公开(公告)号：CN108597603B

公开(公告)日：2021-04-20

申请号：CN201810416949.8

申请日：2018-05-04

Applicant: 吉林大学

Inventor： 李玲 ,  渠云龙 ,  杨秀华 ,  刘丹 ,  黄玉兰 ,  张海蓉 ,  佟宇琪 ,  顾琳 ,  刘婉莹 ,  戴思达 ,  李林 ,  骆宝童 ,  高华照 ,  张春霞

IPC: G16H50/20 ,  G16H50/70 ,  G06K9/62

Abstract: 本发明涉及一种基于多维高斯分布贝叶斯分类的癌症复发预测系统，该系统的包括预处理模块、训练模块和贝叶斯分类器；预处理模块对训练集进行数据清洗并生成类向量数据集；训练模块首先计算两个类属性先验概率，然后利用pearson相关系数将数据属性分成与类属性关联度紧密的类数据属性集合和与类属性关联度稀疏的II类数据属性集合，两类数据属性集合分别利用多维高斯分布和一维高斯分布来计算相应的概率；贝叶斯分类器将两者概率及类别的先验概率联合共同作为数据属于每个类的概率，并据此判别癌症的分类测试结果。本发明提高了癌症是否复发的预测准确率。

公开(公告)号：CN109800811A

公开(公告)日：2019-05-24

申请号：CN201910065984.4

申请日：2019-01-24

Applicant: 吉林大学

Inventor： 李玲 ,  刘婉莹 ,  刘丹 ,  杨秀华 ,  黄玉兰 ,  张海蓉 ,  李志军 ,  佟宇琪 ,  戴思达 ,  渠云龙 ,  顾琳 ,  李林 ,  杨泰 ,  梁楫坤

IPC: G06K9/62

Abstract: 本发明涉及一种基于深度学习的小样本图像识别方法，该方法包括下述步骤：一、划分训练集；二、生成噪声图像；三、预训练原型空间判别网络；四、训练欺骗图像生成网络；五、训练原型空间判别网络；六、重复步骤四和步骤五进行交叉迭代训练，直到达到预先设定的迭代次数或准确率不再提升；七、图像类别识别。本发明在不改变已经训练好的模型的前提下，借助每类少数几个标注样本，通过泛化这些罕见的类别，识别训练过程中有从未见过的新类，而不需要额外的训练，图像识别准确率高。

公开(公告)号：CN108597603A

公开(公告)日：2018-09-28

申请号：CN201810416949.8

申请日：2018-05-04

Applicant: 吉林大学

Inventor： 李玲 ,  渠云龙 ,  杨秀华 ,  刘丹 ,  黄玉兰 ,  张海蓉 ,  佟宇琪 ,  顾琳 ,  刘婉莹 ,  戴思达 ,  李林 ,  骆宝童 ,  高华照 ,  张春霞

IPC: G16H50/20 ,  G16H50/70 ,  G06K9/62

Abstract: 本发明涉及一种基于多维高斯分布贝叶斯分类的癌症复发预测系统，该系统的包括预处理模块、训练模块和贝叶斯分类器；预处理模块对训练集进行数据清洗并生成类向量数据集；训练模块首先计算两个类属性先验概率，然后利用pearson相关系数将数据属性分成与类属性关联度紧密的类数据属性集合和与类属性关联度稀疏的II类数据属性集合，两类数据属性集合分别利用多维高斯分布和一维高斯分布来计算相应的概率；贝叶斯分类器将两者概率及类别的先验概率联合共同作为数据属于每个类的概率，并据此判别癌症的分类测试结果。本发明提高了癌症是否复发的预测准确率。

公开(公告)号：CN109800811B

公开(公告)日：2022-09-06

申请号：CN201910065984.4

申请日：2019-01-24

Applicant: 吉林大学

Inventor： 李玲 ,  刘婉莹 ,  刘丹 ,  杨秀华 ,  黄玉兰 ,  张海蓉 ,  李志军 ,  佟宇琪 ,  戴思达 ,  渠云龙 ,  顾琳 ,  李林 ,  杨泰 ,  梁楫坤

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明涉及一种基于深度学习的小样本图像识别方法，该方法包括下述步骤：一、划分训练集；二、生成噪声图像；三、预训练原型空间判别网络；四、训练欺骗图像生成网络；五、训练原型空间判别网络；六、重复步骤四和步骤五进行交叉迭代训练，直到达到预先设定的迭代次数或准确率不再提升；七、图像类别识别。本发明在不改变已经训练好的模型的前提下，借助每类少数几个标注样本，通过泛化这些罕见的类别，识别训练过程中有从未见过的新类，而不需要额外的训练，图像识别准确率高。