-
公开(公告)号：CN118568274A
公开(公告)日：2024-08-30
申请号：CN202410699277.1
申请日：2024-05-31
Applicant: 重庆医药数据信息科技有限公司
Abstract: 本发明公开一种基于加权多模态重排的图文音跨模态检索方法，包括以下步骤：S1：采集包含图像、文本和音频数据的多模态数据集；S2：对多模态数据集进行预处理和特征提取得到图像特征表示、文本特征表示和音频特征表示；S3：根据图像特征表示、文本特征表示和音频特征表示构建跨单模态检索的第一加权多模态重排相似度模型和跨双模态检索的第二加权多模态重排相似度模型；S4：根据第一加权多模态重排相似度模型和第二加权多模态重排相似度模型进行跨模态检索。本发明通过使用使用加权多模态重排的图文音跨模态检索方法，实现图像、文本和音频相互检索的功能。用户通过输入图像、文本或音频数据，检索相关的另一或二模态数据，返回检索结果。
-
公开(公告)号：CN114298577A
公开(公告)日：2022-04-08
申请号：CN202111652639.4
申请日：2021-12-30
Applicant: 重庆医药数据信息科技有限公司
Abstract: 本发明公开一种基于带量采购的系统和方法，包括项目管理单元，用于为每个采购项目建立独立的管理区域，进行规则设置和资料设置；报量管理单元，用于采集汇总买方采购量；报名管理单元，用于采集卖方提交的产品资料和公司资料；审核管理单元，用于对卖方提交的产品资料和公司资料进行资质审核；竞价管理单元，用于设置采购项目的采购方式，并按照得分占比输出入围产品；公示管理单元，用于对通过资质审核的产品资料、公司资料以及入围产品进行公示。
-
公开(公告)号：CN116630062A
公开(公告)日：2023-08-22
申请号：CN202310531926.2
申请日：2023-05-10
Applicant: 重庆医药数据信息科技有限公司 , 重庆大学
IPC: G06Q40/08 , G06Q30/018 , G06V30/18 , G06V10/25 , G06V30/19 , G06V10/82 , G06N3/0499 , G06N3/084
Abstract: 本发明公开一种医保欺诈行为检测方法、系统、存储介质，具体包括以下步骤：A：采集用户的医保就医数据；B：构建医保欺诈行为检测模型并进行训练，采用训练完成的医保欺诈行为检测模型将用户的医保就医数据划分为文本、OCR文本、图像；C：分别对文本、OCR文本、图像进行特征提取得到文本嵌入向量、OCR文本嵌入向量、图像中感兴趣区域的嵌入向量；D：将文本嵌入向量、OCR文本嵌入向量、图像中感兴趣区域的嵌入向量中进行拼接，得到多模态的序列型特征嵌入；E：使用多层Transformer编码器对多模态的序列型特征嵌入进行深度编码，并进行分类，得到预测的欺诈检测结果。
-
公开(公告)号：CN108921670B
公开(公告)日：2022-06-14
申请号：CN201810724191.4
申请日：2018-07-04
Applicant: 重庆大学 , 重庆医药数据信息科技有限公司
Abstract: 本发明公开了一种融合用户潜在兴趣、时空数据和类别流行度的药品交易推荐方法，包括从电商平台的数据集中获取用户购买药品的购买记录数据，并对购买记录数据进行整理得到用户‑药品评分矩阵；基于购买记录数据中相似用户的购买记录建立用户潜在兴趣模型，并基于用户潜在兴趣模型获取用户潜在兴趣数据；将用户潜在兴趣数据合并到用户‑药品评分矩阵；基于购买记录数据中用户购买过的药品所属类别的流行度和用户对该类别的偏爱建立类别相关模型；对合并了用户潜在兴趣数据的用户‑药品评分矩阵进行矩阵分解，并将分解得到的用户偏好预测矩阵和类别相关模型进行线性融合生成推荐列表。本发明有效解决了现有技术中评分矩阵稀疏性对推荐效率造成影响的问题。
-
公开(公告)号：CN114172743A
公开(公告)日：2022-03-11
申请号：CN202111652592.1
申请日：2021-12-30
Applicant: 重庆医药数据信息科技有限公司
Abstract: 本发明公开一种用于医保终端的安全认证系统和方法，包括S1：构建终端认证网关；S2：终端认证网关对医保终端进行身份认证，认证成功后将医保终端的身份信息列入白名单，医保终端激活成功；S3：医保终端激活成功后，发送业务请求到终端认证网关，终端认证网关检测医保终端的ip是否在白名单内，如果ip在白名单内且是医保终端管理的请求则转发到医保终端管理平台从而建立联系。终端认证网关部署在各区域的医保终端管理平台的接入区，解决网络通信不稳定的问题；另外，终端认证网关集成了安全认证的功能，即将安全认证功能从医保终端管理平台转移到终端认证网关，降低了医保终端管理平台安全认证的压力，减少了计算资源的使用，从而提高稳定性。
-
Patent Agency Ranking
公开(公告)号：CN106504030A
公开(公告)日：2017-03-15
申请号：CN201610991652.5
申请日：2016-11-10
Applicant: 重庆医药数据信息科技有限公司
CPC classification number: G06Q30/0202 , G06K9/6269 , G06N3/006
Abstract: 本发明提出了一种基于混沌正弦映射的花朵授粉优化算法的支持向量机药品预测方法，该方法包括：A、收集某类药品2012至2016年的销售量，生成学习样本；B、确定SVM的常数c和核函数σ的取值范围，以及迭代结束条件；C、根据混沌正弦映射方程计算P，初始n朵花种群的位置，确定初始的最优解位置g*；D、判断进行全局授粉或局部授粉，并且是否更新g*，E、若g*连续迭代m(m∈t)次以后没有更新，将 进行k次迭代，最后将此混沌序列反归一化生成经过混沌正弦映射的最优值序列；F、综合结果，将最终g*＝(c,g)带入SVM向量机，进行模型训练和验证，根据预测结果，对学习样本进行调整，最终最优预测发明方法。
-
公开(公告)号：CN118570633A
公开(公告)日：2024-08-30
申请号：CN202410617173.1
申请日：2024-05-17
Applicant: 重庆大学 , 重庆医药数据信息科技有限公司
Abstract: 本发明属于智能目标检测技术领域，尤其涉及基于协同注意力机制多尺度目标检测网络的目标检测方法，包括：S1、构建目标检测模型；其主干网络包括优化后的DarkNet‑53模型，主干网络用于使用优化后的DarkNet‑53模型对输入图像提取不同层次的特征；颈部网络中嵌入有基于协同注意力机制的特征增强模块，用于使目标检测模型聚焦到目标本身；预测头用于处理颈部网络输出的特征，并生成最终的目标检测结；S2、获取图像数据并进行预处理，得到目标检测模型的训练数据集；S3、使用S2得到的训练数据集对目标检测模型进行训练；S4、使用训练好的目标检测模型，进行实际的目标检测。本方法可以提升复杂场景下目标检测的效率和精度。
-
公开(公告)号：CN115269720A
公开(公告)日：2022-11-01
申请号：CN202210833695.6
申请日：2022-07-14
Applicant: 重庆医药数据信息科技有限公司
IPC: G06F16/27 , G06F16/22 , G06F16/23 , G06F16/2457
Abstract: 本发明公开一种基于双队列的数据同步方法和系统，包括第一业务系统和第二业务系统，还包括第一数据同步应用端和第二数据同步应用端；所述第一业务系统将变更数据的第一消息发送到第一消息队列，所述第一消息包括变更数据对应的ID值和变更类型；第一数据同步应用端，用于根据第一消息队列发送的第一消息查询第一业务系统中的第一数据库以获取变更数据，再将变更数据和第一消息转换成第二消息发送到第二消息队列；第二数据同步应用端，用于对第二消息队列发送的第二消息进行校验，校验成功后，将变更数据同步到第二业务系统中的第二数据库。
-
公开(公告)号：CN108921670A
公开(公告)日：2018-11-30
申请号：CN201810724191.4
申请日：2018-07-04
Applicant: 重庆大学 , 重庆医药数据信息科技有限公司
Abstract: 本发明公开了一种融合用户潜在兴趣、时空数据和类别流行度的药品交易推荐方法，包括从电商平台的数据集中获取用户购买药品的购买记录数据，并对购买记录数据进行整理得到用户-药品评分矩阵；基于购买记录数据中相似用户的购买记录建立用户潜在兴趣模型，并基于用户潜在兴趣模型获取用户潜在兴趣数据；将用户潜在兴趣数据合并到用户-药品评分矩阵；基于购买记录数据中用户购买过的药品所属类别的流行度和用户对该类别的偏爱建立类别相关模型；对合并了用户潜在兴趣数据的用户-药品评分矩阵进行矩阵分解，并将分解得到的用户偏好预测矩阵和类别相关模型进行线性融合生成推荐列表。本发明有效解决了现有技术中评分矩阵稀疏性对推荐效率造成影响的问题。
-
公开(公告)号：CN106779797A
公开(公告)日：2017-05-31
申请号：CN201610991870.9
申请日：2016-11-10
Applicant: 重庆医药数据信息科技有限公司 , 重庆大学
IPC: G06Q30/02
CPC classification number: G06Q30/0202
Abstract: 本发明提出了一种基于反比例多项式函数萤火虫优化算法的支持向量机药品预测方法，包括如下步骤：S1，获取药品销售数量数据生成学习样本；S2，确定SVM的常数c和核函数σ的取值范围，以及迭代结束条件即迭代次数；S3，初始FA算法，根据每一次迭代计算萤火虫光强值I，判断是否对萤火虫光强度I进行位置更新；S4，判断迭代结束条件，找到最优二维向量(c,g)，将该最优二维向量(c,g)代入SVM向量机进行训练和验证，对学习样本进行调整，最终得到药品销售预测结果。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.036 seconds)
