公开(公告)号：CN119785880A

公开(公告)日：2025-04-08

申请号：CN202411875721.7

申请日：2024-12-19

Applicant: 桂林电子科技大学

Inventor： 赵龙阳 ,  汤萍 ,  刘琦 ,  徐智 ,  赵旺材 ,  范芷澜 ,  赵红专 ,  孟瑞敏

IPC: G16B20/30 ,  G06F18/2113

Abstract: 本发明提出了一种基于皮尔逊共线性选择(PCS)的方法，用于从高维基因组数据中筛选与目标表型密切相关的特征。PCS方法通过计算特征间的皮尔逊相关系数，有效去除冗余特征，减少多重共线性问题，显著提高了特征选择的质量，并增强了模型预测的稳定性。该方法特别适用于基因型与表型关联分析等领域，能够优化数据处理与分析过程。此外，PCS方法具备较强的跨种群适应性。通过在多个种群的数据集上进行特征选择与预测验证，证明了多个模型使用PCS方法能够在不同数据集间保持一致的良好预测性能，展现了出色的泛化能力。该方法不仅能够有效预测单一种群的表型，还能成功应用于其他种群的预测任务，进一步拓宽了其在精准医疗和作物育种等领域的应用范围。相较于传统特征选择方法，PCS方法在降低特征冗余的同时，能够更好地保留与目标表型强相关的特征，从而显著提升了模型的预测精度，为基因组数据分析提供了更加高效且可靠的技术支持。

公开(公告)号：CN117391962A

公开(公告)日：2024-01-12

申请号：CN202311436493.9

申请日：2023-11-01

Applicant: 桂林电子科技大学

Inventor： 赵龙阳 ,  杨海键 ,  孟瑞敏 ,  徐智 ,  张树豪 ,  谢晓娟 ,  蒙升朋 ,  汤萍 ,  刘鑫堂

IPC: G06T3/4076 ,  G06V10/44 ,  G06V10/58 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种面向分类任务的遥感图像超分辨率方法及系统，其中方法包括以下步骤：构建分类任务实现模型；预训练所述分类任务实现模型，所述分类任务实现模型用于提取高光谱数据集的融合特征，进行遥感图像的分类；构建光谱分支‑全局式高光谱超分辨率模型；基于预训练后的所述分类任务实现模型和所述光谱分支‑全局式高光谱超分辨率模型，构建分类‑超分辨率一体深度学习网路架构；基于所述分类‑超分辨率一体深度学习网路架构，重建超分辨率的高光谱图像数据。本发明解决了现有技术中超分辨率方法与其应当服务的下游任务脱节的技术问题。