-
公开(公告)号：CN113360730A
公开(公告)日：2021-09-07
申请号：CN202110620273.6
申请日：2021-06-03
Applicant: 哈尔滨理工大学
IPC: G06F16/9035 , G06F16/906 , G06K9/62
Abstract: 本发明涉及一种基于过滤器和RF‑RFE算法的特征选择方法，该方法包括以下步骤：数据预处理模块，对完整数据集进行缺失值处理、离散化处理；冗余特征处理模块，使用信息增益和相关性相结合的过滤器方法对冗余特征进行删除；特征选择模块，采用RF‑RFE方法对冗余特征处理后剩余的特征进行特征选择，本发明使用过滤器方法中的相关性和信息增益相结合来删除冗余特征，采用递归特征消除(RFE)方法结合随机林来度量变量的重要性，RF‑RFE在寻找特征子集方面具有很高的识别能力，并且不需要调整参数就可以产生竞争性结果，在考虑特征之间的冗余性同时也考虑了特征选择的高效性。
-
公开(公告)号：CN113096814A
公开(公告)日：2021-07-09
申请号：CN202110589378.X
申请日：2021-05-28
Applicant: 哈尔滨理工大学
Abstract: 本发明涉及一种基于多分类器融合的阿尔兹海默症分类预测方法。本发明首先对所获得数据中含有的缺失数据和异常数据进行处理和评估，确保数据的有效性；然后结合专家知识和特征选择算法，从k个特征指标中选择出n个特征子集，n≤k，去掉冗余特征和无关特征，提高最终模型的预测效果；提出基于多分类器融合的预测模型；将经过预处理的数据集输入到所提出的模型中，通过多种评估方法评估模型的性能。本发明对阿尔兹海默症的分类预测具有更好的效果和普适性。
-
Patent Agency Ranking
公开(公告)号：CN115019966A
公开(公告)日：2022-09-06
申请号：CN202210561629.8
申请日：2022-05-23
Applicant: 哈尔滨理工大学
IPC: G16H50/30 , G16H50/20 , G06V10/774 , G06V10/764 , G06V10/26 , G06V10/25 , G06T7/11 , G06T7/00 , G06N3/04 , G06N3/08
Abstract: 本发明是涉及深度学习对于医学影像和临床数据相结合并利用机器学习算法分类而建立的乳腺癌转移预测方法。该方法由深度学习的卷积神经网络模型和随机森林组成。该方法包含以下步骤：数据预处理；划分数据集；训练卷积神经网络模型并选出最优模型对影像数据降维；再次划分数据集；利用随机森林分类并得出评价指标。本发明可以帮助医生对乳腺癌患者的远处转移等预后情况做出评估。
-
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。
-
公开(公告)号：CN115116616A
公开(公告)日：2022-09-27
申请号：CN202210924114.X
申请日：2022-08-02
Applicant: 哈尔滨理工大学
Abstract: 本发明是涉及基于组内组间优化的多重插补的乳腺癌缺失数据插补模型。该插补模型由组内优化插补和组间优化插补组成，将均值插补、随机森林插补、贝叶斯线性回归插补、分类回归树插补和线性回归插补五种方法作为多重插补的基础方法，并结合医学特征的参考阈值进行综合插补。得到组内最优插补数据集，最后以均方根误差作为组间最优插补的评判标准。在插补过程中，加入临床特征阈值判别有利于增强医学数据特征的结构分布，让数据更具真实性。在组内优化中考虑到不同特征间的差异以及特征缺失值的不确定性，组间优化中考虑各插补方法的横向比较，让缺失数据的插补更具稳健性。
-
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：CN113483729A
公开(公告)日：2021-10-08
申请号：CN202110768484.4
申请日：2021-07-07
Applicant: 哈尔滨理工大学
Abstract: 本方法提出了一种基于隐私保护和机器负载平衡的经纬测距方法，首先，geohash用一个字符串表示经度和纬度两个坐标。某些情况下无法在两列上同时应用索引，利用geohash，只需在一列上应用索引即可，节约了资源和代价消耗。其次，geohash表示的并不是一个点，而是一个矩形区域。既能表明自己位于某个区域附近，又不至于暴露自己的精确坐标，有助于隐私保护。第三，编码的前缀可以表示更大的区域。这个特性可以用于附近地点搜索。首先根据用户当前坐标计算geohash然后取其前缀进行查询，即可查询附近的所有地点。geohash比直接用经纬度的计算(半正矢公式)高效很多。此方法有效解决了隐私保护和机器负载平衡的问题。
-
-
-
-
-
-
Search Results
7
records
(took 0.026 seconds)
