-
公开(公告)号:CN108847285A
公开(公告)日:2018-11-20
申请号:CN201810436034.3
申请日:2018-05-09
Applicant: 吉林大学
Abstract: 本发明涉及一种基于机器学习的孕前期及孕中期唐氏综合征筛查方法,该方法包括如下步骤:选择孕妇中孕期唐氏筛查结果数据中的ns个字段作为训练特征;将Ns条样本加入数据集A;对数据集A内的样本进行预处理,使少数类集合与多数类集合中的样本数目达到均衡,获得合成数据集;将合成数据集中的样本进行处理获得胎儿是否患有唐氏综合征的预测模型,利用预测模型对测试样本进行预测得到预测结果。本发明避免了人为划分指标阈值的过程,减轻了人力资源,能够取得较高的准确率和较低的假阳性率。
-
公开(公告)号:CN106878310B
公开(公告)日:2020-02-14
申请号:CN201710095399.X
申请日:2017-02-22
Applicant: 吉林大学
IPC: H04L29/06
Abstract: 本发明涉及网络通信技术领域,涉及命名数据网络下的一种实时流数据分发的方法;解决实时流数据分发不高效及用户与流数据源缺少交互问题;包括实时流数据分发机制和用户与流数据源服务器之间交互机制;实时流数据分发机制包括实时流数据分发链路建立过程和实时流数据分发链路断开过程;用户与流数据源服务器之间交互机制通过流数据源服务器沿实时流数据分发链路分发特定数据包实现,所有收到特定数据包的路由节点构建反向PIT条目以建立用户到流数据源服务器的反向通信链路,用户沿建立的反向通信链路发送用户产生的用户数据包;本发明能够实现高效的实时流数据分发,并增加用户与流数据源的交互性保证。
-