-
公开(公告)号：CN113239321A
公开(公告)日：2021-08-10
申请号：CN202110589440.5
申请日：2021-05-28
Applicant: 哈尔滨理工大学
Abstract: 本发明涉及一种基于过滤式和封装式层次递进的特征选择方法。本发明首先使用过滤式的方差排序法和信息增益排序法和基于封装式的Boruta排序法，对特征进行排序，对排序后的特征根据重要性程度分配秩，对三种排序方法的结果进行融合，然后基于皮尔逊相关系数计算特征两两之间的相关性，设定特征的皮尔逊相关系数阈值，根据特征之间的相关性，选择性删除部分特征，最后基于封装式的序列向前选择法结合随机森林模型找到最好的特征组合，从而得到最优特征子集。本发明对数据集选择最优特征子集具有很好的效果，为学习模型提供比较准确的特征信息，从而提高学习模型的准确性。
-
公开(公告)号：CN113344491A
公开(公告)日：2021-09-03
申请号：CN202110618088.3
申请日：2021-06-02
Applicant: 哈尔滨理工大学
IPC: G06Q10/08
Abstract: 本发明公开了一种闭环供应链链际竞合管理平台，涉及供应链管理平台领域。本发明为了解决对于某个区域内的再生资源的闭环供应链链际竞合管理缺少管理平台，无法根据再生资源数据得到整体的收益数据信息。本发明包括回收库存单元，用以收集回收资源的库存数据；可再利用库存单元，用以获取所述回收库存单元中可再利用资源库存的数据；供应链单元，根据所述可再利用资源库存的数据获取供应链收益；收益输出单元，用以输出整体收益。本发明依据再生资源的闭合供应链及供应链之间数据进行处理，得到再生资源的收益数据信息，为再生资源的管理提供依据。
-
Patent Agency Ranking
公开(公告)号：CN111639770A
公开(公告)日：2020-09-08
申请号：CN202010479144.5
申请日：2020-05-30
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了基于产品分级回收再制造的闭环供应系统模型及其搭建方法，属于闭环供应系统建模领域。本发明针对现有闭环供应模型未考虑产品更新速度，使模型存在局限性的问题。本发明包括制造节点模型、零售节点模型、消费者节点模型、回收节点模型、分拣中心节点模型和处理中心节点模型；本发明考虑电子科技产品更新换代速率越来越快这一因素，进一步提高资源的可再利用率，同时减少碳排放量，建立了新的闭环供应链仿真模型。
-
公开(公告)号：CN113192632A
公开(公告)日：2021-07-30
申请号：CN202110563903.0
申请日：2021-05-24
Applicant: 哈尔滨理工大学
Abstract: 本发明涉及一种基于加权关联规则算法的乳腺癌分类方法，该方法包括以下步骤：数据输入模块，用于获取待分类的乳腺癌数据；数据预处理模块，用于对待分类的乳腺癌数据进行数据的预处理；特征加权模块，用于采用信息增益的方法对预处理后的乳腺癌数据的特征进行加权；数据分类模块，用于采用关联规则分类算法对特征加权后的乳腺癌测试数据进行分类，与现有的相关技术相比，本发明用信息增益值确定特征重要性，为每个特征分配相应的权重，关联规则剪枝过程中使用HM值和属性级别上的优先级来度量规则，最终形成的规则集用于乳腺癌的分类，提高了分类的性能。
-
公开(公告)号：CN109431104A
公开(公告)日：2019-03-08
申请号：CN201910056630.3
申请日：2019-01-22
Applicant: 哈尔滨理工大学
IPC: A47B61/04 , A47B97/00 , G05B19/418 , G05B15/02 , G01D21/02
Abstract: 本发明公开了一种智能鞋架，它涉及到智能家居领域，它具有普通鞋架的储鞋整理收纳功能，鞋架装用来模式识别的摄像头以及检测温度和湿度传感器和数据传输的蓝牙以及WIFI和机械臂；当鞋子处于鞋架的操作区后，鞋架会根据鞋子的种类进行三个流程的操作；首先分类分层收纳；其次，在收纳完成后，会对鞋子进行除尘，洗刷鞋面，洗刷鞋框，进行恒温烘干；最后会对鞋子进行消毒和除臭等一系列操作；摄像头检测鞋子的类别，根据材质分为毛皮、棉皮、将毛皮分为真皮和人造皮，温湿度传感器主要检测在烘干和消毒时鞋子的温度，避免损伤鞋子，当用户需要使用鞋子时，只需要在手机端选择要使用的鞋子即可，鞋架会自动通过机械臂把鞋子送出。
-
公开(公告)号：CN111639770B
公开(公告)日：2023-11-21
申请号：CN202010479144.5
申请日：2020-05-30
Applicant: 哈尔滨理工大学
IPC: G06Q10/30 , G06Q10/0639 , G06Q10/087 , G06Q50/04
-
公开(公告)号：CN113157687A
公开(公告)日：2021-07-23
申请号：CN202110554615.9
申请日：2021-05-21
Applicant: 哈尔滨理工大学
IPC: G06F16/215 , G06K9/62
Abstract: 本发明涉及一种基于数据驱动和数据类型的混合缺失值插补方法。本发明首先使用中心趋势值插补、随机森林插补、多重插补、k近邻插补方法依次对数据集的每一个特征进行缺失值估计，根据平均绝对误差对每个特征的插补方法排序，平均绝对误差最小的被分配为秩1，平均绝对误差最小的被分配为秩4，然后把特征分为数值型和名义型，根据不同类型使用中心趋势值插补、随机森林插补、多重插补、k近邻插补方法缺失值估计，同样为每种方法根据平均绝对误差分配秩，最后依据每个特征属于什么类型结合两种方式的平均绝对误差排序，选出结合以后秩最小的插补方法为特征的最合适插补方法。本发明对数据集中的缺失值具有很好的插补效果。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
