-
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：CN119448858A
公开(公告)日：2025-02-14
申请号：CN202411594846.2
申请日：2024-11-10
Applicant: 哈尔滨理工大学
IPC: H02P21/20 , H02P21/00 , H02P25/098 , H02P27/12 , H02M7/5387 , G05D17/02
Abstract: 本发明公开了基于直接瞬时转矩控制的开关磁阻电机控制方法，涉及电机控制领域。本发明根据参考转矩Tref和实际转矩T做差得到转矩差值ΔT，转矩差值ΔT的数值和变化趋势依据导通规则得到此时三相开关的状态组合成电压矢量；当所得到电压矢量的数量为一个时，将该电压矢量在下个控制周期内，作用到开关磁阻电机的功率变换器，当所得到的电压矢量数量为两个时，根据所述电压矢量计算对应的预测转矩，将预测转矩与参考转矩进行比较，根据比较的结果来判断需要作用的矢量，将其作用到开关磁阻电机的功率变换器。本发明既能减小单相导通区又能减小换相区的转矩脉动，在动态情况下效果更佳。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN119170283A
公开(公告)日：2024-12-20
申请号：CN202411203066.0
申请日：2024-08-29
Applicant: 哈尔滨理工大学
IPC: G16H50/50 , G16H50/30 , G16H50/70 , G06T7/11 , G06T7/00 , G06V10/774 , G06V10/82 , G06V10/764 , G06V10/25 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种结合卷积神经网络(CNN)和Transformer模型的结直肠癌腹膜转移预测模型，旨在提高结直肠癌早期检测和诊断的准确性与效率。通过收集结直肠癌患者的手术前腹部CT图像数据，并对这些数据进行处理，构建基于CNN和Swin‑Transformer的深度学习网络，模型能够自动提取和学习图像中的重要特征。预训练模型后，对其进行进一步训练，以准确预测患者的腹膜转移风险。该模型实现了更高的预测准确性、自动化的特征提取以及更高效的诊断过程，有助于结直肠癌风险预测和防控领域的应用。
-
公开(公告)号：CN119151887A
公开(公告)日：2024-12-17
申请号：CN202411203064.1
申请日：2024-08-29
Applicant: 哈尔滨理工大学
IPC: G06T7/00 , G06T7/73 , G06V10/44 , G06V10/82 , G06V10/764 , G06V10/25 , G06V10/771 , G06V10/80 , G06N3/0464 , G06N3/045
Abstract: 使用计算机断层扫描(CT)图像对肝癌患者的微血管侵犯进行术前早期识别，对患者术前无创诊断和指导个体化治疗改善预后效果具有重要帮助，深度学习技术现已广泛用于医学图像分类领域。使用传统的卷积神经网络迁移学习至肝癌微血管侵犯术前预测任务中时，存在特征挖掘不稳定、预测准确度欠佳的问题。本发明将不同的微血管侵犯实例视为肿瘤的不同变形，设计了专门的坐标引导适应力增强注意力模块，引导网络定位肿瘤并适应肿瘤的变形表示，以解决模型学习不到稳定特征的问题。其次，引入了患者内脏脂肪作为辅助的影像标志物，同时挖掘出它所蕴含的有关微血管侵犯的潜在信息。联合肿瘤病灶和内脏脂肪共同预测患者结局，最终达到了优秀的预测准确度。
-
公开(公告)号：CN113393931A
公开(公告)日：2021-09-14
申请号：CN202110665045.0
申请日：2021-06-16
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于系统动力学的乳腺癌诊断与治疗方法，涉及人工智能和管理科学领域，更具体地，涉及一种基于临床数据诊断乳腺癌BI‑RADS分级以及五年预后的系统动力学方法，包括以下步骤：(1)乳腺癌临床数据的获取，包括超声检测数据和五年预后数据；(2)乳腺癌临床数据的特征选择及预处理；(3)计算各特征与目标变量的关联规则；(4)构建基于系统动力学的乳腺癌诊断和治疗模型。本发明通过Apriori算法计算各数据信息间与乳腺癌诊断、治疗的关联，将其作为驱动机制加入到系统动力学模型中，构建动力学微分方程，实现对乳腺癌诊断及治疗的动态预测，为乳腺癌的诊断、手术决策、预后评估等临床诊疗任务提供决策支持。
-
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。
-
公开(公告)号：CN119253566A
公开(公告)日：2025-01-03
申请号：CN202411594845.8
申请日：2024-11-10
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了多模块并联直流微网系统及其下垂控制方法，涉及直流微网系统领域。本发明在满足电压增益的条件下对参数k和品质因数Q进行优化选择，结合均衡系数、调速因子得到优化的下垂系数，通过优化的下垂系数进行下垂控制。本发明可以补偿母线电压偏移，在不牺牲响应速度的前提下实现功率均衡。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
