-
公开(公告)号：CN116402622A
公开(公告)日：2023-07-07
申请号：CN202310392462.1
申请日：2023-04-13
Applicant: 东北大学
Abstract: 本发明提供一种基于蜉蝣算法的基数约束投资组合优化系统与方法，涉及金融投资技术领域。本发明通过对股票收益率历史数据进行预处理，得到各支股票历史平均收益率之间的协方差矩阵；初始化雄性蜉蝣和雌性蜉蝣种群，计算所有个体的适应度值，按照适应度值从小到大分别对雄性和雌性蜉蝣种群进行排名，并选择出雄性蜉蝣中最优的个体记录为全局最优位置；利用模拟二进制交叉算子进行对种群中的每一个解，即投资组合方案进行交叉操作，生成后代；利用后代替换掉父辈中质量较差的个体；更新所有雄性蜉蝣的个体最佳位置，以及更新全局最优位置；输出最优投资组合结果，并且根据结果计算出平均风险以及平均收益率绘制出Pareto前沿进行可视化展示。
-
公开(公告)号：CN115952408A
公开(公告)日：2023-04-11
申请号：CN202310011639.9
申请日：2023-01-05
Applicant: 东北大学
IPC: G06F18/213 , G06F18/24 , G06N3/08 , G01M13/045 , G06N3/0464
Abstract: 本发明提供一种多通道跨域少样本的冲压生产线轴承故障诊断方法，涉及故障诊断技术领域。本发明首先对与轴承振动信号无关的大规模图像数据集上训练特征提取器，通过将一维的轴承振动信号采用形态学和信号转图片方法转换为双通道二维图片，将知识从大规模图像数据集推广到转换后的图片。然后提出了一种自适应的特征选择方法，通过使用多个源数据集训练不同的特征提取器，针对不同目标数据集调整特征选择的权重提取类内相似度高和类间相似度低的特征。本发明针对任何工作条件下的轴承均能使用少量样本完成故障诊断。引入域适应方法对不同目标数据集基于少量样本调整提取的特征，来提升框架的泛化能力。
-
公开(公告)号：CN116108379A
公开(公告)日：2023-05-12
申请号：CN202310116131.5
申请日：2023-02-15
Applicant: 东北大学
IPC: G06F18/241 , G06F18/214 , G06F16/25 , G06Q40/04
Abstract: 本发明提供一种基于域泛化的股票形态相似性查询系统与方法，涉及深度学习技术领域。本系统包括数据层、匹配模型层、分析层；本发明通过获取股票历史数据，对数据进行预处理；然后使用RReliefF算法进行特征选择进行数据分割；使用Lasso算法结合域泛化方法对模型进行训练；进行匹配相似股票数据，并得到结果分析进行反馈。本发明能够更准确地匹配相似股票数据，给用户提供更可靠的辅助结果。
-
公开(公告)号：CN113743453A
公开(公告)日：2021-12-03
申请号：CN202110826722.2
申请日：2021-07-21
Applicant: 东北大学
Abstract: 本发明提供了一种基于随机森林的人口数量预测方法，属于机器学习技术领域。本发明包括人口数据预处理和随机森林模型构建两个模块。所述人口数量预测方法包括：步骤一，填补人口数据中空缺部分；步骤二，提取出影响人口因素的主要特征；步骤三，构建人口预测模型的基学习器；步骤四，组合基学习器，生成随机森林模型，并得出预测结果。本发明对海量人口数据进行特征提取处理，利用随机森林模型预测人口数量，预测效果比单个回归树和线性回归预测精度更高。
-
公开(公告)号：CN116362885A
公开(公告)日：2023-06-30
申请号：CN202310343147.X
申请日：2023-03-31
Applicant: 东北大学
IPC: G06Q40/04 , G06Q40/06 , G06F16/901 , G06F18/22 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于超图的股票历史信息分析排序系统及方法，涉及分析系统领域。本系统，由数据预处理部分、模型构建部分、分析和反馈部分组成。通过获取股票的历史数据以及对应的历史关系并数据预处理，使用Informer算法的encoder部分进行特征提取；进行隐藏概念挖掘构建完整股票关系；根据挖掘到的隐藏概念与预定义的概念构建超图；构建超图卷积算法；分析数据并对模型进行训练；生成股票分析排序结果；分析结果并反馈。本发明优点：本发明能够更准确地分析现存股票收益能力，为交易人员提供更加可靠的交易参考，辅助提升交易整体的收益期望。
-
Patent Agency Ranking
公开(公告)号：CN114861796A
公开(公告)日：2022-08-05
申请号：CN202210502834.7
申请日：2022-05-10
Applicant: 东北大学
IPC: G06K9/62 , G06V10/764 , G06V10/774 , G06V10/30
Abstract: 本发明提供一种针对大尺寸图像分类的对抗样本混合防御方法，涉及信息安全技术领域。该方法首先训练原始分类模型，并训练对攻击方法有抵抗性的分类模型，得到强化分类模型；再对输入样本图像进行自适应去噪检测，通过特征压缩检测判断输入样本图像是否为对抗样本；并对检测出的对抗样本进行图像预处理；最后根据样本分类结果将输入样本输入导入分类模型或强化分类模型进行分类。该方法能抵抗从大尺寸图片数据集上生成的对抗样本，能同时兼顾到对抗样本和干净样本，在具有防御性能的强化模型对干净样本分类的过程中，能够保证一定的准确性，相比于单一的防御策略具有更优越的泛化性能。
-
公开(公告)号：CN114792382A
公开(公告)日：2022-07-26
申请号：CN202210452554.X
申请日：2022-04-27
Applicant: 东北大学
Abstract: 本发明提供一种基于切片病灶检测的糖尿病性视网膜病变等级分类装置，涉及医学图像处理技术领域。该装置对彩色眼底图像进行切片病灶检测，获取病灶特征；将切片病灶检测获取的病灶特征与对应的病变等级标注数据进行组合，对糖尿病性视网膜病变等级分类模型进行训练，得出彩色眼底图像的病灶特征数据与糖尿病性视网膜病变等级之间的映射关系；通过训练后的糖尿病性视网膜病变等级分类模型对糖尿病性视网膜病变等级进行分类；该装置学习病灶特征与病变等级之间的映射关系，有效提高了糖尿病性视网膜病变等级判定的准确率，对糖尿病性视网膜病变等级的判定有重要应用价值。
-
公开(公告)号：CN113762370A
公开(公告)日：2021-12-07
申请号：CN202111001978.6
申请日：2021-08-30
Applicant: 东北大学
Abstract: 本发明使用一种结合高斯随机场的预筛选策略，加速深度神经网络集合的生成，公开了一种结合高斯随机场的深度网络集合生成方法。步骤一：使用预处理后的神经网络训练高斯随机场模型；步骤二：神经网络集合初始化，生成准确率较高的网络集合；步骤三：结合高斯随机场模型，优化神经网络集合；步骤四：对网络集合进行压缩。本发明通过高斯随机场模型预测神经网络的适应度，结合预筛选策略减少计算次数，更快速地得到神经网络集合，提升模型性能。
-
公开(公告)号：CN112801992A
公开(公告)日：2021-05-14
申请号：CN202110150039.1
申请日：2021-02-03
Applicant: 东北大学
Abstract: 本发明结合了3D卷积神经网络和残差网络的优点，针对肺结节检测的现状，公开了基于3D残差网络的肺结节图像分类方法。步骤1：肺部CT图像数据预处理；步骤2：运用数据集训练3D残差网络；步骤3：通过训练好的3D残差网络进行肺结节识别与分类。本发明充分利用了肺部CT图像的空间特征，利用残差网络可以加深网络深度获得更好的分类性能，准确率高，操作简单，提升工作效率。
-
公开(公告)号：CN114792382B
公开(公告)日：2025-04-18
申请号：CN202210452554.X
申请日：2022-04-27
Applicant: 东北大学
IPC: G06V10/764 , G06T7/00 , A61B3/14 , A61B3/12 , A61B3/00 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于切片病灶检测的糖尿病性视网膜病变等级分类装置，涉及医学图像处理技术领域。该装置对彩色眼底图像进行切片病灶检测，获取病灶特征；将切片病灶检测获取的病灶特征与对应的病变等级标注数据进行组合，对糖尿病性视网膜病变等级分类模型进行训练，得出彩色眼底图像的病灶特征数据与糖尿病性视网膜病变等级之间的映射关系；通过训练后的糖尿病性视网膜病变等级分类模型对糖尿病性视网膜病变等级进行分类；该装置学习病灶特征与病变等级之间的映射关系，有效提高了糖尿病性视网膜病变等级判定的准确率，对糖尿病性视网膜病变等级的判定有重要应用价值。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.02 seconds)
