-
公开(公告)号：CN115841158A
公开(公告)日：2023-03-24
申请号：CN202211723861.3
申请日：2022-12-30
Applicant: 南京邮电大学
Abstract: 一种基于格兰杰因果关系检验的可解释强化学习的风险预测方法，首先研究基于自动驾驶语义的适应度函数与奖励函数强化过程，然后研究基于格兰杰因果关系的模糊关联分析方法，再根据强化学习结果，进行格兰杰因果分析的转化，最后提出基于格兰杰因果关系的强化学习的自动驾驶风险预测模型，同时实现基于时间序列数据的风险因素追溯。通过本发明提出方法，自动驾驶车辆可以在较少的人为干预帮助下进行自我路况检测与简单风险规避。
-
公开(公告)号：CN112885462A
公开(公告)日：2021-06-01
申请号：CN202110228690.6
申请日：2021-03-02
Applicant: 南京邮电大学
Abstract: 一种面向多源信息融合的智慧健康关联分析方法，首先对多源异构数据进行模糊关联规则挖掘，然后优化适合于数据分布动态化的智能平衡参数，再分析兼容流式存储架构，提出针对上述智能平衡参数优化的动态增量式的建模方法，实现健康风险预警。该方法通过批量数据处理方法，可以在保证一定准确率的前提下进行增量式关联规则挖掘；可与快速并行处理相结合，高效地挖掘出与疾病相关的指标；用来训练模型的数据可实时更新，每次更新的数据均可实时更新关联规则模型，从而挖掘出更准确更有效的规则，从而进行健康风险预警；更新数据或者优化模型所需要的参数均由当前数据的数据分布状态也自动产生，无需研究人员和用户的参与，具有良好的可行性。
-
公开(公告)号：CN115440385A
公开(公告)日：2022-12-06
申请号：CN202211057871.8
申请日：2022-08-30
Applicant: 南京邮电大学 , 安徽晶奇网络科技股份有限公司
Abstract: 本发明提出了一种基于医疗场景的模糊高效用模式挖掘方法，通过引入模糊集理论与模糊函数模型，使得高效用模式挖掘算法不仅可以适用于交易数据库场景中，同时也可以适用于医疗数据场景中，并且能够增强挖掘结果的可解释性。该方法结合一阶段高效用模式挖掘算法与两阶段高效用模式挖掘算法的特点，在面对不同特点的数据集时，模糊过程中对时间以及空间的消耗相对比较稳定，挖掘过程中相对于传统的单一算法具有较好的性能。
-
公开(公告)号：CN112885462B
公开(公告)日：2022-07-26
申请号：CN202110228690.6
申请日：2021-03-02
Applicant: 南京邮电大学
Abstract: 一种面向多源信息融合的智慧健康关联分析方法，首先对多源异构数据进行模糊关联规则挖掘，然后优化适合于数据分布动态化的智能平衡参数，再分析兼容流式存储架构，提出针对上述智能平衡参数优化的动态增量式的建模方法，实现健康风险预警。该方法通过批量数据处理方法，可以在保证一定准确率的前提下进行增量式关联规则挖掘；可与快速并行处理相结合，高效地挖掘出与疾病相关的指标；用来训练模型的数据可实时更新，每次更新的数据均可实时更新关联规则模型，从而挖掘出更准确更有效的规则，从而进行健康风险预警；更新数据或者优化模型所需要的参数均由当前数据的数据分布状态也自动产生，无需研究人员和用户的参与，具有良好的可行性。
-
-
-
Search Results
4
records
(took 0.022 seconds)
