-
公开(公告)号：CN118588311A
公开(公告)日：2024-09-03
申请号：CN202410953868.7
申请日：2024-07-17
申请人： 曲阜师范大学
IPC分类号： G16H50/70 , G16B30/10 , G16B40/10 , G06F18/213 , G06F18/22 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/084
摘要： 本发明公开了一种基于特征融合代理注意力图卷积网络的piRNA‑疾病关联预测方法，包括以下步骤：首先，将piRNA序列相似性和piRNA高斯互作核相似性信息整合，将疾病语义相似性和疾病高斯互作核相似性信息整合，利用整合后的相似性信息与piRNA‑疾病关联信息构建异构网络。其次，将异构网络输入到图卷积网络中提取特征，对特征按照维度分组后分别输入到特征转换网络进行特征空间转换，以提取初始特征。然后，将初始特征作为输入，利用Topk图池化方法重构特征，以构建特征子图。最后，将特征子图与初始特征利用特征融合代理注意力机制融合，并通过计算余弦相似性得到piRNA‑疾病关联重构分数。本发明创建的特征融合代理注意力机制方法实现了更加准确的piRNA‑疾病关联预测效果。
-
公开(公告)号：CN117912695A
公开(公告)日：2024-04-19
申请号：CN202410163827.8
申请日：2024-02-05
申请人： 曲阜师范大学
摘要： 本发明公开了一种基于分组特征转换图卷积网络的piRNA‑疾病关联预测方法，包括以下步骤：首先，将piRNA‑疾病关联数据、piRNA序列相似性数据、疾病语义相似性数据、高斯互作核相似性数据映射到二层异构网络中；其次，将异构网络作为分组特征转换图卷积网络的输入，对网络分组以提取piRNA和疾病的多组特征表示，通过特征转换网络将多组piRNA的特征转换到疾病的特征空间，同时引入层注意力机制，以解决图卷积神经网络不同层对节点特征贡献不一致的问题；最后，通过特征融合注意力机制将多组余弦相似性关联分数融合得到piRNA‑疾病关联重构分数。本发明创建的分组特征转换网络实现了更加准确的piRNA‑疾病关联预测效果。
-
公开(公告)号：CN117909835A
公开(公告)日：2024-04-19
申请号：CN202410163828.2
申请日：2024-02-05
申请人： 曲阜师范大学
IPC分类号： G06F18/241 , G06F18/22 , G06N3/0475 , G06N3/094 , G06N3/084 , G06F18/213 , G06F17/16 , G16B25/10
摘要： 本发明公开了一种基于预训练虚拟对抗域自适应网络的单细胞类型注释模型pscAdapt。本发明首先提出了预训练策略完成模型参数的初始化以学习源域的数据分布，结合对抗学习策略训练域自适应网络实现域级对齐，减少邻域间的差异。其次，设计了结构相似度损失，实现细胞级对齐，增强细胞类别的可判别性。最后，利用虚拟对抗训练模块，添加随机扰动生成对抗样本，以增强模型的泛化能力。在44个数据集上进行实验以验证pscAdapt模型的有效性。实验结果表明，所提出的pscAdapt模型在细胞类型注释及批次校正方面均优于当前流行的细胞类型注释模型。
-
公开(公告)号：CN117113059A
公开(公告)日：2023-11-24
申请号：CN202311131423.2
申请日：2023-09-04
申请人： 曲阜师范大学
IPC分类号： G06F18/213 , G06F18/10 , G06F18/25
摘要： 特征选择是数据挖掘过程中的一个重要组成部分，也是近年来数据挖掘领域的研究热点。现有的基于信息熵的特征选择技术往往会引入较为复杂的互信息形式来度量特征，这可能会导致更多的冗余信息的引入和误差。为了避免更为复杂的互信息形式，本发明提出了一种融合Copula与Kendall’s 关联关系（Ccor）和最大互信息系数（MIC）的特征选择技术（FSCME）。FSCME使用Ccor来衡量特征和特征之间的冗余度以及特征和标签之间的相关性。同时，为了增大特征和标签相关性的可信度，增加使用了MIC来共同衡量特征和标签之间的相关性。此外，FSCME特征选择技术还使用了客观赋权方法——熵权法对两个关联测度进行评价、赋权。结果表明，FSCME为后续聚类过程提供了更好的特征子集，同时，与其他先进技术相比，经过FSCME选择出的特征子集令分类性能有了优秀提升。
-
公开(公告)号：CN118447917A
公开(公告)日：2024-08-06
申请号：CN202410666075.7
申请日：2024-05-28
申请人： 曲阜师范大学
IPC分类号： G16B15/30 , G16C20/30 , G16H70/40 , G06N3/0464
摘要： 本发明属于智能计算与数据挖掘领域，公开了一种基于自适应多核图神经网络的药物互作预测方法。首先，针对原始药物互作数据，按照药物互作类型分别构建增加药物互作图和减少药物互作图。其次，构建特定卷积模块和共识卷积模块，以提取药物互作图中节点的嵌入表示。然后，将自动编码器的输出集成到自适应核图神经网络中，以生成更准确的嵌入表示。接着，利用注意力机制加权融合节点的特定和共享嵌入，以生成最终的节点嵌入表示。随后，将药物对的嵌入表示输入到深度神经网络，得到药物互作预测结果。本发明方法充分挖掘了不同类型药物互作数据的潜在特征信息并将其有效融合，对提高患者临床诊断结果的准确性以及推动精准医疗具有重要意义。
-
公开(公告)号：CN116978454A
公开(公告)日：2023-10-31
申请号：CN202310691545.0
申请日：2023-06-12
申请人： 曲阜师范大学
摘要： 本发明提出了一种基于蚁群算法优化SNP互作选择精度的方法和系统，该方法包括：在搜索空间中使每只人工蚂蚁选择一个SNP互作，将所有人工蚂蚁划分为若干种群，并为每个种群分配一个适应度函数，通过适应度函数评价SNP互作与疾病表型之间的关联；采用任一信息素更新策略更新信息素矩阵；在蚁群算法每次迭代过程中，以蚂蚁的最大化累积报酬为目标设置自学习机制，通过所述自学习机制改变信息素更新策略。基于该方法，还提出了一种基于蚁群算法优化SNP互作选择精度的系统。本发明以准确选择与疾病表型有关SNP互作，设计了几种不同的路径选择策略，基于强化学习，在算法的搜索过程中自适应选择能给算法带来最大选择能力的路径选择策略。
-
公开(公告)号：CN118969103A
公开(公告)日：2024-11-15
申请号：CN202410875275.3
申请日：2024-07-02
申请人： 曲阜师范大学
IPC分类号： G16B40/30 , G16B30/00 , G06F18/23213 , G06F18/22 , G06F18/211 , G06F18/25
摘要： 本发明属于单细胞RNA测序技术的技术领域，涉及数据挖掘、人工智能、算法优化、单细胞多组学领域，特别涉及一种提高单细胞多视图聚类精度的方法：包括以下步骤：计算取得多视图数据{Vm}；应用k近邻构建多视角相似性图{Sm}；通过将不同视图进行加权得到带权图：优化{Sm}、w、U；根据{Sm}构建H；优化结构图A并进行归一化；融合带权图和结构图，并利用#imgabs0#构造对称归一化矩阵T；通过归一化拉普拉斯矩阵L和对特征向量F应用k‑means算法，最后数据点被分成了c个不同细胞类型的簇。本专利的优点在于通过多种技术提升了单细胞聚类的精度。
-
公开(公告)号：CN118690836A
公开(公告)日：2024-09-24
申请号：CN202410953867.2
申请日：2024-07-17
申请人： 曲阜师范大学
IPC分类号： G06N3/126 , G06F18/10 , G06F18/23 , G06F18/2411 , G06F18/30
摘要： 本发明公开了一种基于多目标邻域协同进化的社区检测方法NCMOGA，包括如下步骤：引入预处理策略，以在进化前和进化过程中降低网络规模；设计邻域协同进化策略，在每一次迭代中根据每个个体的邻域组成对应子种群，并在子种群中进行交叉变异更新操作，强调个体与其邻居之间的协同作用；基于密度峰值聚类的中心选择思想进行交配选择和交叉，以选择重要的节点生成子代。在合成网络、真实网络以及基因共表达网络上分别进行实验以验证NCMOGA的社区检测性能。实验结果表明，NCMOGA是一种具有竞争力的社区检测算法。
-
公开(公告)号：CN117951603A
公开(公告)日：2024-04-30
申请号：CN202410178800.6
申请日：2024-02-16
申请人： 曲阜师范大学
IPC分类号： G06F18/2415 , G06N3/0464 , G06N3/0455 , G16H50/70
摘要： 本发明属于智能计算与数据挖掘领域，公开了一种基于增强图卷积自编码器的多组学数据分类方法。首先，针对每种组学数据，通过增强图卷积自编码器结合组学数据的属性信息与拓扑结构信息，以学习更全面的组学特征表示；接着采用真实类概率处理不同组学数据质量的固有变异性和波动对样本的影响，获得不同组学数据下分类预测概率分布；最后设计了一个张量融合网络在标签空间中探索组间关系和组内关系，以实现高效的多组学数据融合及分类。本发明方法充分挖掘了组学数据的潜在特征信息以及组学数据类型之间的交互作用和相关性，分类性能优秀，对提高患者临床诊断结果的准确性以及推动精准医疗具有重要意义。
-
公开(公告)号：CN116861948A
公开(公告)日：2023-10-10
申请号：CN202310768194.9
申请日：2023-06-27
申请人： 曲阜师范大学
摘要： 本发明公开了一种用于特征互作选择的精英保留分组方法及系统，方法包括以下步骤：将原始高维数据随机均分为多个低维子集，优化器在每个子集中分别初始化一个包含多个个体的种群；使用优化器对每个子集进行迭代优化，迭代完成后选择最优特征互作保存在外部子集中并重新对原始高维数据进行分组，重复迭代优化及分组过程，直到满足最大分组次数；根据所述外部子集，精确搜索特征互作，输出最优特征子集。本方法的一种高效且有效用于特征互作选择的精英保留分组技术，提出了资源分配策略和精英保留策略，可以在有效分组数据集中特征的前提下，充分利用计算资源，降低分组次数，以提升优化效率和运算效率。
-
-
-
-
-
-
-
-
-
搜索结果
18 条记录 (耗时 0.025 秒)
