-
公开(公告)号：CN118366678A
公开(公告)日：2024-07-19
申请号：CN202410455547.4
申请日：2024-04-16
Applicant: 吉林大学
Abstract: 本发明涉及基于疾病标准死亡率的确诊灰度测算方法。首先，确定目标疾病的标准死亡率；收集目标地区每日上报的确诊病例及死亡病例。其次，将每日上报的确诊病例及死亡病例进行累加，得到累计确诊病例以及累计死亡病例。然后根据标准死亡率、累计确诊病例以及累计死亡病例估计该地区确诊灰度。最后，根据确诊灰度和累计确诊病例数据估计目标地区的真实累计感染人数。主要是解释一种疾病在各个地区或国家的死亡率相差较大的情况，同时通过真实累计感染情况来估计疾病的真实流行状况，便于及时且合理的采取预防措施。
-
公开(公告)号：CN118155862A
公开(公告)日：2024-06-07
申请号：CN202410200589.3
申请日：2024-02-23
Applicant: 吉林大学
Abstract: 本发明涉及一种基于分级预警算法的猪流感应急处理系统，所述方法包括：S1：选取监测指标；S2：确定监测指标数据抓取上传的时间间隔；S3：估算样本量并进行监测样本选定；S4：为选取的监测样本动物穿戴智能传感器，对其进行症状监测并按时进行数据抓取上传；S5：确定阈值理论中各分级阈值、统计检验方法及不同风险等级的应急处理措施；S6：根据阈值理论对上传数据进行统计学检验并判断是否存在猪流感流行风险；S7：根据阈值理论结果及时合理预警，对预警级别进行动态管理；S8：流行风险解除后，进行无害化处理及监测样本补充。
-
公开(公告)号：CN118861519A
公开(公告)日：2024-10-29
申请号：CN202410895158.3
申请日：2024-07-04
Applicant: 吉林大学
IPC: G06F18/10 , G06F18/214 , G06N20/00 , G06F123/02
Abstract: 本发明公开了一种基于机器学习的连续时间段内缺失数据插补方法，包括以下步骤：步骤1：将数据按统一时间尺度进行整理，对连续时间段内缺失数据进行标记，确定缺失数据时间段。步骤2：计算缺失数据起始与结束时间点数值的比例，确定可供训练数据的上下波动区间。步骤3：筛选并纳入其他相同时间间隔内比值符合既定波动区间的数据。步骤4：将步骤3中纳入的数据作为训练集，使用不同的机器学习方法对数据进行规律识别，通过差异性检验选择最优预测结果进行数据插补。步骤5：结果输出与可视化。
-
公开(公告)号：CN118838939A
公开(公告)日：2024-10-25
申请号：CN202410825506.X
申请日：2024-06-25
Applicant: 吉林大学
IPC: G06F16/2458 , G06F17/18 , G06F16/27
Abstract: 本发明公开了一种基于Bootstrap算法的基本再生数估值方法，包括以下步骤：步骤1：相关数据提取；步骤2：评估数据量，确保分析的适用性；步骤3：样本量(n)小于Bootstrap方法最小样本量(N)时，根据数据分布随机生成数据集，当n≥N时，无需生成；步骤4：导入数据集，进行有放回随机抽样，生成新的Bootstrap数据集，计算目标统计量；步骤5：重复步骤4，进行B次抽样(B≥1000)，估计统计量分布和置信区间，结果输出与可视化。
-
公开(公告)号：CN118094265A
公开(公告)日：2024-05-28
申请号：CN202311708974.0
申请日：2023-12-13
Applicant: 吉林大学
IPC: G06F18/231 , G06F18/213
Abstract: 本发明公开了一种基于逐层特征提取的非对称多层网络聚类方法，包括以下步骤：步骤1：数据导入，通过处理重复值、缺失值、异常值对数据进行预处理，提取关键特征；步骤2：确定非对称多层网络聚类框架中第n(n∈Z+，n从1开始取值)层的最佳聚类数量，选择最优k值；步骤3：对第n层进行逐层特征提取的非对称多层网络聚类；步骤4：重复步骤2‑3，进行逐层顺次聚类，直到聚类结果不再显示任何显著特征；步骤5：聚类结果输出与可视化。与传统聚类算法相比，本算法在不随意改变初始簇心基础上，通过多层次聚类，使得聚类结果更加清晰立体化，非对称的聚类在对数据深入分析的同时，避免了过度分析，有利于在高维空间中得到更好的聚类结果。
-
Patent Agency Ranking
公开(公告)号：CN119480140A
公开(公告)日：2025-02-18
申请号：CN202411525647.6
申请日：2024-10-30
Applicant: 吉林大学
Abstract: 本发明涉及一种基于网络结构学习的高血压诊断界值动态调整的判定方法。首先，对人群健康相关数据进行重复值、缺失值、异常值等数据相关的预处理；其次通过网络结构学习方法选择逻辑合理的指标组合，利用Tabu Search、HC、MMHC三种算法构建贝叶斯网络，通过网络节点及结构分析确定高血压的直接相关因素；最后利用统计学方法分析比较各因素不同年份的差异性，根据统计指标结果判断高血压的诊断界值是否需要进行动态调整。
-
公开(公告)号：CN118136273A
公开(公告)日：2024-06-04
申请号：CN202410200588.9
申请日：2024-02-23
Applicant: 吉林大学
Abstract: 本发明涉及一种基于阈值理论的鸟禽类流行性感冒监测预警系统。首先根据鸟禽类发生禽流感时的症状选择监测指标，估计监测所需样本量并进行样本抽取。其次，确定监测数据抓取上传的时间间隔，为选取的监测样本穿戴监测传感器，并按确定的时间间隔抓取监测结果。最后，确定阈值理论的分级及预警界值，对上传的数据进行统计检验并判断是否存在禽流感流行的风险，当提示存在禽流感流行风险时根据阈值理论启动相应的预警级别并制定防疫措施。待禽流感风险解除后，对监测样本进行补充并恢复日常监测。
-
公开(公告)号：CN117893112A
公开(公告)日：2024-04-16
申请号：CN202311813382.5
申请日：2023-12-26
Applicant: 吉林大学
IPC: G06Q10/083 , G06Q10/0631 , G06F18/23213
Abstract: 本发明公开了一种带有随机修正交通距离的城市内物流配送点间最佳匹配的方法，包括以下步骤：步骤1：将城市中选定区域内的k级物流配送点Ai(i＝1,2…n)和k+1级物流配送点Bj(j＝1,2…m)进行经纬度坐标化；步骤2：将m个k+1级物流配送点聚成n类，并获得每个聚类的聚心Pq(q＝1,2…n)；步骤3：计算k级物流配送点Ai和聚心Pq的欧氏距离AiPq并生成距离矩阵G；步骤4：生成修正交通距离矩阵G'；步骤5：匈牙利算法确定k级物流配送点和k+1级物流配送点之间的初步匹配关系；步骤6：多次重复步骤5，在效能检验下得到稳定的最佳匹配结果；步骤7：在最佳匹配关系下，通过k级物流配送点覆盖k+1级物流配送点的数量和区域人口数量，给出各级物流配送点的规模估计。
-
公开(公告)号：CN117766158A
公开(公告)日：2024-03-26
申请号：CN202311806495.2
申请日：2023-12-26
Applicant: 吉林大学
Abstract: 本发明涉及一种基于固定个体的区域性流感监测方法。首先，确定流感三间分布特征及影响疾病流行的因素；估计监测所需总体样本量并结合分布特征、影响因素对人群进行分层，确定各层的样本量并进行固定个体样本的抽取。其次，分区域制定样本上传计划，结合流感季节性流行特征对上传计划进行调整，确定最终年度上传计划，并要求固定个体如期上传病原体自测结果及症状。最后，结合历年真实数据确定流感流行的预警值并给出相应的阈值理论，对上传数据进行修正及χ2检验，当提示可能存在流感流行时将结果上报；将上报数据与历史同期流行期数据进行比较，根据结果启动相应的预警级别，制定防控措施，直至根据阈值理论预警解除，恢复日常数据监测。
-
公开(公告)号：CN117253612A
公开(公告)日：2023-12-19
申请号：CN202311296496.7
申请日：2023-10-09
Applicant: 吉林大学
Abstract: 本发明涉及一种基于评分模型的居民膳食质量及慢性病风险状况评价方法。首先，从“质”与“量”两个方面初步评价参与者当前的饮食状况，而后在膳食质量指数和健康饮食指数的基础上，构建用于评价参与者饮食习惯的饮食质量评分模型来细化评价参与者的饮食质量，指出参与者现存的不健康的饮食习惯。其次，利用Logistic回归分析检验常见慢性病(高血压、高血脂、糖尿病、高尿酸血症)的相关因素。最后，在未患病人群(分为≤60岁和>60岁)亚组中，分别根据上述Logistic回归分析的结果结合参与者当前身体状况和家族遗传史，共三个方面因素构建患慢性病危险性评分模型。根据患病情况对患病者进行分类，未患病者根据慢性病危险性评分得分进行分类，给出相应健康建议。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.029 seconds)
