-
公开(公告)号：CN107633093A
公开(公告)日：2018-01-26
申请号：CN201710934931.2
申请日：2017-10-10
Applicant: 南通大学
Abstract: 本发明公开了一种供电决策知识图谱的构建方法，具体步骤包括：1)构建事物数据库DBT；2)挖掘强关联规则；3)构建供电决策知识图谱。通过上述方式，本发明一种供电决策知识图谱的构建及其查询方法，该方法为供电决策人员提供更直观的决策参考，从而不断提高供电市场占有率，以满足供电企业的对客户快速精准服务的需要。
-
公开(公告)号：CN104462853A
公开(公告)日：2015-03-25
申请号：CN201410837453.X
申请日：2014-12-29
Applicant: 南通大学
IPC: G06F19/00
Abstract: 本发明公开一种用于电子病历特征提取的种群精英分布云协同均衡方法。该方法首先在分布式云计算MapReduce框架下将大规模电子病历分割到不同的进化子种群中,提取各子种群最优解Psolui；然后设计一种有限理性区域下N种群精英均衡优势策略，构建分布式协同化动态精英演化区域Ω，使参与电子病历特征提取的各子种群精英在各自平均权重概率下均能达到Nash均衡下优势区域Ζ；最后各子种群精英采用并行操作 机制在各自电子病区优势子区域中协同提取特征子集Fi，从而稳定取得电子病历全局均衡特征集。本发明能较好处理大规模电子病历数据属性间多维度复杂内联关系，提高大规模电子病历特征并行提取效率。
-
公开(公告)号：CN103838972A
公开(公告)日：2014-06-04
申请号：CN201410090633.6
申请日：2014-03-13
Applicant: 南通大学
Abstract: 本发明公开了一种用于MRI病历属性约简的量子协同博弈实现方法，首先初始化进化种群，将MRI病历属性通过竞争协同自适应划分到不同的进化子种群中，并在各进化子种群中进行各自优秀种群精英选取；其次在MRI属性约简时将信任裕度报酬机制引入到种群精英量子协同博弈模型中，构建种群精英信任裕度效用矩阵；再次各种群精英在每个划分的MRI病历属性子集中通过量子协同博弈策略求得各自最优约简子集，从而稳定取得Nash均衡下MRI病历全局最优属性约简集；最后进行MRI属性约简性能评估，判断其属性约简精度是否满足要求。本发明能较好地克服MRI病历中存在着噪音和灰度不均匀性，具有较高的MRI病历属性约简效率、准确性和稳定性。
-
公开(公告)号：CN108986872B
公开(公告)日：2021-05-07
申请号：CN201810642497.5
申请日：2018-06-21
Applicant: 南通大学
Abstract: 本发明公开了一种用于大数据电子病历约简的多粒度属性权重Spark方法。该方法首先在Hadoop分布式文件系统中将大数据电子病历集划分成不同的条件属性作业和决策属性作业；然后设计基于改进MapReduce作业协同结构的Spark模型，将电子病历条件属性作业并行化处理；其次在Hadoop分布式文件系统中构建多粒度属性权重Spark方法用于电子病历属性快速约简，从而求得大数据电子病历属性约简最优特征集；最后将大数据电子病历属性约简特征集R1,R2,…,Rn存储至Hadoop分布文件系统中，为相关疾病的临床诊断和治疗提供重要的智能诊断知识依据。
-
公开(公告)号：CN108986872A
公开(公告)日：2018-12-11
申请号：CN201810642497.5
申请日：2018-06-21
Applicant: 南通大学
Abstract: 本发明公开了一种用于大数据电子病历约简的多粒度属性权重Spark方法。该方法首先在Hadoop分布式文件系统中将大数据电子病历集划分成不同的条件属性作业和决策属性作业；然后设计基于改进MapReduce作业协同结构的Spark模型，将电子病历条件属性作业并行化处理；其次在Hadoop分布式文件系统中构建多粒度属性权重Spark方法用于电子病历属性快速约简，从而求得大数据电子病历属性约简最优特征集；最后将大数据电子病历属性约简特征集R1,R2,…,Rn存储至Hadoop分布文件系统中，为相关疾病的临床诊断和治疗提供重要的智能诊断知识依据。
-
Patent Agency Ranking
公开(公告)号：CN108446740A
公开(公告)日：2018-08-24
申请号：CN201810262763.1
申请日：2018-03-28
Applicant: 南通大学
IPC: G06K9/62
CPC classification number: G06K9/6239 , G06K9/622
Abstract: 本发明公开了一种用于脑影像病历特征提取的多层一致协同方法，首先构建一种多层协同MapReduce模型进行不可分割相关脑影像病历特征的标识，将具有多个相关特征的脑病历进行有效分类；然后设计一种脑影像病历特征一致相容性聚合方法，使协同模因组提取的脑影像病历特征局部解和全局优势解能达到有效平衡；其次采用多决策一致性优化矩阵进一步检测协同模因组的非合作MapReduce行为，从而有效取得特征集的一致纳什均衡；最后评估脑影像病历特征提取的精度，输出最优特征选择集。本发明为相关疾病的临床诊断和治疗提供重要的影像特征依据。
-
公开(公告)号：CN103838972B
公开(公告)日：2016-08-24
申请号：CN201410090633.6
申请日：2014-03-13
Applicant: 南通大学
Abstract: 本发明公开了一种用于MRI病历属性约简的量子协同博弈实现方法，首先初始化进化种群，将MRI病历属性通过竞争协同自适应划分到不同的进化子种群中，并在各进化子种群中进行各自优秀种群精英选取；其次在MRI属性约简时将信任裕度报酬机制引入到种群精英量子协同博弈模型中，构建种群精英信任裕度效用矩阵；再次各种群精英在每个划分的MRI病历属性子集中通过量子协同博弈策略求得各自最优约简子集，从而稳定取得Nash均衡下MRI病历全局最优属性约简集；最后进行MRI属性约简性能评估，判断其属性约简精度是否满足要求。本发明能较好地克服MRI病历中存在着噪音和灰度不均匀性，具有较高的MRI病历属性约简效率、准确性和稳定性。
-
公开(公告)号：CN104331394A
公开(公告)日：2015-02-04
申请号：CN201410434035.6
申请日：2014-08-29
Applicant: 南通大学
Abstract: 本发明公开了一种基于观点的文本分类方法，具体步骤包括：（100）主题段的划分；（200）语句主观性的判别；（300）观点句识别；（400）观点句相似度计算；（500）观点句聚类。通过上述方式，本发明一种基于观点的文本分类方法，该方法可以实现动态的、语义的、低维高效的文本分类，使网络文本信息处理更符合人的认知过程，更能满足实际应用的需求。
-
公开(公告)号：CN104462853B
公开(公告)日：2017-05-24
申请号：CN201410837453.X
申请日：2014-12-29
Applicant: 南通大学
IPC: G06F19/00
Abstract: 本发明公开一种用于电子病历特征提取的种群精英分布云协同均衡方法。该方法首先在分布式云计算MapReduce框架下将大规模电子病历分割到不同的进化子种群中,提取各子种群最优解Psolui；然后设计一种有限理性区域下N种群精英均衡优势策略，构建分布式协同化动态精英演化区域Ω，使参与电子病历特征提取的各子种群精英在各自平均权重概率下均能达到Nash均衡下优势区域Ζ；最后各子种群精英采用并行操作 机制在各自电子病区优势子区域中协同提取特征子集Fi，从而稳定取得电子病历全局均衡特征集。本发明能较好处理大规模电子病历数据属性间多维度复杂内联关系，提高大规模电子病历特征并行提取效率。
-
公开(公告)号：CN104636628B
公开(公告)日：2017-05-03
申请号：CN201510093829.5
申请日：2015-03-03
Applicant: 南通大学
IPC: G06F19/00
Abstract: 本发明公开一种基于三层交叉博弈能量树的脑波病历信号约简方法。该方法首先设计两棵相邻的三层交叉博弈能量树Ti和Tj，在同一主层内实现自私博弈和不同主层间实现交叉协同博弈，采用深度优先搜索策略选出两棵博弈能量树的全局最优精英Elitisti_c和Elitistj_c；然后分配精英能量收益矩阵PMENn×n给最优精英，增强精英在主层取得自适应Nash能量探索与开发平衡性能；最后实现脑波病历信号的交叉博弈能量约简，使最优精英在精英能量向量Γ驱动下均收敛到每个主层最优Nash均衡点，达到脑波病历信号约简精度平衡，从而输出全局最优脑波病历信号。本发明能有效提高脑波病历信号约简效率，为脑波信号噪声消除及特征提取与解析等提供重要方法，对脑部疾病诊断和辅助治疗具有较强应用价值。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.014 seconds)
