-
Patent Agency Ranking
公开(公告)号：CN113284612B
公开(公告)日：2024-04-16
申请号：CN202110560207.4
申请日：2021-05-21
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于XGBoost算法的生存分析方法，通过在原有的XGBoost方法中优化了目标函数，使用带有惩罚项的Cox回归作为新的学习目标。根据生存数据定制一个特定的损失函数，推导出损失函数的一阶和二阶梯度。并采用带有L1惩罚项的Cox偏似然估计的Breslow近似，导出了梯度的简化数学表达式。根据此表达式通过决策树算法优化个体危险比率预测值，从而实现了基于基因表达数据的疾病患者存活率的准确预测以及其对高维数据的解释性和适应性，有效预测患者的生存状态。
-
公开(公告)号：CN116825342A
公开(公告)日：2023-09-29
申请号：CN202310578600.5
申请日：2023-05-22
Applicant: 大连海事大学
IPC: G16H50/30 , G16H50/50 , G16H50/70 , G06F18/214 , G06F18/243 , G06F18/27
Abstract: 本发明公开了一种结合XGBoost和ElasticNet‑cox算法的生存预测方法，将带有ElasticNet的Cox模型与XGBoost算法结合来构建损失函数；通过ElasticNet‑cox的损失函数获得样本的个体危险比率预测值的一阶梯度与二阶梯度建立新的决策树；并通过训练样本集合训练所述新的决策树结合XGBoost框架来获取目标损失函数并优化个体危险比率的预测精度；保留训练后的新的决策树参数，并利用训练后的新的决策树获得测试样本集合计算性能指标；并选取性能指标最佳的决策树样本值，获取生存预测模型；再根据生存预测模型的个体危险比率预测值对个体样本未来的生存状态进行预测，XGBENC算法利用XGBoost算法学习表观基因组数据的非线性特性，结合了Cox回归模型与ElasticNet正则化，有效地对高维稀疏的基因表达数据进行处理。
-
公开(公告)号：CN113284612A
公开(公告)日：2021-08-20
申请号：CN202110560207.4
申请日：2021-05-21
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于XGBoost算法的生存分析方法，通过在原有的XGBoost方法中优化了目标函数，使用带有惩罚项的Cox回归作为新的学习目标。根据生存数据定制一个特定的损失函数，推导出损失函数的一阶和二阶梯度。并采用带有L1惩罚项的Cox偏似然估计的Breslow近似，导出了梯度的简化数学表达式。根据此表达式通过决策树算法优化个体危险比率预测值，从而实现了基于基因表达数据的疾病患者存活率的准确预测以及其对高维数据的解释性和适应性，有效预测患者的生存状态。
-
公开(公告)号：CN112735604A
公开(公告)日：2021-04-30
申请号：CN202110045563.2
申请日：2021-01-13
Applicant: 大连海事大学
Abstract: 本发明提供一种基于深度学习算法的新型冠状病毒分类方法，用于解决现有技术中存在的分类精度较低的技术问题，实现步骤为：获取现有可用病毒序列和新型冠状病毒数据集，预处理病毒序列数据集，使用三个级联的自动编码器将预处理后高维冗余的病毒序列特征进行特征提取实现数据降维，获取病毒序列非线性抽象特征，获取训练集数据和测试集数据，获取最优新型冠状病毒序列分类模型，使用所述最优新型冠状病毒序列分类模型预测新型冠状病毒数据的标签，本发明有效提高了新型冠状病毒分类的准确性。
-
公开(公告)号：CN112735604B
公开(公告)日：2024-03-26
申请号：CN202110045563.2
申请日：2021-01-13
Applicant: 大连海事大学
IPC: G16H50/80 , G06F18/241 , G06F17/14 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种基于深度学习算法的新型冠状病毒分类方法，用于解决现有技术中存在的分类精度较低的技术问题，实现步骤为：获取现有可用病毒序列和新型冠状病毒数据集，预处理病毒序列数据集，使用三个级联的自动编码器将预处理后高维冗余的病毒序列特征进行特征提取实现数据降维，获取病毒序列非线性抽象特征，获取训练集数据和测试集数据，获取最优新型冠状病毒序列分类模型，使用所述最优新型冠状病毒序列分类模型预测新型冠状病毒数据的标签，本发明有效提高了新型冠状病毒分类的准确性。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
