-
公开(公告)号：CN116779095B
公开(公告)日：2024-09-03
申请号：CN202310471305.X
申请日：2023-04-27
申请人： 西南交通大学
摘要： 本发明公开了一种知识数据双驱动的合理用药预测方法，包括获取原始数据，将原始数据按照预设方式进行预处理；对预处理后的数据集按照不同的数据类型进行编码；利用机器学习模型对表征数据进行训练；获取合理用药的专家知识，构建可视化知识图谱；采用基于路径推理的方式对可视化知识图谱进行推理，得到知识驱动的合理用药预测模型；将数据驱动的合理用药预测模型与知识驱动的合理用药预测模型进行融合，得到知识数据双驱动的合理用药预测模型，进行可解释性合理用药预测。本发明基于多维度特征数据，能够提高对该患者的药物选择以及药物剂量预测的准确性和鲁棒性；采用的数据与知识双驱动的方式，能有效提高合理用药方案的可信度。
-
公开(公告)号：CN117058594A
公开(公告)日：2023-11-14
申请号：CN202311132856.X
申请日：2023-09-04
申请人： 西南交通大学
IPC分类号： G06V20/40 , G06V10/764 , G06V10/80 , G06V10/82
摘要： 本发明涉及一种基于动态融合门机制的多模态视频分类方法，属于视频分类技术领域。为了克服现有技术中存在的缺陷，本发明旨在提供一种基于动态融合门机制的多模态视频分类方法，包括通过单模态特征提取模块抽取目标视频的多级视觉特征、多级文本特征；基于视频帧的多级视觉特征、视频字幕的多级文本特征，采用动态融合门模块获取以视觉为主体的多模态融合特征和以文本为主体的多模态融合特征；基于以视觉为主体的多模态融合特征和以文本为主体的多模态融合特征，采用视频分类模块进行视频分类。本发明通过动态融合门机制让模型自己去学习更适合自身的单模态特征使用数量和多模态融合位置，从而加速视频分类模型的训练效率、提升模型分类效果。
-
公开(公告)号：CN115251939A
公开(公告)日：2022-11-01
申请号：CN202210706581.5
申请日：2022-06-21
申请人： 西南交通大学
摘要： 本发明提供了一种微觉醒检测方法、装置、设备及可读存储介质，所述方法包括：获取原始数据，将所述原始数据按照预设时间长度进行片段划分，得到多个第一数据；对所述第一数据进行去噪，得到去噪后的第一数据，提取所述去噪后的第一数据的浅层特征，得到浅层特征；利用集合经验模态分解对所述第一数据进行分解，得到模态分量序列；基于每一个所述第一数据对应的浅层特征和所述模态分量序列对深度神经网络模型进行训练，得到训练后的深度神经网络模型；利用所述训练后的深度神经网络模型检测用户的睡眠状态。在训练后的深度神经网络模型的基础上只需要依赖单一心电信号即可实现睡眠状态的有效判别，因此本发明具有成本低和应用价值高的优点。
-
公开(公告)号：CN115062159A
公开(公告)日：2022-09-16
申请号：CN202210666541.2
申请日：2022-06-13
申请人： 西南交通大学
摘要： 本发明公开了一种基于联邦学习的多粒度动态知识图谱嵌入模型构造方法，包括步骤：客户端对多粒度动态知识图谱嵌入模型进行本地训练；多个完成本地多轮训练多粒度动态知识图谱嵌入模型的客户端，将模型的卷积核集合和权重向量上传到服务器，服务器按照平均聚合规则(或者多粒度聚合规则)更新卷积核集合和权重向量，之后下传到每个客户端；重复执行上述步骤多轮后，得到全局多粒度动态知识图谱嵌入模型。本发明关注不同时间粒度的信息与事实三元组的关联性，提高了动态知识图谱嵌入模型中事实三元组表征的准确性。联邦学习使用多粒度聚合规则时，提高了动态知识图谱嵌入模型的通信效率，降低了冗余信息。
-
公开(公告)号：CN114528944A
公开(公告)日：2022-05-24
申请号：CN202210169875.9
申请日：2022-02-24
申请人： 西南交通大学
IPC分类号： G06K9/62 , G06N3/04 , G06N3/08 , G06F40/30 , G06F40/284 , G06F40/211
摘要： 本发明提供了一种医疗文本编码方法、装置、设备及可读存储介质，所述方法包括：获取第一文档集合；基于临床文档，利用词嵌入技术生成词嵌入矩阵；基于临床文档、词嵌入矩阵和卷积神经网络得到上层序列向量；基于上层序列向量和词嵌入矩阵得到每个临床文档所对应的句子向量；基于每个临床文档所对应的句子向量得到初步的分类器；基于第一文档集合和临床文档所对应的句子向量得到最终的分类器，使用最终的分类器对临床文档进行ICD编码。本发明关注了罕见疾病编码，提高了编码员对罕见病的重视。并且本发明能够自动抽取特征，不依赖手工特征，对不同医生的书写风格进行了缓和，可以减少研究时间和减少匹配错误。
-
公开(公告)号：CN113763712B
公开(公告)日：2022-05-10
申请号：CN202111224111.7
申请日：2021-10-19
申请人： 西南交通大学
摘要： 本发明公开了一种基于出行事件知识图谱的区域交通拥堵溯因方法，包括构建出行事件知识图谱和利用出行事件知识图谱进行区域交通拥堵溯因的步骤。本发明的有益效果在于，能够简洁有效地表示出行轨迹数据的时空动态性，刻画出车辆实体、轨迹实体、POI实体、事件实体的相互关系，适用于处理动态变化的出行轨迹。充分考虑了突发事件对出行轨迹的影响，出行事件知识图谱记录了事件的名称、类型、发生时间、发生地点、持续时间等，对于交通拥堵的溯因提供了一种可解释性的分析手段。综合出行轨迹的时空动态性和事件关系，可充分挖掘出行轨迹本身隐含的时空动态和因果知识。
-
公开(公告)号：CN108628957B
公开(公告)日：2021-06-15
申请号：CN201810328080.1
申请日：2018-04-13
申请人： 西南交通大学
IPC分类号： G06F16/957
摘要： 本发明公开了一种基于时间区间的螺旋图可视化曲线绑定方法，包括：1)输入数据集；2)绘制同心的状态圆环来表示状态集；3)划分状态圆环的子区间；4)映射及划分数据集中所有数据的类别；5)设置虚拟绑定圆环；6)绘制绑定曲线等步骤。本发明有效地降低了传统的螺旋图可视化方法在展示大量数据时所产生的视觉杂乱的程度，使得可视化界面更加整洁清晰，为用户提供了更直观地了解、分析数据的功能。
-
公开(公告)号：CN111368528A
公开(公告)日：2020-07-03
申请号：CN202010156316.5
申请日：2020-03-09
申请人： 西南交通大学
IPC分类号： G06F40/279 , G06F16/35 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种面向医学文本的实体关系联合抽取方法，该方法包括对医学文本实体关系数据集按照三元组方式进行重组，将医学文本语句向量化表示，采用双向长短期记忆网络加自注意力机制构建参数共享层，采用softmax函数预测头实体标签，采用CNN-softmax进行关系-尾实体联合解码，结合头实体预测结果增强联合解码表示，采用联合损失函数优化方式训练参数共享层和联合解码层。本发明解决了医学文本中实体和关系类别和位置分布不均匀、多对关系同时出现在同一句的问题，能够提高医学文本实体关系抽取的质量和效率。
-
公开(公告)号：CN111291943A
公开(公告)日：2020-06-16
申请号：CN202010156829.6
申请日：2020-03-09
申请人： 西南交通大学
摘要： 本发明公开了一种基于频繁序列的高铁大风预警方法，通过获取预警序列集和非预警序列集，再利用序列模式挖掘算法对符号化的预警序列集和非预警序列集进行挖掘，得到预警频繁序列集和非预警频繁序列集；剔除预警频繁序列集和非预警频繁序列集中前缀组成相同的非最长频繁序列模式，并剔除预警频繁序列中包含有非预警序列特征的子序列，得到预警模式库；将实时风速时间序列与预警模式库的序列进行模式匹配，若匹配成功则发出预警指令。本发明更符合高铁大风报警规则，且提升了高铁大风预警的精度和执行效率。
-
公开(公告)号：CN111291568A
公开(公告)日：2020-06-16
申请号：CN202010151091.4
申请日：2020-03-06
申请人： 西南交通大学
IPC分类号： G06F40/295 , G06F40/247 , G06F16/335 , G06F16/36
摘要： 本发明公开了一种应用于医学文本的实体关系自动标注方法，其包括以下步骤：S1、构造医学术语词典和先验知识库；S2、根据医学术语词典对目标医学文本进行统计共现并生成基础语料；S3、采用先验知识库对基础语料进行预标注，得到预标注后的语料；S4、对预标注后的语料进行实体校正，得到实体校正后的语料；S5、通过关系标志词对实体校正后的语料进行过滤，完成医学文本的实体关系自动标注。本发明采用自动标注的形式，减少了研究人员在关系抽取中对人力的投入，拥有较快的标注速度，同时本方法不需要依赖专家的标注，解决了医学文本标注困难的问题，且本方法通过关系标志词对标注过的文本进行进一步过滤，可以明显提高标注的精度。
-
-
-
-
-
-
-
-
-
搜索结果
82 条记录 (耗时 0.031 秒)