-
公开(公告)号：CN110175631B
公开(公告)日：2022-08-30
申请号：CN201910352469.4
申请日：2019-04-28
Applicant: 南京邮电大学
IPC: G06V10/762 , G06K9/62 , G06F17/16
Abstract: 本发明揭示了一种基于共同学习子空间结构和聚类指示矩阵的多视图图像聚类方法，该方法包括如下步骤：S1：获取多视图图像数据；S2：对给定多视图图像数据进行子空间学习，得到多视图子空间表示、连续指示矩阵、离散指示矩阵；S3：对多视图子空间表示、连续指示矩阵、离散指示矩阵进行迭代更新，得到更新后的多视图子空间表示；S4：应用所述S3步骤得到的多视图子空间表示构造邻接矩阵；S5：应用所述S4步骤得到的邻接矩阵，调用谱聚类算法，得到聚类结果。与已有的多视图聚类方法相比，大量的实验结果证明该方法可以显著提高收敛速率和聚类性能。
-
公开(公告)号：CN112133450A
公开(公告)日：2020-12-25
申请号：CN202010841630.7
申请日：2020-08-20
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于决策树分层的药品不良反应数据遮蔽效应消除的方法，所述方法以中国药品不良反应即ADR报告数据为基础，研究基于决策树分层的药品不良反应数据遮蔽效应消除的问题，设计了基于标准库的评价指标并构建了实现多级分层的决策树，以MHRA信号检测方法来比较分层前后数据集信号检测的差异性，最终给出了实现削减药品不良反应数据遮蔽效应的基于决策树的多级分层策略。本发明为中国药品不良反应报告进行信号检测中数据遮蔽效应的消除提供了一种可参考方法。
-
公开(公告)号：CN111415757A
公开(公告)日：2020-07-14
申请号：CN202010190533.6
申请日：2020-03-18
Applicant: 南京邮电大学
IPC: G16H70/40
Abstract: 本发明提出了一种基于概念泛化的药品类风险特征挖掘的方法，包括以下步骤：数据处理；药品的概念泛化与统计；概念泛化后的数据组织：将原始ADR数据按照“药品类-不良反应”组合重新组织并计算各组合的频次；步骤4)信号检测：运用信号检测的IC方法对所述样本“目标药物类-目标不良反应”进行信号检测，求出所有“药品类-不良反应”之间的IC值；步骤5）不良反应的概念泛化；步骤6）特征提取：对上述IC值按降序排列，并利用DCG特征提取方法，计算药品类引起的每个累及系统器官损害的得分，以DCG得分来衡量“药品类”与“累及系统器官”之间的关联风险程度，本发明可挖掘出“药品类”与“累及系统器官”之间的关联信号。
-
公开(公告)号：CN110263407A
公开(公告)日：2019-09-20
申请号：CN201910510874.4
申请日：2019-06-13
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于物联网与大数据的地铁环控节能云模型构建方法，包括如下步骤：步骤1：构建地铁节能云平台，所述云平台包括数据采集层、存储层和计算层；步骤2：建立地铁环控节能云模型；步骤3：利用预测结果对地铁环控节能情况进行分析并作出调整。本发明采用云平台下大数据技术与物联网的结合，实现了地铁环控系统的智能管理；提出运用机器学习算法，将人工智能与地铁大数据结合，实现分析与预测；大数据平台的使用，可对数据流进行实时分析处理。
-
公开(公告)号：CN112133450B
公开(公告)日：2022-08-23
申请号：CN202010841630.7
申请日：2020-08-20
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于决策树分层的药品不良反应数据遮蔽效应消除的方法，所述方法以中国药品不良反应即ADR报告数据为基础，研究基于决策树分层的药品不良反应数据遮蔽效应消除的问题，设计了基于标准库的评价指标并构建了实现多级分层的决策树，以MHRA信号检测方法来比较分层前后数据集信号检测的差异性，最终给出了实现削减药品不良反应数据遮蔽效应的基于决策树的多级分层策略。本发明为中国药品不良反应报告进行信号检测中数据遮蔽效应的消除提供了一种可参考方法。
-
Patent Agency Ranking
公开(公告)号：CN110782997A
公开(公告)日：2020-02-11
申请号：CN201910940526.0
申请日：2019-09-30
Applicant: 南京邮电大学
Abstract: 本发明提出了一种用于上市后药品风险自动识别的风险评估模型，所述方法以我国药品不良反应ADR西药报告数据为基础，以FA：ADR发生率、FB：ADR伤害指数、FC：ADR覆盖率、FD：ADR严重程度四个指标建立综合评价指标。将药品风险值FADR定义为上述四个指标的加权和，FADR=αFA+βFB+γFC+δFD，利用人工蜂群算法ABC算法在我国ADR监测数据中进行仿真实验，约束条件为α+β+γ+δ=1，且α，β，γ，δ∈（0，1），求得各个权重的最优解和最终的药品风险值FADR。本发明为上市后药品安全监测与管理提供了一种用于药品风险量化表示的方法，为后期非处方药和处方药的类别转化提供一个方便可靠的自动识别的参考模型。
-
公开(公告)号：CN110175631A
公开(公告)日：2019-08-27
申请号：CN201910352469.4
申请日：2019-04-28
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于共同学习子空间结构和聚类指示矩阵的多视图图像聚类方法，该方法包括如下步骤：S1：获取多视图图像数据；S2：对给定多视图图像数据进行子空间学习，得到多视图子空间表示、连续指示矩阵、离散指示矩阵；S3：对多视图子空间表示、连续指示矩阵、离散指示矩阵进行迭代更新，得到更新后的多视图子空间表示；S4：应用所述S3步骤得到的多视图子空间表示构造邻接矩阵；S5：应用所述S4步骤得到的邻接矩阵，调用谱聚类算法，得到聚类结果。与已有的多视图聚类方法相比，大量的实验结果证明该方法可以显著提高收敛速率和聚类性能。
-
公开(公告)号：CN109034182A
公开(公告)日：2018-12-18
申请号：CN201810567969.5
申请日：2018-06-04
Applicant: 南京邮电大学
IPC: G06K9/62
CPC classification number: G06K9/6276
Abstract: 本发明公开了一种基于属性约束的零样本图像识别新方法，本方法利用正太分布虚拟出已知类别训练样本的真实属性来减少其属性噪声问题带来的影响，其次基于编码器‑解码器模型在已知类别训练样本和待测试未知类别样本上共同学习一个属性预测器达到有效减少语义迁移影响的目的，最后通过最近邻分类器获得待测试未知类别样本的标签。与现有的其他零样本图像识别方法相比，我们的方法在识别率上取得显著提高。
-
公开(公告)号：CN110459292B
公开(公告)日：2022-09-20
申请号：CN201910592286.X
申请日：2019-07-02
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于聚类和概率神经网络(Probabilistic Neural Network，PNN)的药品风险分级方法，实现对于药品风险分级的信息化智能化管理。该方法采用无监督学习与有监督学习相结合的策略，利用模糊C均值聚类方法，解决为原始药品数据自动风险级别标注的问题，再利用概率神经网络算法对带有风险等级标签的数据集进行训练，实现新上市药品的风险级别预测。
-
公开(公告)号：CN110459292A
公开(公告)日：2019-11-15
申请号：CN201910592286.X
申请日：2019-07-02
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于聚类和概率神经网络(Probabilistic Neural Network，PNN)的药品风险分级方法，实现对于药品风险分级的信息化智能化管理。该方法采用无监督学习与有监督学习相结合的策略，利用模糊C均值聚类方法，解决为原始药品数据自动风险级别标注的问题，再利用概率神经网络算法对带有风险等级标签的数据集进行训练，实现新上市药品的风险级别预测。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.021 seconds)
