-
公开(公告)号：CN109615002A
公开(公告)日：2019-04-12
申请号：CN201811486699.1
申请日：2018-12-06
Applicant: 南京邮电大学
Abstract: 本发明提供基于PSO的决策树SVM大学生消费行为评价方法，包括如下步骤：步骤1：将大学生按支付信息分类，采集每类大学生的消费信息，从消费信息中选取若干个特征，以若干个特征构成的特征向量为样本；步骤2：利用自变异PSO聚类算法将每类大学生的样本集分类，得到若干个子节点；步骤3：采用支持向量机技术训练出每类大学生的各个子节点的分类器，所有的子节点的分类器构成该类大学生的总分类器；步骤4：判断待评价大学生的支付信息所属分类，将该大学生的特征向量输入所属分类的总分类器中，得到该大学生的消费行为类别。本发明不仅能准确具体的评价出大学生每天的消费情况，并具备较好的推广能力和适应能力。
-
公开(公告)号：CN110459292B
公开(公告)日：2022-09-20
申请号：CN201910592286.X
申请日：2019-07-02
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于聚类和概率神经网络(Probabilistic Neural Network，PNN)的药品风险分级方法，实现对于药品风险分级的信息化智能化管理。该方法采用无监督学习与有监督学习相结合的策略，利用模糊C均值聚类方法，解决为原始药品数据自动风险级别标注的问题，再利用概率神经网络算法对带有风险等级标签的数据集进行训练，实现新上市药品的风险级别预测。
-
公开(公告)号：CN110459292A
公开(公告)日：2019-11-15
申请号：CN201910592286.X
申请日：2019-07-02
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于聚类和概率神经网络(Probabilistic Neural Network，PNN)的药品风险分级方法，实现对于药品风险分级的信息化智能化管理。该方法采用无监督学习与有监督学习相结合的策略，利用模糊C均值聚类方法，解决为原始药品数据自动风险级别标注的问题，再利用概率神经网络算法对带有风险等级标签的数据集进行训练，实现新上市药品的风险级别预测。
-
-
Search Results
3
records
(took 0.026 seconds)
