-
公开(公告)号：CN111275356A
公开(公告)日：2020-06-12
申请号：CN202010114279.1
申请日：2020-02-25
Applicant: 福州大学
Abstract: 本发明涉及基于混合调度算法的SMT车间智能排程方法，其特征在于，提供一SMT车间智能排程系统，包括数据管理模块和生产计划排程模块，具体包括以下步骤：步骤S1:采集排程需求和约束，并构建构建数据管理模块；步骤S2:将未加工订单信息输入数据管理模块，得到已锁定订单排程和未锁定待排订单信息；步骤S3:生产计划排程模块根据实际排程约束，构建基于混合调度算法的SMT车间智能排程模型；步骤S4:根据未锁定待排订单信息，并基于混合调度算法的SMT车间智能排程模型，得到最优未锁定待排订单排程。
-
公开(公告)号：CN111009316B
公开(公告)日：2022-06-21
申请号：CN201911356327.1
申请日：2019-12-25
Applicant: 福州大学
Abstract: 本发明涉及一种基于贝叶斯网络的医患匹配方法，包括：步骤S1：采集电子病历数据，确定疾病和症状节点及其取值，并作为训练集数据；步骤S2:构建‘疾病‑疾病/疾病‑症状’自交互矩阵，并作为贝叶斯网络的约束；步骤S3:构建贝叶斯网络模型，并进行结构学习和参数学习；步骤S4:患者将病症输入贝叶斯网络预诊模型，得到计算主疾病和并发症并发的所有可能的疾病组合；步骤S5计算医生和患者的匹配指数步骤S6:基于医生和患者的匹配指数构建医生推荐模型；步骤S7:根据患者偏好指数，得到患者和医生的最优分配。本发明结合了预诊结果、医生专长、医生工作量和患者偏好进行医患匹配，解决了目前医患匹配技术不够准确的缺陷。
-
公开(公告)号：CN111009316A
公开(公告)日：2020-04-14
申请号：CN201911356327.1
申请日：2019-12-25
Applicant: 福州大学
Abstract: 本发明涉及一种基于贝叶斯网络的医患匹配方法，包括：步骤S1：采集电子病历数据，确定疾病和症状节点及其取值，并作为训练集数据；步骤S2:构建‘疾病-疾病/疾病-症状’自交互矩阵，并作为贝叶斯网络的约束；步骤S3:构建贝叶斯网络模型，并进行结构学习和参数学习；步骤S4:患者将病症输入贝叶斯网络预诊模型，得到计算主疾病和并发症并发的所有可能的疾病组合；步骤S5计算医生和患者的匹配指数步骤S6:基于医生和患者的匹配指数构建医生推荐模型；步骤S7:根据患者偏好指数，得到患者和医生的最优分配。本发明结合了预诊结果、医生专长、医生工作量和患者偏好进行医患匹配，解决了目前医患匹配技术不够准确的缺陷。
-
-
Search Results
3
records
(took 0.014 seconds)
