-
公开(公告)号：CN113177604B
公开(公告)日：2024-04-16
申请号：CN202110525604.8
申请日：2021-05-14
Applicant: 东北大学
IPC: G06F18/2113 , G06F18/23213 , G06F18/24 , G16B40/00
Abstract: 本发明提供一种基于改进L1正则化和聚类的高维数据特征选择方法，涉及机器学习技术领域。本发明提出了一种混合特征选择算法用于微阵列数据分析，基于K‑Means聚类算法和改进L1正则化的思想，其中K‑Means聚类算法用于数据预处理来删除冗余特征，改进L1正则化方法用于特征选择，提高稳定性和分类准确率。
-
公开(公告)号：CN112200484B
公开(公告)日：2024-02-27
申请号：CN202011155353.0
申请日：2020-10-26
Applicant: 东北大学
IPC: G06Q10/10 , G06Q10/0631 , G06Q10/0637 , G06Q50/18 , G06F16/23 , G06F9/54
Abstract: 本发明公开一种基于策略定义的智能分案系统及方法，属于案件分配技术领域，该系统包括案件一览模块、策略设置模块、规则定义模块和执行分案模块四个模块，通过设计规则、指定、工作量和轮案四种策略排列组合的方式进行案件分配。本发明分案策略多样化，充分考虑了办案人员能力与案件是否匹配，此外还对案件本身的难度进行定量评估，借助大数据和人工智能技术，实现了批量快速的线上分案，提高了分案效率。
-
公开(公告)号：CN113837518B
公开(公告)日：2024-02-20
申请号：CN202110559620.9
申请日：2021-05-21
Applicant: 东北大学
IPC: G06Q10/0639 , G06Q50/18 , G06Q50/26 , G06F17/18
Abstract: 本发明提供一种基于历史处理数据的人员处理能力刻画方法，涉及推荐技术领域。本发明通过人员的个人年龄，学历，当前职务刻画人员的自然信息；通过人员办理的事件数，事件比，事件类别数，类别比，事件移送事件原由数，事件原由比等指标刻画人员的处理数量能力；通过人员办理的事件一次退回事件数，一次退回事件比，二次退回事件数，二次退回事件比等指标刻画人员的处理质量能力；通过人员办理的事件延期事件数，延期事件比，Top_3事件原由延期事件数等指标刻画人员的处理效果能力；通过人员办理事件的工作量，工作量比等两项指标刻画人员的处理效果能力。
-
公开(公告)号：CN113887852B
公开(公告)日：2024-04-16
申请号：CN202110559595.4
申请日：2021-05-21
Applicant: 东北大学
IPC: G06Q10/0631 , G06N3/042 , G06F18/2135
Abstract: 本发明提供一种基于异构图神经的人员推荐方法，涉及推荐方法技术领域。本发明通过结合事件的事件特征和人员的能力特征，构建了事件与人员的异构图，通过异构图神经网络的训练，最后可以实现为新到事件推荐若干待推荐人员。利用该分配事件策略对大量的新到事件进行分配事件，可有效的加快事件办理效率，避免事件的积压。同时本系统提供挖掘人员的潜在办理能力，针对人员从未办理，或少办理的事件类型，可以在一定条件下进行优先分配，进而有效调动人员的学习积极性，提高人员的多维处理能力。
-
公开(公告)号：CN113161001B
公开(公告)日：2023-11-17
申请号：CN202110515351.6
申请日：2021-05-12
Applicant: 东北大学
IPC: G16H50/70 , G16H10/20 , G06F18/23213 , G06F18/22 , G06N7/01 , G06F16/35 , G06F40/216 , G06F40/242
Abstract: 本发明提供一种基于改进LDA的过程路径挖掘方法，涉及临床路径挖掘技术领域。本发明通过对电子病历中的医嘱日志进行分析，构建了一个医学词典对医嘱日志中的无用医嘱项目进行过滤，选取主题模型中的LDA主题模型对医疗数据进行建模，将医疗日志映射到低维的主题空间，然后再通过过程挖掘来发现主题特征之间的时序关系，让挖掘出的医疗过程模型更易理解，提升了所得结果的医疗可解释性。将本发明所得结果与国家标准临床路径进行对比，结果基本相符。
-
Patent Agency Ranking
公开(公告)号：CN113160881B
公开(公告)日：2023-10-20
申请号：CN202110525570.2
申请日：2021-05-14
Applicant: 东北大学
IPC: G16B40/00 , G16B20/00 , G06F18/2113 , G06F18/2415 , G06F18/214 , G06N3/006
Abstract: 本发明提供一种基于mRMR和MBFA的高维数据特征选择方法，涉及机器学习技术领域。本发明利用mRMR(Max‑Relevance and Min‑Redundancy，最大相关最小冗余)对基因数据进行初步筛选，过滤到包含信息量较少的特征；对于过滤后的特征，通过MBFA(Multilayer Binary Firefly Algorithm，多层二进制萤火虫算法)完成最优特征子集的选择，该方式最终选择的特征冗余度觉少同时实现了较好的模型效果。此外，该方法能够从高维基因微阵列数据中发现寻找用于疾病辅助预测的生物标志物，对于后续研究和预测模型的建立具有重要意义。
-
公开(公告)号：CN112163423B
公开(公告)日：2023-08-29
申请号：CN202011051142.2
申请日：2020-09-29
Applicant: 东北大学
IPC: G06F40/242 , G06F40/289 , G06F40/166 , G06F40/126 , G06F16/903 , G06F16/35 , G06F18/214 , G06N20/20 , G06Q50/18 , G06Q50/26
Abstract: 本发明提供一种检察案件办理工作量计算方法及系统，所述方法基于司法专有名词词典对案件数据文本进行分词处理，提取案件信息中的案件标签，通过模糊匹配进行分组并对每个案件进行编码，利用编码提取到的关键信息进行案件工作量和案件工作量系数计算，所述方法通过对大量的历史案件数据进行分析，可以对案件准确的自动分类，客观定量地计算出每个案件的工作量，通过每个案件的具体分类，所述系统可以提供不同检察官工作量、不同检察院、不同案件类型多种计算结果输出方式，可提高案件工作量计算的准确度，保证办案质量，提高办案效率。
-
公开(公告)号：CN112232413B
公开(公告)日：2023-07-21
申请号：CN202011108087.6
申请日：2020-10-16
Applicant: 东北大学
IPC: G06F18/2113 , G06F18/23213 , G06F18/2411 , G06N3/048 , G06N3/084 , G16B40/00
Abstract: 本发明提供一种基于图神经网络与谱聚类的高维数据特征选择方法。首先将每个基因作为节点建立基因关系图结构模型，并将基因相互关系数据作为边信息添加到基因关系图中，然后利用图神经网络模型来获取节点的特征向量表示，在得到每个节点的特征向量表示之后，开始进行链接预测阶段，生成新的边，得到新的基因关系图，最后基于谱聚类在新的基因关系图中选择权重最高的节点作为特征节点，通过本发明最终选择的基因具有较小的冗余度同时实现了较好的模型效果，并支持生物角度的可解释性。
-
公开(公告)号：CN113837518A
公开(公告)日：2021-12-24
申请号：CN202110559620.9
申请日：2021-05-21
Applicant: 东北大学
Abstract: 本发明提供一种基于历史处理数据的人员处理能力刻画方法，涉及推荐技术领域。本发明通过人员的个人年龄，学历，当前职务刻画人员的自然信息；通过人员办理的事件数，事件比，事件类别数，类别比，事件移送事件原由数，事件原由比等指标刻画人员的处理数量能力；通过人员办理的事件一次退回事件数，一次退回事件比，二次退回事件数，二次退回事件比等指标刻画人员的处理质量能力；通过人员办理的事件延期事件数，延期事件比，Top_3事件原由延期事件数等指标刻画人员的处理效果能力；通过人员办理事件的工作量，工作量比等两项指标刻画人员的处理效果能力。
-
公开(公告)号：CN113177604A
公开(公告)日：2021-07-27
申请号：CN202110525604.8
申请日：2021-05-14
Applicant: 东北大学
Abstract: 本发明提供一种基于改进L1正则化和聚类的高维数据特征选择方法，涉及机器学习技术领域。本发明提出了一种混合特征选择算法用于微阵列数据分析，基于K‑Means聚类算法和改进L1正则化的思想，其中K‑Means聚类算法用于数据预处理来删除冗余特征，改进L1正则化方法用于特征选择，提高稳定性和分类准确率。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.019 seconds)
