基于支持向量机的慢性阻塞性肺疾病诊断辅助系统及方法

    公开(公告)号:CN108597601A

    公开(公告)日:2018-09-28

    申请号:CN201810360519.9

    申请日:2018-04-20

    Abstract: 本发明公开了一种基于支持向量机的慢性阻塞性肺疾病诊断辅助系统及方法,该系统包括多特征输入器和处理器,处理器具有多维特征选择模块、支持向量机构建模块和支持向量机模型测试模块;多维特征选择模块建立第一样本,通过基于粗糙集的最大依赖度算法对第一样本进行特征降维,得到若干个主特征子集,建立以若干个主特征子集构成的样本集合作为第二样本;支持向量机构建模块构建支持向量机模型;支持向量机模型测试模块将所述第二样本随机分为训练集和预测集,生成训练器,根据支持向量机模型预测通过降维得到的第二样本是否表现为慢性阻塞性肺疾病。本发明基于支持向量机模型,使得慢性阻塞性肺疾病与病患的各项生理指标建立联系,测试准确度高。

    一种移动平台众包任务定价优化方法及系统

    公开(公告)号:CN107992979A

    公开(公告)日:2018-05-04

    申请号:CN201711403354.0

    申请日:2017-12-22

    CPC classification number: G06Q10/04 G06Q30/0283 G06Q30/0639

    Abstract: 本发明公开了一种移动平台众包任务定价优化方法及系统,步骤(1):数据采集:采集劳务众包平台的众包任务信息和任务需求者的信息,对众包任务信息进行可视化和预处理;步骤(2):多角度分析步骤(1)采集到的数据信息,优化任务定价的影响因素;步骤(3):将步骤(2)确定的特征作为GBDT算法的输入值,将任务定价模型作为GBDT算法的输出值,使用GBDT算法建立任务定价模型;步骤(4):利用任务定价模型,进行定价。本发明对众包任务完成情况的数据进行数据可视化、数据分析和特征优化、任务定价模型优化、测评优化模型的性能,最终确定移动互联网自助式劳务众包平台的任务定价优化方法。

    基于多模态特征的互联网广告效果测评方法及系统

    公开(公告)号:CN107798563A

    公开(公告)日:2018-03-13

    申请号:CN201711098741.8

    申请日:2017-11-09

    Abstract: 本发明公开了基于多模态特征的互联网广告效果测评方法及系统,包括:步骤(1):采集各项数据:采集用户的个人基本信息及认知方式,用户在浏览互联网网页过程中产生的多模态行为特征以及用户对广告的记忆程度信息;步骤(2):数据分析与特征提取:根据所述采集的数据,通过特征相关性分析筛选特征,进行特征融合;步骤(3):建立广告记忆力模型:挖掘用户的浏览模式,将用户的浏览模式融合步骤(2)得到的特征,构建广告记忆力模型;步骤(4):利用已经建立好的广告记忆力模型计算用户对广告的记忆程度,从而对互联网广告效果进行测评。实现搜索引擎结果页内页面的优化布局、网络广告的效果的测评和用户体验的提升。

    基于支持向量机的慢性阻塞性肺疾病诊断辅助系统及方法

    公开(公告)号:CN108597601B

    公开(公告)日:2021-06-25

    申请号:CN201810360519.9

    申请日:2018-04-20

    Abstract: 本发明公开了一种基于支持向量机的慢性阻塞性肺疾病诊断辅助系统及方法,该系统包括多特征输入器和处理器,处理器具有多维特征选择模块、支持向量机构建模块和支持向量机模型测试模块;多维特征选择模块建立第一样本,通过基于粗糙集的最大依赖度算法对第一样本进行特征降维,得到若干个主特征子集,建立以若干个主特征子集构成的样本集合作为第二样本;支持向量机构建模块构建支持向量机模型;支持向量机模型测试模块将所述第二样本随机分为训练集和预测集,生成训练器,根据支持向量机模型预测通过降维得到的第二样本是否表现为慢性阻塞性肺疾病。本发明基于支持向量机模型,使得慢性阻塞性肺疾病与病患的各项生理指标建立联系,测试准确度高。

    基于多模态特征的互联网广告效果测评方法及系统

    公开(公告)号:CN107798563B

    公开(公告)日:2020-05-05

    申请号:CN201711098741.8

    申请日:2017-11-09

    Abstract: 本发明公开了基于多模态特征的互联网广告效果测评方法及系统,包括:步骤(1):采集各项数据:采集用户的个人基本信息及认知方式,用户在浏览互联网网页过程中产生的多模态行为特征以及用户对广告的记忆程度信息;步骤(2):数据分析与特征提取:根据所述采集的数据,通过特征相关性分析筛选特征,进行特征融合;步骤(3):建立广告记忆力模型:挖掘用户的浏览模式,将用户的浏览模式融合步骤(2)得到的特征,构建广告记忆力模型;步骤(4):利用已经建立好的广告记忆力模型计算用户对广告的记忆程度,从而对互联网广告效果进行测评。实现搜索引擎结果页内页面的优化布局、网络广告的效果的测评和用户体验的提升。

    基于机器学习的人体减重方案推荐方法、系统及介质

    公开(公告)号:CN109065113A

    公开(公告)日:2018-12-21

    申请号:CN201810763874.0

    申请日:2018-07-12

    CPC classification number: G16H20/00 G06F17/18

    Abstract: 本发明公开了基于机器学习的人体减重方案推荐方法、系统及介质,构建训练集,对每个训练样本采集若干个人体机能测量值;对采集的测量值进行预处理;从预处理后的测量值中提取基础代谢率特征、躯干皮下脂肪百分率特征和内脏脂肪指数特征,对提取的基础代谢率、躯干皮下脂肪百分率和内脏脂肪指数特征进行特征融合,将每个样本融合后的特征和每个样本预先设置的减重方案标签输入到预先搭建的神经网络模型中进行训练,得到训练好的神经网络模型;对测试样本采集若干个人体机能测量值;对采集的测量值进行预处理;对预处理后的测量值提取三个特征,进行特征融合,将每个测试样本融合后的特征输入到训练好的神经网络模型中,输出推荐的减重方案。

    一种移动平台众包任务定价方法及系统

    公开(公告)号:CN108205515A

    公开(公告)日:2018-06-26

    申请号:CN201711405763.4

    申请日:2017-12-22

    CPC classification number: G06F17/18 G06F17/11 G06Q30/0283

    Abstract: 本发明提供一种移动平台众包任务定价方法及系统,包括以下步骤:数据采集:采集劳务众包平台的众包任务信息,对众包任务信息进行可视化和预处理;所述众包任务信息包括:众包任务编号、众包任务定价、众包任务的经纬度和众包任务的执行情况;分析任务定价影响因素:筛选任务定价的影响因素;建立任务定价模型:通过确定的特征,建立多元非线性回归模型;利用多元非线性回归模型对待定价任务进行定价。本发明对众包任务完成情况的数据进行数据采集、数据分析、数据处理和特征提取;分析任务定价可能的影响因素,建立多元非线性回归模型,综合分析直接因素和客观因素对任务定价的影响程度,确定移动互联网自助式劳务众包平台的任务定价方法。

Patent Agency Ranking