-
公开(公告)号：CN107528731A
公开(公告)日：2017-12-29
申请号：CN201710760688.7
申请日：2017-08-30
申请人： 四川易诚智讯科技有限公司 , 电子科技大学
摘要： 本发明提供了一种应用于NS3并行仿真的网络分割优化算法，包括以下步骤：S1、通过解析Netflow数据获得流量矩阵；再读取数据库中的路由表，生成路由矩阵文件；S2、生成链路流量和节点流量，通过路由矩阵文件和流量矩阵生成链路流量，将链路流量结合链路连接状况文件生成节点流量；S3、生成对应Metis划分算法的CSR格式文件，通过标准化链路权重和节点权重，生成对应Metis划分算法的CSR格式文件。本发明通过对采集到的Netflow流量数据进行处理，采用流量矩阵生成方法，计算得到节点和链路的流量数据，获得节点和链路的权重，最后利用Metis算法根据节点和边的权重对原始网络拓扑进行分割，能够使得各个分割内的仿真任务量均衡，从而提高整个NS3并行仿真系统的时间效率。
-
公开(公告)号：CN107528731B
公开(公告)日：2020-07-28
申请号：CN201710760688.7
申请日：2017-08-30
申请人： 四川易诚智讯科技有限公司 , 电子科技大学
摘要： 本发明提供了一种应用于NS3并行仿真的网络分割优化算法，包括以下步骤：S1、通过解析Netflow数据获得流量矩阵；再读取数据库中的路由表，生成路由矩阵文件；S2、生成链路流量和节点流量，通过路由矩阵文件和流量矩阵生成链路流量，将链路流量结合链路连接状况文件生成节点流量；S3、生成对应Metis划分算法的CSR格式文件，通过标准化链路权重和节点权重，生成对应Metis划分算法的CSR格式文件。本发明通过对采集到的Netflow流量数据进行处理，采用流量矩阵生成方法，计算得到节点和链路的流量数据，获得节点和链路的权重，最后利用Metis算法根据节点和边的权重对原始网络拓扑进行分割，能够使得各个分割内的仿真任务量均衡，从而提高整个NS3并行仿真系统的时间效率。
-
公开(公告)号：CN115644855B
公开(公告)日：2024-07-19
申请号：CN202211424056.0
申请日：2022-11-15
申请人： 电子科技大学
IPC分类号： A61B5/11
摘要： 本发明公开了基于深度学习的异常步态分析方法、装置、设备及介质，该方法包括：基于智能手机获取用户步态数据，并对用户步态数据进行预处理；根据预处理后的用户步态数据，基于多尺度时频回声状态网络提取时间序列的多尺度时频特征；采用卷积神经网络对多尺度时频特征进行深度特征提取，得到多尺度时频深度特征；并通过注意力机制融合多尺度时频深度特征，构建基于多尺度时频深度特征的异常步态分析模型，并进行模型训练；将待分析的用户步态数据输入到训练好的基于多尺度时频深度特征的异常步态分析模型中，进行预测分析，并输出异常步态结果。本发明实现客观化的异常步态分析，提高步态量分析的准确性。
-
公开(公告)号：CN118098571A
公开(公告)日：2024-05-28
申请号：CN202410291244.3
申请日：2024-03-14
申请人： 电子科技大学
IPC分类号： G16H50/20 , G16H50/70 , G06N3/0464 , G06N3/042 , G06F18/241 , G06F18/25 , G06N3/0455
摘要： 本发明提供了一种基于层次交叉注意力机制的蒙医辨证辅助决策方法及装置，涉及医疗信息管理技术领域，包括获取第一信息和第二信息；对所述第一信息进行结构化处理；对所述结构化数据进行多尺度特征提取，得到多尺度层的实体嵌入特征；根据所述第二信息构建反映蒙医辨证逻辑的层次标签图；根据所述层次标签图，基于图卷积网络捕获所述病位标签、所述病因标签和所述属性标签之间的依赖关系，得到不同层次的标签嵌入特征；基于交叉注意力网络对多尺度层的所述实体嵌入特征和不同层次的所述标签嵌入特征进行特征融合，得到蒙医辨证结果。本发明提高蒙医辨证结果的准确性。
-
公开(公告)号：CN117936117A
公开(公告)日：2024-04-26
申请号：CN202311617305.2
申请日：2023-11-29
申请人： 电子科技大学
IPC分类号： G16H70/40 , G16H50/70 , G16H20/10 , G06F18/213 , G06F18/22 , G06N3/04 , G06N3/08 , G06N20/10
摘要： 本发明公开了一种基于多属性多核表示学习的药物间不良反应预测方法。针对不同药物属性在揭示药物间不良反应的潜在特征规律时存在的差异性，不同核函数在计算药物间属性表示相似性时具有自身的偏好和倾向，本发明基于药物的多属性特征，提出多核表示学习模型，设计核函数距离学习策略和核函数的重构策略，实现代表核函数的选择，利用代表核函数与原始核函数间的关联关系构建最优核函数组合，揭示药物多属性相似性与药物间不良反应间的关系，实现基于多属性多核表示的药物间不良反应预测。
-
公开(公告)号：CN117275659A
公开(公告)日：2023-12-22
申请号：CN202311321271.2
申请日：2023-10-12
申请人： 电子科技大学
摘要： 本发明公开了一种基于更新患者表征的药物推荐方法，首先通过构建协同子结构网络和拮抗子结构网络，提取协同子结构网络和拮抗子结构网络对应的特征矩阵；其次，从全局和局部两个角度捕捉患者的已诊断疾病和已进行手术对不同药物的需求差异，计算药物子结构特征、药物全局特征与患者诊断特征、手术特征之间的关联权重，从细粒度层面进行药物推荐；再次，采取药物序列更新和患者健康状态更新交替迭代的药物推荐方法，充分考虑每一个新增药物与已推荐药物的依赖关系；最后，通过保持患者相似度与药物集相似度的空间距离，来更新患者表征嵌入矩阵，避免模型“偏袒”特定个体，以实现不同患者的公平药物推荐。
-
公开(公告)号：CN116503956A
公开(公告)日：2023-07-28
申请号：CN202310592102.6
申请日：2023-05-24
申请人： 电子科技大学
IPC分类号： G06V40/20 , G06V40/10 , G06F18/25 , G06N3/0442 , G06F18/24 , G06V10/82 , G06V10/80 , G06V10/764
摘要： 本发明公开了一种基于多扩展率压缩卷积的太极拳动作识别方法，首先采集太极拳动作肌电数据，并进行数据预处理，然后提取源信号的时域特征，构建特征矩阵，通过多扩展率压缩卷积算法提取跨通道压缩特征序列，进行融合得到多维度融合特征矩阵，再通过长短期记忆网络得到时序关系特征，最后通过全连接层得到动作识别结果，完成太极拳动作识别。本发明的方法通过多扩展率的扩张卷积实现对肌电信号的多尺度跨通道特征提取，打破普通卷积中只能提取相邻通道之间的空间关系的局限性，可将任意尺寸的肌电信号序列所包含信息压缩为一维的压缩特征序列，以提取其高度融合的特征，降低数据冗余、参数数量和模型计算量，提高太极拳动作识别准确度。
-
公开(公告)号：CN113591726B
公开(公告)日：2023-07-14
申请号：CN202110884652.6
申请日：2021-08-03
申请人： 电子科技大学
摘要： 本发明公开了一种太极拳训练动作的交叉模态评估方法，对存在非线性关系的原始太极拳训练动作跨模态序列配准问题，本发明提出将视频序列与动作捕捉序列对齐的方法。对于不同长度和维度的太极拳运动序列进行去噪和重构恢复，然后进行分阶段时空配准，解决不同主体之间的运动差异，实现跨模态太极拳长序列的时空对齐，提高太极拳运动招式完成度评价准确度。
-
公开(公告)号：CN114613438B
公开(公告)日：2023-05-26
申请号：CN202210219782.2
申请日：2022-03-08
申请人： 电子科技大学
摘要： 本发明提供了一种miRNA与疾病的关联预测方法及系统，属于miRNA与疾病的关联预测技术领域。首先在相似度矩阵生成过程中融合其他生物学数据来计算miRNA和疾病的高斯谱核相似度，根据功能或语义相似度的miRNA或疾病所占的比重来计算相似度融合的权重，得到更加合理的综合相似度矩阵；基于归纳矩阵分解，对原始矩阵的模拟分解为两个参数矩阵，并设计双流生成器，生成低秩的相似度投影系数矩阵；添加Dropout层以保证生成矩阵的稀疏性，最后，对多次生成结果取均值获得最终的miRNA疾病关联预测结果，获得更高的miRNA与疾病关联预测能力和预测的可靠性，为科研人员确定疾病关联的候选miRNA提供辅助决策。
-
公开(公告)号：CN114694841B
公开(公告)日：2023-04-07
申请号：CN202210322129.9
申请日：2022-03-30
申请人： 电子科技大学
IPC分类号： G16H50/30 , G06F18/23213 , G06N3/047 , G06N3/084 , G16H10/60
摘要： 本发明公开了一种基于患者电子健康记录的不良事件风险预测方法，包括以下步骤：S1、数据预处理；S2、进行K均值聚类采样处理，将数据分成3个类簇，得到3个聚类中心；S3、将3个聚类中心按P*中的最大值从小到大进行排序，分别作为罕见编码子集、较常见编码子集、常见编码子集，然后将三个子集分别对应输入GRAM+、Dipole+、RNN+三个基础分类器进行预训练，然后对三个基础分类器进行模型融合。本发明通过聚类算法为基础学习器采样合适的训练样本，并设计自适应结合策略，根据训练样本到预训练集中心的距离，自适应的产生不同基础分类器的集成权重，使得模型具备更强的自适应性。此外，通过聚类后的采样，训练基本嵌入时可显著减少计算量。
-
-
-
-
-
-
-
-
-
搜索结果
110 条记录 (耗时 0.084 秒)
