公开(公告)号：CN116364277A

公开(公告)日：2023-06-30

申请号：CN202310355857.4

申请日：2023-04-04

Applicant: 吉林大学

Inventor： 王曦 ,  于鉴麟 ,  李祯浩 ,  李熙铭 ,  孙成林 ,  白洪涛

IPC: G16H50/20 ,  G16H50/50 ,  G06N5/048

Abstract: 本发明公开了一种结合神经网络预测糖尿病的自适应网络模糊推理系统，包括如下模块：数据预处理模块；降维模块；ANFIS与神经网络的结合模块，本发明专利1)提出ANFIS‑NN模型，既具有可解释性，又有高预测精度，能够预测个体将来患糖尿病的可能性，也可以应用于其他疾病的预测问题中；(2)将自适应模糊推理系统与普通网络结合，既一定程度保留了可解释性，又提升了模型的分类性能；(3)使用因果推理进行特征选择，可以与当前已有知识进行结合，进一步提升模型的分类性能；(4)在多个数据集上构建模型，验证模型的可行性和优良性能。

公开(公告)号：CN116629311A

公开(公告)日：2023-08-22

申请号：CN202310396053.9

申请日：2023-04-14

Applicant: 吉林大学

Inventor： 于鉴麟 ,  王曦 ,  李祯浩 ,  李熙铭 ,  孙成林 ,  何丽莉 ,  白洪涛

IPC: G06N3/043 ,  G06N3/08 ,  G16H50/30

Abstract: 本发明公开了一种应用于糖尿病分析、集成的自适应神经模糊系统，包括步骤S1：将数据集输入该模型中，模型先对数据集进行标准化；步骤S2：采用因果推理方式计算每个特征对应于预测结果的因果系数，并以此作为特征的权重；步骤S3：随机选择多个不同的子集，对于每个不同的子集分别构建自适应模糊推理系统，并得到每个推理系统的预测结果；步骤S4：通过集成学习方式得到整个模型的预测结果。本发明涉及计算机算法技术领域，本发明的有益效果是，将因果推理方法引入特征选择中，并以因果系数为权重随机生成数据子集进行训练，降低了模型训练成本，且能达到较好的模型效能。