-
公开(公告)号：CN114334063A
公开(公告)日：2022-04-12
申请号：CN202111676862.2
申请日：2021-12-31
申请人： 华南理工大学
IPC分类号： G16H10/60 , G06F21/62 , G06F16/906 , G06F16/908
摘要： 本发明公开了一种医疗病历分级管理系统，该系统包括数据存储模块、数据调度服务器和用户操作模块；本系统利用分级管理的概念将医院的架构划分为地区分院、科室、诊室、确诊类型这四级架构进行病历管理。并通过设计权限系统来划分登录系统的每个用户可以查看或操作病历的权限，以确保病历信息的隐私保护。每个分级架构下的病历管理模块都包括病历检索、病历列表、病历录入、病历详情、批量病历导入以及批量病历导出等功能。本发明解决了病历管理中病历归类结构不清的问题，以及用户权限划分不明确导致的病历信息隐私保护薄弱的问题，同时本发明通过完善用户操作模块的功能设计能够有效提高医疗工作者进行病历维护的效率。
-
公开(公告)号：CN112329002A
公开(公告)日：2021-02-05
申请号：CN202010893455.6
申请日：2020-08-31
申请人： 华南理工大学 , 广东省科技基础条件平台中心
IPC分类号： G06F21/46
摘要： 本发明公开了根据部分口令明文特征动态调整猜测规则执行次序的方法。所述方法包括以下步骤：输入待猜测密文集合C并对其进行字典攻击，得到部分猜测口令明文集合Q；输入总猜测次数为S的猜测规则集合RS，计算猜测规则集合RS中每条口令猜测规则的长度特征向量和字符类型数特征向量；根据部分猜测口令明文集合Q的长度特征向量和字符类型数特征向量估计待猜测口令明文集合P的长度特征和字符类型数特征；根据估计的长度特征和字符类型数特征调整猜测规则集合RS的尝试次序，并根据调整后的尝试次序依次使用规则对待猜测密文集合C继续进行猜测。本发明可以准确地估计整体口令的长度特征和字符类型数特征，从而缩短获得猜测结果的时间。
-
公开(公告)号：CN109992773B
公开(公告)日：2020-10-27
申请号：CN201910213032.2
申请日：2019-03-20
申请人： 华南理工大学
IPC分类号： G06F40/295 , G06F40/247
摘要： 本发明公开了一种基于多任务学习的词向量训练方法、系统、设备及介质，所述方法包括：获取训练集，所述训练集包括文本词语序列‑命名实体标签序列的配对数据；搭建语言模型模块和命名实体识别模块，将语言模型模块和命名实体识别模块作为外部模块；交替训练词向量字典和外部模块，所述词向量字典采用文本词语序列和外部模块的输出进行训练，所述语言模型模块采用词向量字典训练输出的词向量序列进行训练，所述命名实体识别模块采用词向量字典训练输出的词向量序列和命名实体标签序列进行训练。本发明可以提高词向量在多个外部实际任务中的测试效果以及增强词向量表示的鲁棒性。
-
公开(公告)号：CN109977194A
公开(公告)日：2019-07-05
申请号：CN201910211396.7
申请日：2019-03-20
申请人： 华南理工大学
摘要： 本发明公开了一种基于无监督学习的文本相似度计算方法、系统、设备及介质，所述方法包括：获取训练集，将训练集中的每篇文本作为摘要生成网络的输入，得到每篇文本对应的摘要，构成文本集合与摘要集合；搭建相似度计算网络；采用文本集合和摘要集合对相似度计算网络进行训练；将待处理的两篇文本输入训练后的相似度计算网络，输出这两篇文本的相似度。本发明无需人工标记的配对数据就可以进行训练与学习，大大降低了数据获取的成本。
-
公开(公告)号：CN107657317A
公开(公告)日：2018-02-02
申请号：CN201710844582.5
申请日：2017-09-19
申请人： 华南理工大学
CPC分类号： G06N3/08 , G06K9/00523
摘要： 本发明公开了一种基于确定学习和时空LZ复杂度的动态特征提取方法，所述方法包括以下步骤：沿被测量系统的状态轨迹，采用确定学习算法对系统内在动态进行局部准确建模和学习；将学习得到的系统内在动态保存到常值RBF神经网络中，组成系统的动力学轨迹；在Lempel-Ziv复杂度基础上，建立时间LZ复杂度和空间LZ复杂度两个特征指标组成时空LZ复杂度；使用时空LZ复杂度对得到的动力学轨迹进行复杂度特征提取，从时间域和空间域上进行复杂度表征。本发明方法适用于对未知的复杂非线性系统进行动态特征提取，可以对未知的系统状态轨迹进行学习得到动力学轨迹，从系统内在动态的角度进行复杂度表征，准确且敏感地反映出系统所处的实际状态。
-
公开(公告)号：CN104091177B
公开(公告)日：2017-11-07
申请号：CN201410306595.3
申请日：2014-06-30
申请人： 华南理工大学
摘要： 本发明公开了一种基于确定学习理论的异常步态检测方法。该方法的步骤包括：特征提取；基于提取的步态特征，对健康正常人和不同类型运动神经退行性疾病患者的步态系统动态进行神经网络建模、辨识；建立常值神经网络；利用常值神经网络构建动态估计器，基于健康正常人和不同类型运动神经退行性疾病患者的步态模式之间在步态系统动力学上的差异，根据最小误差原则区分运动神经退行性疾病所引起的异常步态和一般健康人群的正常步态，实现对异常步态的准确检测，并对检测效果进行评价。具有方便简单、非侵入，且在智能家居环境下，通过安装压力感应地板系统或穿戴带传感器鞋垫的特制鞋子，可以实现家庭成员的日常步态监控等优点。
-
公开(公告)号：CN103065192A
公开(公告)日：2013-04-24
申请号：CN201210560790.X
申请日：2012-12-20
申请人： 华南理工大学
IPC分类号： G06N3/08
摘要： 本发明公开了一种基于确定学习理论的海量时态数据建模方法，该方法针对的是一类在科学研究与工程实践中普遍存在的、一般可以看作是由离散非线性系统产生的带有噪声的海量时态数据。建模过程包括：海量时态数据定义及滤波预处理；采用动态RBF神经网络构造神经网络辨识器，设计合理的RBF神经网络权值的调节律；对海量时态数据的神经网络建模。具有使海量时态数据的建模及其性能分析更为简洁和可进一步用于对海量时态数据的快速相似性判断等优点。
-
公开(公告)号：CN114528423A
公开(公告)日：2022-05-24
申请号：CN202210086941.6
申请日：2022-01-25
申请人： 华南理工大学
摘要： 本发明公开了一种心电图数据的存储方法、系统、装置及介质，其中方法包括：设计每个用户的角色信息及权限信息，所述权限信息用于限制用户的操作权限；获取用户上传的心电图数据，对心电图数据进行加密处理，生成密文；对密文进行分割，将密文分为N个密文切片；将N个密文切片分别嵌入到N张图片载体中，生成N张隐密图片载体；将N张隐密图片载体持久化到文件服务器中，并与病人ID号进行关联。本发明解决了当前心电图数据安全性低、信息泄露风险高、数据库备份量大的问题。本发明可广泛应用于数据安全技术领域。
-
公开(公告)号：CN114334069A
公开(公告)日：2022-04-12
申请号：CN202111676863.7
申请日：2021-12-31
申请人： 华南理工大学
摘要： 本发明公开了一种基于web的电子病历信息可视化方法，该方法包括以下步骤：将电子病历内容抽离为三个部分：实体、实体间关系、实体属性。对于单个数据的数值指标类实体，设计实体节点类型，使用颜色区分该指标的数据情况。对于包含时序数据的数值指标类实体，设计组合式实体节点用于展示指标数值变化的趋势。为实体设置节点作用力，根据实体之间的结构关系构建电子病历信息力导向图。本发明能同时从结构维度和时间维度展示电子病历信息，以直观的方式体现出生理指标数据是否异常以及同一生理指标在手术前后或用药前后的变化趋势，能够多维度清晰且直观地展示电子病历中的重要医疗数据信息。
-
公开(公告)号：CN112733075A
公开(公告)日：2021-04-30
申请号：CN202011585105.X
申请日：2020-12-28
申请人： 华南理工大学
摘要： 本发明公开了基于确定学习与插值算法的分布参数系统全局辨识方法。所述方法包括以下步骤：使用有限差分方法中的直线法(method of lines)对由偏微分方程描述的分布参数系统，对其在空间上进行离散，将其转化为一组常微分方程组；基于确定学习对分布参数系统降维后得到的常微分方程组进行系统辨识，实现对分布参数系统在有限个空间离散点上的准确辨识；基于有限个空间离散点上系统动态的辨识结果，采用插值方法对除前述的空间离散点以外的其他任意空间点上的系统动态进行近似，进而实现对分布参数系统的全局辨识。本发明部分解决了分布参数系统辨识中持续激励条件的满足，保证对降维后的常微分方程组的准确辨识。
-
-
-
-
-
-
-
-
-
搜索结果
59 条记录 (耗时 0.096 秒)