残差连接，再输入到多个胶囊网络中，最后将多个文本特征融合后送入到一个全连接网络中进行体质判别。取得了如下成效：(1)相较于基于传统机器学习和神经网络的体质判别方法，取得了更高的准确度；(2)解决了使用胶囊网络在处理篇幅较大的文本时，效果较差的问题。
-
公开(公告)号：CN114358195A
公开(公告)日：2022-04-15
申请号：CN202210019118.3
申请日：2022-01-07
Applicant: 南京市中西医结合医院 , 南京理工大学
IPC: G06K9/62 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , G16H20/90 , G16H50/20
Abstract: 本发明公开了一种基于改进VGG16网络的中医复杂体质辨识方法，包括：步骤一：采集人体舌象图像，基于9种中医体质对人体舌象图像进行分类，建立舌象数据集；步骤二：扩展舌象数据集样本规模；步骤三：对舌象数据集进行图像预处理与样本划分，得到训练数据集和测试数据集；步骤四：构建特征提取网络模型，采用截断的VGG16网络作为低维特征提取器，采用多层优化的Inception网络结构作为高维特征提取器；步骤五：设置特征提取网络模型的相关函数；步骤六：采用多种优化方法优化特征提取网络模型；步骤七：对图像特征进行定位与提取；步骤八：对图像特征进行分类，设置损失函数与梯度下降方法。本发明提升了舌象识别的精度与效率，更好地完成中医体质辨识任务。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
