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

Inventor： 高蓝宇 ,  张宸 ,  代子风 ,  韩松杰 ,  张长胜 ,  张斌

IPC: G06K9/62 ,  G06N20/00

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：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

Inventor： 梁晓龙 ,  高蓝宇 ,  张宸 ,  兰磊 ,  张长胜 ,  张斌

IPC: G06T7/00 ,  G06T5/00 ,  G06T5/40 ,  G06N3/04 ,  G06N3/08

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。