-
公开(公告)号：CN105320753A
公开(公告)日：2016-02-10
申请号：CN201510642981.4
申请日：2015-09-30
Applicant: 重庆大学
IPC: G06F17/30
CPC classification number: G06F17/30705
Abstract: 本发明公开了一种基于层次引力模型的不平衡数据分类方法及其系统，该方法包括以下步骤：S1，获取待分类样本集Z，待分类样本集Z中的样本都包含D个属性，D为正整数；S2，对样本的属性值进行区间划分，每个属性划分为L个区间，L为正整数，样本划分为LD个D维立方体，并计算属性权重；S3，划分特征空间，将待分类样本集Z放入对应的层次D维立方体里，结合引力模型对样本进行标记分类。本发明解决以下问题：针对多层次模型在不同分辨率下对属性进行加权，改善了层次模型的分类性能；通过对属性在不同分辨率下进行划分建立层次分类模型，提高了分类的效率；使用局部引力模型优化了空间重叠区域数据的分类精度。
-
公开(公告)号：CN119356853A
公开(公告)日：2025-01-24
申请号：CN202411381359.8
申请日：2024-09-30
Applicant: 重庆大学
Abstract: 本发明提供了基于信念传播的分布式约束优化求解方法及系统，应用于计算资源的调度，该方法包括：基于各个用户设备的计算任务信息以及各边缘服务器的资源情况，构建基于节点贡献度优先的伪树通信结构；根据伪树通信结构，基于信念传播的分布式抽取框架，得到各计算任务的最佳分配方案；本发明提出的方法，节点可根据其状态确定信念传播的方向，缓解信念传播在有环因子图上的重复计算，并通过迭代的方式改变节点的状态，能够适应环境的动态变化，合理分配计算资源，实现任务的最佳分配，从而从根源上解决了现有的Decimation Max‑Sum方法在实现边缘网络的计算资源调度时，依赖初始变量选择顺序和策略，无法适应动态环境，无法获得任务最佳分配方案的问题。
-
公开(公告)号：CN116959244A
公开(公告)日：2023-10-27
申请号：CN202310770589.2
申请日：2023-06-28
Applicant: 重庆大学
Abstract: 本发明属于智能交通系统技术领域，具体公开了一种基于区域危险度的车载网信道拥塞控制方法及系统，该系统基于影响行车安全的驾驶员因素、车辆因素和环境因素，运用组合模糊推理方法对单车辆的行车风险进行评估；评估道路区域的行车风险，并使用卷积长短期记忆神经网络，对道路区域进行行车风险短时预测；构建非合作博弈模型，将车辆所在道路区域的行车风险和安全消息纳入非合作博弈模型的效用函数内；求解效用函数，得到车载网信道拥塞控制的均衡策略。采用本技术方案，能够全面、有效地评估驾驶员因素、车辆因素和环境因素相互作用对行车风险的影响，得到更全面、更准确的行车风险评估结果。
-
公开(公告)号：CN111783953B
公开(公告)日：2023-08-11
申请号：CN202010616978.6
申请日：2020-06-30
Applicant: 重庆大学
Abstract: 本发明提供了一种基于优化LSTM网络的24点电力负荷值7日预测方法，包含数据采集、数据分析及数据预处理；划分数据集为训练集和验证集；基于训练集，利用粒子群优化算法PSO对长短期记忆神经网络LSTM进行参数优化，确定适用在本发明的24点电力负荷预测中LSTM网络的隐含层节点数、学习率和迭代次数这三个参数的最优值，并将训练集作为输入，基于优化的LSTM网络来预测未来7日24点的电力负荷值，根据模型输出的电力负荷数据与验证集做比较，结合平均绝对误差MAE和均方根误差RMSE两个指标，得到模型的预测准确度。通过本发明的预测方法，提高了预测准确性和时效性，预测效果较现有电力负荷预测方法更好。
-
公开(公告)号：CN111462896B
公开(公告)日：2023-04-18
申请号：CN202010244659.7
申请日：2020-03-31
Applicant: 重庆大学
IPC: G16H50/20 , G06F18/2415 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/047 , G06N3/088
Abstract: 本发明公开一种基于病案的实时智能辅助ICD编码系统和方法，通过医院的病历数据库中获取病案信息；对病案信息进行预处理与特征向量构建从而得到两类训练样本集；基于训练样本集，对主编码模型进行训练从而得到seq2seq+attention模型；基于训练样本集，对漏诊检测模型进行训练；分别获取主编码模型和漏诊检测模型推荐的ICD编码和置信度，并推荐给医生确认。本发明通过自动疾病名称对齐技术构建训练样本集，减小了人工构造样本集的成本。通过深度学习技术，将不同风格下医生书写的诊断名称准确编码为标准的ICD疾病名称和编码，提高了ICD编码的准确率。利用深度学习模型对病历文本进行实时分析，辅助医生发现可能的漏写、错写的疾病诊断，提升了系统的查全率。
-
Patent Agency Ranking
公开(公告)号：CN115954077A
公开(公告)日：2023-04-11
申请号：CN202310058111.7
申请日：2023-01-17
Applicant: 重庆大学
IPC: G16H10/60 , G16H50/70 , G06F16/35 , G06N3/048 , G06N3/049 , G06N3/047 , G06N3/0442 , G06N3/045 , G06N3/0499 , G06N3/08
Abstract: 本发明公开一种粗细粒度结合的层次化ICD编码方法和系统，包括以下步骤：S1：输入电子病历文本和对应的疾病标准名称；S2：获取电子病历文本中的医生诊断，再对电子病历文本、医生诊断和疾病标准名称进行预处理；S3：粗粒度筛选：对预处理的医生诊断进行第一词向量构建，并将第一词向量进行第一编码和第一解码，得到ICD编码的前三位，获取对应的ICD编码和疾病标准名称，作为候选项；S4：细粒度筛选：将经过预处理的电子病历文本和S3中候选项中疾病标准名称转换为第二词向量序列并进行第二编码，再对第二编码结果进行相似度评分；S5：将相似度评分最高的ICD编码作为输出结果。
-
公开(公告)号：CN111783953A
公开(公告)日：2020-10-16
申请号：CN202010616978.6
申请日：2020-06-30
Applicant: 重庆大学
Abstract: 本发明提供了一种基于优化LSTM网络的24点电力负荷值7日预测方法，包含数据采集、数据分析及数据预处理；划分数据集为训练集和验证集；基于训练集，利用粒子群优化算法PSO对长短期记忆神经网络LSTM进行参数优化，确定适用在本发明的24点电力负荷预测中LSTM网络的隐含层节点数、学习率和迭代次数这三个参数的最优值，并将训练集作为输入，基于优化的LSTM网络来预测未来7日24点的电力负荷值，根据模型输出的电力负荷数据与验证集做比较，结合平均绝对误差MAE和均方根误差RMSE两个指标，得到模型的预测准确度。通过本发明的预测方法，提高了预测准确性和时效性，预测效果较现有电力负荷预测方法更好。
-
公开(公告)号：CN111540468A
公开(公告)日：2020-08-14
申请号：CN202010318879.X
申请日：2020-04-21
Applicant: 重庆大学
IPC: G16H50/20 , G16H50/70 , G06F40/126 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种诊断原因可视化的ICD自动编码方法与系统，包括以下步骤：从病历文档库中获取病历数据,构建多标签分类数据集；对数据集进行预处理，将多标签分类的数据集转变为多个单标签分类的数据集；基于多个单标签分类的数据集完成层次注意力神经网络模型的训练；将医生书写诊断数据和病情描述数据输入到训练完成的层次注意力神经网络模型，从而得到预测ICD编码及名称；根据预测ICD名称，从病情描述数据提取对应的句子作为诊断原因可视化。本发明同时将医生书写诊断与病历描述数据作为模式特征，巧妙利用医生书写诊断作为分类过程中的监督信息，将传统多标签分类转化为更简单的单标签分类问题，从而提高了模型编码的准确性。
-
公开(公告)号：CN110704725A
公开(公告)日：2020-01-17
申请号：CN201910568895.1
申请日：2019-06-27
Applicant: 重庆大学
IPC: G06F16/9535 , G06Q50/18
Abstract: 本发明提供了一种基于专利的校企合作推荐算法，包括如下步骤：S1、建立UIC网络，UIC网络用快照Gt＝(t,V,Et,At,Wt)表示，其中，T是时间窗的大小，t∈(1,2,…,T)；V＝{v1,v2,…,vn}，v1,v2,…,vn表示每个专利申请人，V是所有专利申请人的集合，专利申请人的总数量有n个；E表示所有边的集合，边表示某两个专利申请人合作时在图中连接起来的边；A1,A2,…,AT是图G1,G2,…,GT的邻接矩阵，图Gt表示t时刻所有专利申请人构成的连线图，当专利申请人有合作关系时在图Gt中有连线；集合At中个体为At(vi,vj)，At(vi,vj)的值表示专利申请人vi与专利申请人vj具有合作关系；S2、根据PL(x)计算采样路径集合QL(x)；S3、根据PL(y)计算采样路径集合QL(y)；S4、计算t'(L,x,y)；S5、计算t'(L,y,x)；S6、计算S7、计算 基于专利的校企合作推荐算法和系统解决现有技术中不能实现预测和推荐校企网络合作伙伴的问题。
-
公开(公告)号：CN109934420A
公开(公告)日：2019-06-25
申请号：CN201910307472.4
申请日：2019-04-17
Applicant: 重庆大学
Abstract: 本发明公开了一种预测员工离职的方法及系统。该方法包括：构建第一训练集和第一验证集；建立第一随机森林预测模型，将第一训练集的所有特征按照重要度的高低依次排序，分别从第一训练集和第一验证集所有特征中选取重要度排名前m个特征作为特征子集，构建第二训练集和第二验证集；基于第二训练集建立第二随机森林预测模型，将决策树的投票权值依据所述决策树的F-measure值重新设置，获得离职预测模型；将测试集输入离职预测模型获得离职预测结果。基于传统随机森林算法，对数据特征的重要性进行排序以减少数据维度，节约了空间和时间成本，提高了预测效率；建立决策树的不同权值，解决数据不平衡问题。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.18 seconds)
