公开(公告)号：CN102419774A

公开(公告)日：2012-04-18

申请号：CN201110418812.4

申请日：2011-12-15

Applicant: 上海大学

Inventor： 吴悦 ,  贾敏 ,  雷州 ,  刘宗田

IPC: G06F17/30

Abstract: 本发明公开了一种面向SNP数据的聚类方法，具体步骤如下：首先将原始SNP数据进行预处理，转换成聚类方法可以处理的数据格式；然后将预处理后的SNP数据进行网格划分，根据每个SNP位点在每个样本中的表达值将SNP数据的每一维划分为3个网格；然后计算划分后的网格的密度，得到包含聚类的子空间；然后对得到的子空间进行聚类，得到被分好类的SNP数据，每个类是共表达的SNP位点的集合；最后将聚类结果保存到文件中。本发明解决了高维分类型数据的聚类问题，能够快速高质量的对SNP数据进行聚类。

公开(公告)号：CN120067330A

公开(公告)日：2025-05-30

申请号：CN202510135962.6

申请日：2025-02-07

Applicant: 上海大学

Inventor： 雷州 ,  张亚伟 ,  陈圣波

IPC: G06F16/353 ,  G06F16/334 ,  G06N3/0455 ,  G06F40/186

Abstract: 本发明涉及一种基于双提示模板的隐式方面级情感分析预测方法和系统，该方法包括：对采集的文本设置双提示模板分别进行语句处理；语句处理后分别通过两个T5编码器进行特征编码，得到对应的句子表示，并针对双提示模板构建标签模板特征；在解码阶段，利用构建的标签模板特征，两个T5解码器交互学习对方模板顺序的依赖，分别对双提示模板的句子表示进行解码输出；将双提示模板的两个解码输出取交集得到最终预测结果。与现有技术相比，本发明具有增强情感元素之间的依赖、增强对隐式情感的捕捉能力、实现更准确的情感分析预测等优点。

公开(公告)号：CN102419774B

公开(公告)日：2013-04-03

申请号：CN201110418812.4

申请日：2011-12-15

Applicant: 上海大学

Inventor： 吴悦 ,  贾敏 ,  雷州 ,  刘宗田

IPC: G06F17/30

Abstract: 本发明公开了一种面向SNP数据的聚类方法，具体步骤如下：首先将原始SNP数据进行预处理，转换成聚类方法可以处理的数据格式；然后将预处理后的SNP数据进行网格划分，根据每个SNP位点在每个样本中的表达值将SNP数据的每一维划分为3个网格；然后计算划分后的网格的密度，得到包含聚类的子空间；然后对得到的子空间进行聚类，得到被分好类的SNP数据，每个类是共表达的SNP位点的集合；最后将聚类结果保存到文件中。本发明解决了高维分类型数据的聚类问题，能够快速高质量的对SNP数据进行聚类。

公开(公告)号：CN102629305B

公开(公告)日：2015-02-25

申请号：CN201210055566.5

申请日：2012-03-06

Applicant: 上海大学

Inventor： 吴悦 ,  吴红霞 ,  雷州 ,  刘宗田 ,  张文宾

IPC: G06F19/22

Abstract: 本发明公开了一种面向SNP数据的特征选择方法。其具体步骤如下：首先进行数据预处理；然后用重新设计的Relief算法剔除无关SNP特征；然后用改进的SVM-RFE算法对SNP特征进行关键性程度排序；最后使用十字交叉验证来筛选关键SNPs。该发明结合了Filter式特征选择和Wrapper式特征选择的优势，并在机器学习过程中使用二次划分方法，解决了SNP数据特征选择中的高维小样本及SNP致病组合模式的问题，提高了分析效率和准确率。

公开(公告)号：CN102629305A

公开(公告)日：2012-08-08

申请号：CN201210055566.5

申请日：2012-03-06

Applicant: 上海大学

Inventor： 吴悦 ,  吴红霞 ,  雷州 ,  刘宗田 ,  张文宾

IPC: G06F19/22

Abstract: 本发明公开了一种面向SNP数据的特征选择方法。其具体步骤如下：首先进行数据预处理；然后用重新设计的Relief算法剔除无关SNP特征；然后用改进的SVM-RFE算法对SNP特征进行关键性程度排序；最后使用十字交叉验证来筛选关键SNPs。该发明结合了Filter式特征选择和Wrapper式特征选择的优势，并在机器学习过程中使用二次划分方法，解决了SNP数据特征选择中的高维小样本及SNP致病组合模式的问题，提高了分析效率和准确率。

公开(公告)号：CN102567652A

公开(公告)日：2012-07-11

申请号：CN201110413777.7

申请日：2011-12-13

Applicant: 上海大学

Inventor： 吴悦 ,  张文宾 ,  雷州 ,  刘宗田 ,  吴红霞

IPC: G06F19/10

Abstract: 本发明一种面向SNP数据的筛选方法。本方法操作步骤如下：首先利用单个SNP的作用和SNP之间的相互作用计算SNP分类权重；其次利用支持向量机筛选单核苷酸多态性位点。本发明一种面向SNP数据的筛选方法，不仅考虑了单个SNP的作用，还充分考察了SNP之间的相互作用，提高了与疾病相关SNP筛选的可靠性。

公开(公告)号：CN120071075A

公开(公告)日：2025-05-30

申请号：CN202411995335.1

申请日：2024-12-31

Applicant: 上海大学

Inventor： 雷州 ,  王帅 ,  陈圣波

IPC: G06V10/82 ,  G06V10/764 ,  G06V10/774 ,  G06V10/44 ,  G06V10/42 ,  G06V10/77 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094 ,  G06N3/096

Abstract: 本发明涉及一种基于决策黑盒场景的对抗模型训练方法、设备及介质，包括：利用对抗模型，得到图片的位置特征、风格变量和局部特征，将图片的局部特征映射为对抗样本；将对抗样本输入白盒代理模型，并通过白盒代理模型的权重信息修正对抗模型中的参数；利用修正后对抗模型生成对抗样本，并对对抗样本采样，得到批量样本，将批量样本输入目标模型，得到训练用图片的分类信息；计算得到批量样本的概率分数，并通过批量损失函数计算，更新对抗模型的参数；更新后的对抗模型能够作为最终的对抗模型，与目标模型进行对抗训练。与现有技术相比，本发明可以做到快速准确生成对抗样本，发现目标模型的缺陷，有利于提前发现安全问题，提高神经网络鲁棒性。