-
公开(公告)号：CN112151183B
公开(公告)日：2024-11-22
申请号：CN202011011399.5
申请日：2020-09-23
Applicant: 上海海事大学
IPC: G16H50/70 , G06F40/211 , G06F40/242 , G06F40/284 , G06F40/295 , G06N3/0442 , G06N3/045 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于Lattice LSTM模型的中文电子病历的实体识别方法，包括以下步骤：步骤1：对电子病历数据进行特征向量训练，获得电子病历数据的特征向量；步骤2：基于双向Lattice LSTM编码模型，对所述特征向量进行双向特征向量编码，获得电子病历数据的输出状态序列；步骤3：基于CRF模型的转移特征性，对所述输出状态序列进行标注概率排序，获得实体识别的结果，完成实体识别。此发明解决了传统中文电子病历命名实体识别存在的不足，通过Lattice LSTM模型利用了显性的词信息，使用BERT预训练语言模型融合了字的上下文相关表示，表征字的多义性，引入医学领域的外部词典资源，不仅提升了模型的识别效果，对未登录词也有一定的发现能力。
-
公开(公告)号：CN116595367A
公开(公告)日：2023-08-15
申请号：CN202310545995.9
申请日：2023-05-15
Applicant: 上海海事大学 , 上海慧舫海事科技有限公司
IPC: G06F18/214 , G06F18/22 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于孪生网络的船舶主机燃油油耗率预测方法，包括以下步骤：获取实际正常船舶巡航工况下实船监测数据集，将实际的数据集输入训练好的油耗率预测模型中，得到预测的油耗率，其中，油耗率预测模型的训练过程包括：S1、特征组成数据集；S2、得到具有初始值的LSTM网络；S3、训练组合网络；S4、对S3的组合网络进行复制，形成孪生网络；S5、依据船舶和航线异同对新的训练集进行标注；S6、采用随机梯度下降法训练组合网络的两个输出的距离和标注的训练集之间的相似度，得到训练完成的油耗率预测模型。与现有技术相比，本发明具有适应远洋船舶实际航行中复杂海况和气象情况等优点。
-
公开(公告)号：CN108334897B
公开(公告)日：2023-04-07
申请号：CN201810060430.0
申请日：2018-01-22
Applicant: 上海海事大学
IPC: G06F18/23211 , G06F18/2415
Abstract: 本发明涉及机器学习领域，提出了一种海洋轨迹聚类及预测的方法。为了准确预测未来的轨迹点需要先进行轨迹聚类。本发明轨迹聚类方法主要是将海上复杂多变性和强波动性的轨迹点进行相似性度量，挖掘其中潜在的数据信息。该方法将高斯混合模型GP与狄利克雷过程DP相结合，利用DP的非参贝叶斯框架，确定聚类数目提高聚类自适应性。算法采用在DP基础上加入中国餐馆过程，采用坍塌的Gibbs sampling方法进行模型求解，实现了由有限混合模型到无限混合模型的无监督分类，可自动获取聚类数目,对已聚类的轨迹通过高斯过程回归预测方法预测未来的轨迹点。本发明避免了人工指定聚类数目和参数估计时局部最大化的弊端，在保证自适应聚类的前提下，提高预测的准确率。
-
公开(公告)号：CN112214991B
公开(公告)日：2024-05-14
申请号：CN202011078456.1
申请日：2020-10-10
Applicant: 上海海事大学
IPC: G06F40/216 , G06F40/242 , G06F40/284 , G06F18/25 , G06F16/35
Abstract: 本发明公开了一种基于多特征融合加权的微博文本立场检测方法，包含：S1、根据指定话题采集相应话题下的所有评论文本，将所有评论文本汇聚于数据集中；S2、对步骤S1中的数据集中的评论文本进行预处理操作；S3、计算步骤S2中所得的每个评论文本的词语的重要性standard(x)，提取每个评论文本的特征词；S4、提取每个评论文本中的情感词，将所述情感词与步骤S3中的特征词共同作为原文本，对所述原文本进行词向量映射；S5、将步骤S4所得的数据输入SVM分类器以判断目标文本情感极性倾向。其优点是：该方法通过考虑多个方面的属性特征计算词语的权重，筛选出具有更强意义的特征词，从而提高情感立场倾向检测的准确性，提高对大众舆情事件的响应速度。
-
公开(公告)号：CN112749345B
公开(公告)日：2023-11-14
申请号：CN202110176380.4
申请日：2021-02-09
Applicant: 上海海事大学
IPC: G06F16/9535 , G06F16/906 , G06F18/23213 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于神经网络的K近邻矩阵分解推荐方法，该方法包括：从网站中获取数据集，选取数据集中的若干个用户以及若干个项目，根据若干个用户和若干个项目组成初始矩阵；使用RBF神经网络对初始矩阵的部分空缺值进行预测填充，以降低初始矩阵的稀疏度；对于目标用户使用KNN算法计算在S2步骤中得出的初始矩阵中找到K个最近邻居用户，同理对于目标项目也找到K个最近邻居项目，根据该K个最近邻居用户和K个最近邻居项目构建评分矩阵；对评分矩阵进行矩阵分解，U矩阵代表目标用户的特征，V矩阵代表目标项目的特征，提取新的隐含特征，增加分解的可解释性；将评分矩阵的行列式乘上1/k作为评分标准，给定推荐阈值，判定是否给予推荐。
-
Patent Agency Ranking
公开(公告)号：CN109977231B
公开(公告)日：2021-04-02
申请号：CN201910285499.8
申请日：2019-04-10
Applicant: 上海海事大学
IPC: G06F16/35 , G06F40/289 , G06F40/242 , G16H50/30
Abstract: 本发明公开了一种基于情感衰变因子的抑郁情绪分析方法，该方法包括以下步骤：特定人群微博文本采集与标注；微博文本预处理；情感分类器设计；抑郁指数学习模型建立，以抑郁指数表征个体抑郁程度；情感衰变因子的引入，刻画个体抑郁情绪的波动情况。本发明基于情感衰变因子的抑郁情绪分析方法是根据已有的情感词典及网络用语特点，构建专业的抑郁情感词典，更加准确识别抑郁情感特征词，提高识别准确率；本发明还提出引入情感衰变因子的数学模型来计算抑郁情绪值，真实有效地刻画个体抑郁情绪的变化过程，对于抑郁症的预防和治疗有着积极的意义；本发明准确地对个体的抑郁情绪进行了识别与分析。
-
公开(公告)号：CN111863266A
公开(公告)日：2020-10-30
申请号：CN202010057865.7
申请日：2020-01-16
Applicant: 上海海事大学
IPC: G16H50/70
Abstract: 本发明公开了一种基于定向加权关联规则模型的散发性结直肠腺瘤的危险因素筛查方法，属于数据挖掘领域。本发明先对数据进行了预处理；然后，采用随机森林的平均不纯度减少的特征选择方法进行特征提取，采利用信息增益来确定最优划分节点，得到优选特征集合；接着，将优选特征集合输入定向加权关联规则模型，生成强关联规则。最后，将强关联规则中蕴含的危险因素纳入危险因素集合，并与专家交流。本发明与现有技术相比，主要提供了定向加权关联规则模型来筛查结直肠腺瘤的危险因素，肯定了生活饮食习惯因素在结直肠腺瘤病因学中的重要意义，发现了此前研究中未被发现的高危因素，为寻找结直肠腺瘤危险因素提供了一套值得借鉴的方法。
-
公开(公告)号：CN109711070A
公开(公告)日：2019-05-03
申请号：CN201811633737.1
申请日：2018-12-29
Applicant: 上海海事大学
Abstract: 本发明公开了一种基于活性污泥水处理的溶解氧浓度优化方法，其包含：步骤1，建立活性污泥水处理系统模型；步骤2，对粒子群算法进行改进；步骤3，建立基于XGBoost的集成出水水质预测模型并对其进行仿真计算，获取水质模型的实时出水参数值；步骤4，利用APSO-BP方法对进水水质中溶解氧浓度进行动态优化，获取最优溶解氧浓度设定值。本发明的优化方法采用基于XGBoost的集成学习模型对出水水质的参数值进行实时预测，并通过APSO-BP方法建立溶解氧浓度优化模型，在保证出水水质的基础上，解决了活性污泥法污水处理过程中出水参数值时延大、精度低等问题，通过对曝气池进行合理曝气降低企业生产成本，促进工厂高效稳定运行。
-
公开(公告)号：CN109620184A
公开(公告)日：2019-04-16
申请号：CN201910085075.7
申请日：2019-01-29
Applicant: 上海海事大学
IPC: A61B5/0205 , A61B5/11 , A61B5/00 , G16H80/00
CPC classification number: A61B5/0205 , A61B5/021 , A61B5/02438 , A61B5/1117 , A61B5/6802 , A61B5/747 , G16H80/00
Abstract: 本发明公开了一种手机‑可穿戴设备一体式人体突发伤害实时监测报警方法，通过处理采集的手机内置传感器数据进行姿态解算，判断用户是否突然摔倒，同时通过对手机摄像头获取的图像进行分析，验证判断结果，之后采集穿戴设备监测到的用户的脉搏与血压数据，分析用户生命体征状况，判断其是否受到伤害，建立数学模型，对受伤害程度进行量化计算，若超过阈值，则呼叫联系人电话并发送地图定位，之后将相关数据上传至服务器进行建模分析，针对个体用户优化各项判断阈值，不断提高判断的准确度。本发明可以对用户是否遭受突发事件受到伤害做出高准确度的判断，量化用户受伤害程度，并及时向联系人发出警报，便于救治。
-
公开(公告)号：CN109408774A
公开(公告)日：2019-03-01
申请号：CN201811323416.1
申请日：2018-11-07
Applicant: 上海海事大学
Abstract: 本发明公开了一种基于随机森林和梯度提升树的预测污水出水指标的方法，其包括以下步骤：步骤1：在原始数据训练集中有放回地抽取样本，构成若干样本集；步骤2：根据样本构建随机森林；根据随机森林计算特征重要性，进行属性筛选；步骤3：根据筛选后的属性形成的样本构建梯度提升树模型；步骤4：根据实时监测数据放入梯度提升树模型中预测出污水厂未来一段时间的污水出水指标。本发明将随机森林与梯度提升树模型结合起来建立了污水出水指标数据的关系模型，通过随机森林的降维和梯度提升树高精度的训练可以较为准确地预测出未来一段时间内的污水出水指标数据。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.019 seconds)
