-
公开(公告)号：CN118039157B
公开(公告)日：2024-10-01
申请号：CN202410235426.9
申请日：2024-03-01
Applicant: 重庆邮电大学
IPC: G16H50/30 , G16H50/70 , G06F18/15 , G06F18/22 , G06F18/211 , G06F18/213 , G06N3/042 , G06N3/08
Abstract: 本发明涉及医疗领域，特别涉及一种基于图神经网络的II型糖尿病并发症协同预测方法，包括获取糖尿病并发症医疗数据，对医疗数据进行数据预处理；根据糖尿病患者患病情况构建患者‑疾病关系图，根据患者‑疾病‑患者元路径构建患者‑患者关系图，根据糖尿病并发症之间的相似性构建疾病‑疾病关系图；通过三种关系图构建全局异构图，利用图学习器分别对患者‑患者关系图和疾病‑疾病关系图进行优化；利用图神经网络学习提取全局异构图中糖尿病患者之间和糖尿病并发症之间的潜在关系并输入到糖尿病并发症协同预测模型中，预测糖尿病患者各种糖尿病并发症的发病概率；本发明解决目前糖尿病并发症的协同预测问题，提升模型预测的准确率。
-
公开(公告)号：CN117352162B
公开(公告)日：2024-10-01
申请号：CN202311389736.8
申请日：2023-10-24
Applicant: 重庆邮电大学
Abstract: 本发明涉及医疗领域，特别涉及一种基于双规则因果特征选择的疾病因素数据处理方法，本发明将特征选择方法与因果贝叶斯网络结合，通过引入改进的OR规则和AND规则充分挖掘与疾病存在因果关系的疾病危险因素，避免了现有特征选择方法因挖掘错误的因果关系而导致有偏疾病预测输出；本发明通过融合双规则挖掘与疾病具有因果关系的父子特征和配偶特征，解决了当前疾病危险因素挖掘算法存在的假阳性与假阴性错误，并进一步采用分类器进行疾病预测，进而提高疾病诊断系统的精度。
-
公开(公告)号：CN118314112A
公开(公告)日：2024-07-09
申请号：CN202410498213.5
申请日：2024-04-24
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06V10/80 , G06V10/82 , G06V10/766 , G06V10/77 , G06V10/52 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于特征融合的云游戏盲图像质量评价方法和装置，包括：将云游戏图像输入训练好的盲图像质量评价模型中计算得到云游戏图像的质量评价分数；所述盲图像质量评价模型包括：特征提取模型、特征融合模型、超参数网络模型和质量回归模型；所述特征提取模型用于提取云游戏图像的失真特征和美学特征；所述云游戏图像的失真特征包括：深层失真特征和多尺度融合的综合失真特征；所述特征融合模型用于将综合失真特征和美学特征进行特征融合得到融合特征；所述超参数网络用于根据深层失真特征计算质量回归模型的网络参数；所述质量回归模型用于根据超参数网络计算出的网络参数将融合特征进行线性回归计算得到云游戏图像的质量评价分数。
-
公开(公告)号：CN118039157A
公开(公告)日：2024-05-14
申请号：CN202410235426.9
申请日：2024-03-01
Applicant: 重庆邮电大学
IPC: G16H50/30 , G16H50/70 , G06F18/15 , G06F18/22 , G06F18/211 , G06F18/213 , G06N3/042 , G06N3/08
Abstract: 本发明涉及医疗领域，特别涉及一种基于图神经网络的II型糖尿病并发症协同预测方法，包括获取糖尿病并发症医疗数据，对医疗数据进行数据预处理；根据糖尿病患者患病情况构建患者‑疾病关系图，根据患者‑疾病‑患者元路径构建患者‑患者关系图，根据糖尿病并发症之间的相似性构建疾病‑疾病关系图；通过三种关系图构建全局异构图，利用图学习器分别对患者‑患者关系图和疾病‑疾病关系图进行优化；利用图神经网络学习提取全局异构图中糖尿病患者之间和糖尿病并发症之间的潜在关系并输入到糖尿病并发症协同预测模型中，预测糖尿病患者各种糖尿病并发症的发病概率；本发明解决目前糖尿病并发症的协同预测问题，提升模型预测的准确率。
-
公开(公告)号：CN117727464A
公开(公告)日：2024-03-19
申请号：CN202311575741.8
申请日：2023-11-23
Applicant: 重庆邮电大学
IPC: G16H50/70 , G06F18/211 , G06F18/214 , G06F18/23213 , G06F18/2415 , G06F18/25 , G06N3/045 , G06N3/084 , G06N3/0985
Abstract: 本发明涉及医疗数据处理领域，特别涉及基于医疗多视图疾病预测模型的训练方法及设备。本发明将多视图表示学习方法与注意力机制相结合，通过引入改进的多视图层次注意力机制，避免了现有多视图表示学习方法因忽略视图间的重要性差异，而导致疾病预测的有偏输出；引入改进的元学习权重网络，使用元学习权重网络替代了损失权重函数，通过学习网络的分类损失与距离度量损失以自适应调节元学习权重网络参数，减少对样本加权函数超参数的人为设置，提高了少数类的分类精度，缓解了传统机器学习算法分类结果偏向多数类的影响。
-
Patent Agency Ranking
公开(公告)号：CN116341709A
公开(公告)日：2023-06-27
申请号：CN202310095933.2
申请日：2023-02-10
Applicant: 重庆邮电大学
IPC: G06Q10/04 , G06Q50/02 , G06F18/2136 , G06F18/25 , G06N3/0442 , G06N3/0464 , G06N3/049 , E21F17/18
Abstract: 本发明属于计算机/煤矿安全领域，具体涉及一种基于多粒度瓦斯数据的煤矿瓦斯浓度预测方法及装置，方法包括：根据传感器的位置构有向稀疏邻接矩阵，通过神经网络学习更新矩阵中的权值，使得融合相关多个传感器的数据特征，得到当前传感器的空间位置特征；获取当前传感器的空间位置特征在各个时间粒度下的数据，通过多头注意力机制获取各个时间粒度下输入数据的特征对应的时空信息，并删除该时空信息中重复的信息；将获取的时空信息输入预测模块，得到各个时间粒度下的当前传感器的浓度预测值，将各个时间粒度下的预测值融合作为当前传感器的最终预测值；本发明提高对煤矿瓦斯浓度预测结果准确性。
-
公开(公告)号：CN111680268B
公开(公告)日：2023-05-23
申请号：CN202010528525.8
申请日：2020-06-11
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于云模型的多粒度煤矿瓦斯风险预测方法，所述方法包括：根据原始数据生成多个含混度小于阈值的高斯云；将论域边界由高斯云表征的概念转换成半梯形云，最终生成表示原始数据宏观概念的多个混合云；按照煤矿监管监察时间架构离散化数据集，调用逆向云发生器将每个离散的时间片转换成赋有语义的时间粒；按照煤矿监管监察空间架构离散化数据集，调用逆向云发生器将每个离散的空间片转换成赋有语义的空间粒；计算每个时间粒所隶属的相应宏观概念及隶属度；根据煤矿瓦斯浓度的多粒度表示结果构建云规则推理，对短期内的瓦斯浓度进行预测；本发明能够充分考虑真实生产环境，高效地处理海量煤矿安全生产数据，属于数据分析技术领域。
-
公开(公告)号：CN114648217A
公开(公告)日：2022-06-21
申请号：CN202210263310.7
申请日：2022-03-17
Applicant: 重庆邮电大学
Abstract: 本发明属于计算机/煤矿安全领域，具体涉及一种基于增量式极限学习机的煤矿安全风险预警方法，该方法包括：构建基于增量式极限学习机的煤矿安全风险预测模型；实时获取煤矿数据，对该数据进行预处理，将预处理后的数据输入到训练好的基于增量式极限学习机的煤矿安全风险预测模型中，得到该煤矿安全风险预测结果；根据煤矿安全风险预测结果对该煤矿进行预警；本发明的模型预测输出和实际事故发生状况拟合度更好，且预测输出稳定性较好，没有出现大幅度的波动，即本发明对煤矿风险预测结果更可靠，更有优势。
-
公开(公告)号：CN110532429B
公开(公告)日：2021-05-11
申请号：CN201910832959.4
申请日：2019-09-04
Applicant: 重庆邮电大学
IPC: G06F16/735 , G06F16/9535 , G06K9/62
Abstract: 本发明涉及计算机技术领域，特别涉及一种基于聚类和关联规则的线上用户群体分类方法及装置，所述方法包括确定作为聚类中心的用户，利用简单匹配的方法对用户信息数据集中单值离散特征进行相似度计算；将关联规则引入到杰卡德距离的计算过程中，并以此分别计算每个用户与聚类中心的用户之间兴趣特征的相似度；将单值离散特征与兴趣特征计算出的相似度进行加权相加，获得综合用户相似度；根据综合用户相似度对所有用户更新分簇，确定每个簇的中心，当前中心用户的各特征值与上一次更新的中心用户的特征相同，则输出分簇的用户群体，完成分类；本发明解决了簇中心的更新过程中无法对多值离散特征进行合理更新的问题，并提高了用户行为聚类的质量。
-
公开(公告)号：CN112261240A
公开(公告)日：2021-01-22
申请号：CN202011122099.4
申请日：2020-10-20
Applicant: 重庆邮电大学
Abstract: 本发明属于图像加密领域，特别涉及一种基于螺旋置乱的超混沌系统图像加密方法，包括载入图像的像素矩阵序列，并对载入的像素矩阵序列进行两次螺旋置乱，获取中间密文图像；初始化混沌系统，并对输入混沌系统的初值进行预处理；经过混沌系统进行2000+m*n/4次迭代，生成四个伪随机序列x1、y1、z1、u1，其中m、n为载入图像的尺寸，并根据生成的四个伪随机序列合成序列xyzu；基于中间密文图像和合成序列对明文图像进行扩散操作，得到密文图像；选取一张与载入图像大小相同的图像作为载体图像，将密文图像嵌入到载体图像中，得到加密的图像；本发明能够有效抵御选择明文攻击等常见攻击手段，拥有不错的加密效率和安全性。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.026 seconds)
