-
公开(公告)号：CN117894479A
公开(公告)日：2024-04-16
申请号：CN202311266126.9
申请日：2023-09-28
Applicant: 吉林大学
Abstract: 本发明公开了基于空间回归模型的传染病全球流行程度预测方法，选择了两种类型的空间回归模型来预测该传染病的流行严重程度：空间误差模型(SEM)和空间滞后模型(SLM)。在地理空间数据中传统的经典回归模型(OLS)，会存在空间自相关的问题，这违反了回归模型中观测对象相互独立的假设，因此，本研究使用了空间回归模型，以限制空间自相关对结果的影响。对于可能存在高度线性相关性并导致回归分析偏差的问题，使用逻辑最小绝对收缩和选择算子(LASSO)回归来检查特征之间的多重共线性，以确定最优特征纳入空间回归模型。本发明使用空间回归模型构建了基于社会经济与环境因素预测该传染病流行严重程度的新算法。
-
公开(公告)号：CN118366678A
公开(公告)日：2024-07-19
申请号：CN202410455547.4
申请日：2024-04-16
Applicant: 吉林大学
Abstract: 本发明涉及基于疾病标准死亡率的确诊灰度测算方法。首先，确定目标疾病的标准死亡率；收集目标地区每日上报的确诊病例及死亡病例。其次，将每日上报的确诊病例及死亡病例进行累加，得到累计确诊病例以及累计死亡病例。然后根据标准死亡率、累计确诊病例以及累计死亡病例估计该地区确诊灰度。最后，根据确诊灰度和累计确诊病例数据估计目标地区的真实累计感染人数。主要是解释一种疾病在各个地区或国家的死亡率相差较大的情况，同时通过真实累计感染情况来估计疾病的真实流行状况，便于及时且合理的采取预防措施。
-
公开(公告)号：CN118155862A
公开(公告)日：2024-06-07
申请号：CN202410200589.3
申请日：2024-02-23
Applicant: 吉林大学
Abstract: 本发明涉及一种基于分级预警算法的猪流感应急处理系统，所述方法包括：S1：选取监测指标；S2：确定监测指标数据抓取上传的时间间隔；S3：估算样本量并进行监测样本选定；S4：为选取的监测样本动物穿戴智能传感器，对其进行症状监测并按时进行数据抓取上传；S5：确定阈值理论中各分级阈值、统计检验方法及不同风险等级的应急处理措施；S6：根据阈值理论对上传数据进行统计学检验并判断是否存在猪流感流行风险；S7：根据阈值理论结果及时合理预警，对预警级别进行动态管理；S8：流行风险解除后，进行无害化处理及监测样本补充。
-
公开(公告)号：CN119441709A
公开(公告)日：2025-02-14
申请号：CN202411155832.0
申请日：2024-08-22
Applicant: 吉林大学
IPC: G06F18/10 , G06F18/2433
Abstract: 本发明涉及一种激增数据值的平滑处理方法，适用于等间隔时间序列数据在随时间变化的过程中出现异常的激增数据值的情况。首先，计算待处理的等间隔时间序列数据值的平均值(Mean，#imgabs0#)和标准差(Standard deviation，σ)，设定能够对激增数据值进行判定的判断区间，且要求待处理的数据不得存在低于判断区间下限的值，并将高于#imgabs1#的数据值标记为激增数据值。其次，将激增数据值高于#imgabs2#的部分进行累加。最后，按照原始数据趋势比例对累加值进行再分配，完成数据的平滑处理。本发明可以对激增数据值进行平滑调整，能够提升后续数据分析的准确性。
-
公开(公告)号：CN118094265A
公开(公告)日：2024-05-28
申请号：CN202311708974.0
申请日：2023-12-13
Applicant: 吉林大学
IPC: G06F18/231 , G06F18/213
Abstract: 本发明公开了一种基于逐层特征提取的非对称多层网络聚类方法，包括以下步骤：步骤1：数据导入，通过处理重复值、缺失值、异常值对数据进行预处理，提取关键特征；步骤2：确定非对称多层网络聚类框架中第n(n∈Z+，n从1开始取值)层的最佳聚类数量，选择最优k值；步骤3：对第n层进行逐层特征提取的非对称多层网络聚类；步骤4：重复步骤2‑3，进行逐层顺次聚类，直到聚类结果不再显示任何显著特征；步骤5：聚类结果输出与可视化。与传统聚类算法相比，本算法在不随意改变初始簇心基础上，通过多层次聚类，使得聚类结果更加清晰立体化，非对称的聚类在对数据深入分析的同时，避免了过度分析，有利于在高维空间中得到更好的聚类结果。
-
Patent Agency Ranking
公开(公告)号：CN117114303A
公开(公告)日：2023-11-24
申请号：CN202311026282.8
申请日：2023-08-15
Applicant: 吉林大学
IPC: G06Q10/0631 , G06F18/23213 , G16H50/80
Abstract: 本发明公开了一种多层次聚类确定区域内快速病原体核酸检测点的方法，包括以下步骤：步骤1：在拟研究区域将各小区按照行政区域划分并进行经纬度坐标化；步骤2：根据需求设置检测点的采样能力及浮动区间；步骤3：各小区人数与检测点采样能力匹配，确定该小区内A类检测点；步骤4：对不满足独立设置检测点(A类)条件的小区，在其行政区内根据距离聚类；步骤5：对步骤4输出的聚心进行步行距离限制和人数限制检测，确定B类检测点；步骤6：将剩余的小区纳入到离其最近的聚心(A类或B类)所在聚类区，若不满足步行距离限制，则重新进行聚类，确定C类检测点；步骤7：输出A、B、C类检测点的选址坐标及检测能力范围。
-
公开(公告)号：CN118609845A
公开(公告)日：2024-09-06
申请号：CN202311565660.X
申请日：2023-11-22
Applicant: 吉林大学
IPC: G16H50/80 , G06F18/15 , G06F18/2135 , G06F18/23213 , G06F18/2413 , G06F18/214 , G06F18/243 , G06N20/20 , G06N5/01
Abstract: 本发明采用随机森林和极端梯度提升(XGBoost)模型进行模型拟合。通过GridSearchCV进行超参数优化和交叉验证，以防止过度拟合并提高模型精度。本研究在进行相关性检验后，并未直接剔除变量，而是采用合成指标消除共线性，我们将能够解释从主成分分析获得的每个维度中所有数据变化超过20％的因素定义为该维度的显著因素，将同一维度的显著因素综合成一个新的指标，这个新的合成指标更能系统、综合的评价城市某一方面的特征因素，得出的结果更贴合实际，更能反映真实水平。
-
公开(公告)号：CN117253613A
公开(公告)日：2023-12-19
申请号：CN202311297763.2
申请日：2023-10-09
Applicant: 吉林大学
IPC: G16H50/30 , G16H20/60 , G16H20/30 , G06F18/23213
Abstract: 本发明公开了一种基于修正膳食平衡指数的个性化营养健康评价方法，包括以下步骤：步骤1：收集人群基本信息和膳食摄入信息；步骤2：以2022年中国居民膳食指南及平衡膳食宝塔为依据，建立以食物组为指标且适合研究人群的修正膳食平衡指数；步骤3：依据修正膳食平衡指数，计算正、负端分等指标，建立膳食质量评价体系；步骤4：依据修正膳食平衡指数指标分值及研究人群的基本信息，以K‑means++聚类算法为框架，利用手肘法确定最佳K值，对居民进行合理分类，提出个性化的营养及健康建议。与传统膳食平衡指数相比，本发明在评估膳食摄入合理性的基础上，又增加了对膳食摄入程度的评估，可为不同需求人群提供个性化的膳食指导。
-
公开(公告)号：CN118136273A
公开(公告)日：2024-06-04
申请号：CN202410200588.9
申请日：2024-02-23
Applicant: 吉林大学
Abstract: 本发明涉及一种基于阈值理论的鸟禽类流行性感冒监测预警系统。首先根据鸟禽类发生禽流感时的症状选择监测指标，估计监测所需样本量并进行样本抽取。其次，确定监测数据抓取上传的时间间隔，为选取的监测样本穿戴监测传感器，并按确定的时间间隔抓取监测结果。最后，确定阈值理论的分级及预警界值，对上传的数据进行统计检验并判断是否存在禽流感流行的风险，当提示存在禽流感流行风险时根据阈值理论启动相应的预警级别并制定防疫措施。待禽流感风险解除后，对监测样本进行补充并恢复日常监测。
-
公开(公告)号：CN117893112A
公开(公告)日：2024-04-16
申请号：CN202311813382.5
申请日：2023-12-26
Applicant: 吉林大学
IPC: G06Q10/083 , G06Q10/0631 , G06F18/23213
Abstract: 本发明公开了一种带有随机修正交通距离的城市内物流配送点间最佳匹配的方法，包括以下步骤：步骤1：将城市中选定区域内的k级物流配送点Ai(i＝1,2…n)和k+1级物流配送点Bj(j＝1,2…m)进行经纬度坐标化；步骤2：将m个k+1级物流配送点聚成n类，并获得每个聚类的聚心Pq(q＝1,2…n)；步骤3：计算k级物流配送点Ai和聚心Pq的欧氏距离AiPq并生成距离矩阵G；步骤4：生成修正交通距离矩阵G'；步骤5：匈牙利算法确定k级物流配送点和k+1级物流配送点之间的初步匹配关系；步骤6：多次重复步骤5，在效能检验下得到稳定的最佳匹配结果；步骤7：在最佳匹配关系下，通过k级物流配送点覆盖k+1级物流配送点的数量和区域人口数量，给出各级物流配送点的规模估计。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.018 seconds)
