-
公开(公告)号：CN115938592A
公开(公告)日：2023-04-07
申请号：CN202310220890.6
申请日：2023-03-09
Applicant: 成都信息工程大学
IPC: G16H50/30 , G06F18/25 , G16B20/10 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于局部增强图卷积网络的癌症预后预测方法，属于医学技术领域，包括以下步骤：S1：获取多组学数据和通路原始数据，并利用多组学数据路和通路原始数据构建无向图；S2：对无向图进行局部增强；S3：利用图卷积网络对局部增强后的无向图进行特征提取和特征融合，得到整体特征映射组合；S4：根据整体特征映射组合，构建比例风险模型，将整体特征映射组合输入至比例风险模型中，确定患者生存风险。本发明通过对癌症相关组学数据构建图神经网络学习，对患者进行预后预测及分析，可以为生物实验提供一定指导，从而有效减少实验时间与节省实验成本。
-
公开(公告)号：CN114010208A
公开(公告)日：2022-02-08
申请号：CN202111311799.2
申请日：2021-11-08
Applicant: 成都信息工程大学
Abstract: 本发明公开一种适用于SSVEP分类的零填充频域卷积神经网络方法，应用于脑电信号处理领域，针对现有技术对SSVEP和SSVEP子类的SSMVEP脑电信号的分类准确率和信息传输速率较低的问题；本发明首先使用脑电采集设备采集人体大脑枕部九个电极的SSVEP脑电信号；其次对脑电信号进行预处理；之后在时域对预处理后的脑电信号进行补零填充，提取九个通道的SSVEP信号的功率谱密度中感兴趣的基频频带和二次谐波频带组合成一个特征矩阵；最后将该特征矩阵作为CNN深度学习模型的输入，使用非线性变换对不同类别的SSVEP信号进行识别；采用本发明的方法能获得较高的分类准确率。
-
公开(公告)号：CN109272056B
公开(公告)日：2021-09-21
申请号：CN201811280097.0
申请日：2018-10-30
Applicant: 成都信息工程大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于伪负样本的数据平衡方法及提高数据分类性能的方法，包括步骤：步骤1：正负样本分离，得到正样本集和负样本集；步骤2：计算得到负样本皮尔逊相关系数集合；步骤3：将伪负样本集和被挑选样本集初始化；步骤4：使用最大相关‑最小冗余方法计算权重，得到权重集合；步骤5：挑选出最大权重，更新伪负样本集和被挑选样本集；步骤6：重复步骤4和步骤5，直到挑选出伪负样本集；步骤7：将挑选出的伪负样本集并入正样本集，同时，从所述负样本集中剔除挑选出的伪负样本集；本发明首次提出并定义了伪负样本的概念，提出的算法可提高数据分类准确性，进而提高分类器性能，特别是在处理不平衡的生物信息数据方面优势明显。
-
公开(公告)号：CN113094368A
公开(公告)日：2021-07-09
申请号：CN202110392024.6
申请日：2021-04-13
Applicant: 成都信息工程大学 , 汉网云联成都科技有限公司
Inventor： 乔少杰 , 杨国平 , 宋海权 , 韩楠 , 李勇 , 闵圣捷 , 王伟业 , 孙科 , 袁犁 , 张浩东 , 范勇强 , 甘戈 , 冉先进 , 魏军林 , 余华 , 元昌安 , 黄发良 , 覃晓 , 郑皎凌 , 张永清
IPC: G06F16/22 , G06F16/2455 , G06F16/2457 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种提升缓存访问命中率的系统及方法，通过设置DDQN模型，提升了缓存区的访问命中率，能够更好地利用缓存区，提高了查询效率。本发明提供的DDQN模型能够学习经验，可以将若干个查询放入查询集合存储表并调度，且从历史执行的查询中获得更多的经验，改进调度策略。本发明能够有效地捕捉缓存区状态以及数据访问模式，更好地利用了缓存区并改进其查询的决策安排；DDQN模型能够适应从未执行过的查询，查询调度策略能够快速适应新的查询模板，从而产生显著的效果以及提升资源共享效率。
-
公开(公告)号：CN112949533A
公开(公告)日：2021-06-11
申请号：CN202110276094.5
申请日：2021-03-15
Applicant: 成都信息工程大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于相对小波包熵脑网络和改进版lasso的运动想象脑电识别方法，包括：根据功率谱密度计算R²图，得到最大的频率波段并进行带通滤波；通过小波包方法对脑电信号的细节系数和近似系统进行提取并计算，得到小波包能量熵特征，并通过小波包能量熵值构建脑功能网络，提取脑网络的拓扑特征；并根据数据预处理中SCSP算法，得到方差特征；将三种特征进行融合，得到较高维度的特征矩阵；通过互信息和相关性的Lasso方法并结合Relief‑f算法进行特征选择，筛选出较小维度的特征矩阵。本发明不仅提取时空域特征，也将脑网络的拓扑特征一并提取，保留更多脑电特征信息；并结合互信息和相关性的Lasso方法和Relief‑f算法进行特征筛选，使特征选择出的特征更优秀。
-
Patent Agency Ranking
公开(公告)号：CN110347842A
公开(公告)日：2019-10-18
申请号：CN201910425540.7
申请日：2019-05-21
Applicant: 成都信息工程大学 , 成都珉安科技有限公司
IPC: G06F16/36 , G06F16/9537 , G06Q50/14
Abstract: 本公开涉及一种基于智能腕表的知识图谱导游系统，包括：智能腕表，用于获取游客的身份信息和所在的位置信息，并将所述身份信息和所述位置信息发送至服务器；服务器，用于接收所述智能腕表发送的所述身份信息和所述位置信息，查找对应于所述身份信息的游客历史记录，查找对应于所述位置信息的景点知识图谱，基于所述游客历史记录和所述景点知识图谱生成推荐景点信息，并将所述推荐景点信息发送给所述智能腕表。用于解决目前的导游只有讲解的服务，游客难以自由行动的技术问题。
-
公开(公告)号：CN109272056A
公开(公告)日：2019-01-25
申请号：CN201811280097.0
申请日：2018-10-30
Applicant: 成都信息工程大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于伪负样本的数据平衡方法及提高数据分类性能的方法，包括步骤：步骤1：正负样本分离，得到正样本集和负样本集；步骤2：计算得到负样本皮尔逊相关系数集合；步骤3：将伪负样本集和被挑选样本集初始化；步骤4：使用最大相关-最小冗余方法计算权重，得到权重集合；步骤5：挑选出最大权重，更新伪负样本集和被挑选样本集；步骤6：重复步骤4和步骤5，直到挑选出伪负样本集；步骤7：将挑选出的伪负样本集并入正样本集，同时，从所述负样本集中剔除挑选出的伪负样本集；本发明首次提出并定义了伪负样本的概念，提出的算法可提高数据分类准确性，进而提高分类器性能，特别是在处理不平衡的生物信息数据方面优势明显。
-
公开(公告)号：CN107622225A
公开(公告)日：2018-01-23
申请号：CN201710620955.0
申请日：2017-07-27
Applicant: 成都信息工程大学
IPC: G06K9/00
Abstract: 本发明涉及一种基于独立分量分析网络的人脸识别方法，所述方法包括以下步骤：步骤1：对输入的人脸图像进行裁剪、对齐、归一化预处理；步骤2：采用一组已经训练好的ICA滤波得到一组映射图像；步骤3：对每张映射图像进行非线性与池化处理以获取更高效的特征映射图像；步骤4：对每张映射图像进行分块的LBP编码，然后全部串起来得到特征表达；步骤5：对特征表达进行WPCA降维，最后采用余弦相似测量对两张人脸图像进行识别验证。本发明采用训练好的ICA滤波应用到CNN中构成单身网络，基于ICA滤波不同的感知区域得到多尺度信息。在人脸识别中能够保证较高的识别率，同时有效地降低计算量，便于推广应用。
-
公开(公告)号：CN119479808A
公开(公告)日：2025-02-18
申请号：CN202411301445.3
申请日：2024-09-18
IPC: G16B30/00 , G16B40/00 , G16B5/00 , G06F18/10 , G06F18/25 , G06F18/241 , G06N3/0464 , G06N3/0442 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开了一种单细胞数据降噪方法，涉及细胞数据处理领域，本方法基于DNA序列和RNA序列进行建模，同时预测染色质可及性和基因表达状态，并整合成对的单细胞多组学数据，将分类器的权重作为两种组学的细胞低维特征，利用对比学习学习其中的细胞异质性，刻画单细胞数据的真实轮廓和生物学信息，对单细胞数据集进行有效降噪。
-
公开(公告)号：CN119207582A
公开(公告)日：2024-12-27
申请号：CN202411264805.7
申请日：2024-09-10
IPC: G16B40/00 , G16B40/30 , G16B25/10 , G16B50/30 , G16B45/00 , G06N5/04 , G06N3/0455 , G06N3/096 , G06N3/0985 , G06F18/2133 , G06F18/23 , G06F18/27 , G06N3/048
Abstract: 本发明公开了一种基于对比学习的单细胞多组学基因调控网络推理方法，属于生物信息技术领域，其包括获取单细胞RNA测序数据和单细胞染色质可及性数据，并进行预处理得到多组学数据的先验网络；将先验调控网络加载成图结构，并将图结构转换为特征空间矩阵；计算图结构中每条边上两个结点的皮尔逊相关系数，当其大于预设阈值时，作为结点对，将结点对和其对应的特征向量和隐藏向量存储至数据集中；将数据集分成若干批次随机输入对比学习模型，得到每个结点的结点类型、结点对的配对程度和结点特征重建向量；采用调控网络解释器提取结点特征重建向量中两个结点在特征空间中的映射，并基于映射计算结点的结构熵，以此确定结点是否为关键结点。
-
-
-
-
-
-
-
-
-
Search Results
99
records
(took 0.066 seconds)
