-
公开(公告)号：CN117253613A
公开(公告)日：2023-12-19
申请号：CN202311297763.2
申请日：2023-10-09
Applicant: 吉林大学
IPC: G16H50/30 , G16H20/60 , G16H20/30 , G06F18/23213
Abstract: 本发明公开了一种基于修正膳食平衡指数的个性化营养健康评价方法，包括以下步骤：步骤1：收集人群基本信息和膳食摄入信息；步骤2：以2022年中国居民膳食指南及平衡膳食宝塔为依据，建立以食物组为指标且适合研究人群的修正膳食平衡指数；步骤3：依据修正膳食平衡指数，计算正、负端分等指标，建立膳食质量评价体系；步骤4：依据修正膳食平衡指数指标分值及研究人群的基本信息，以K‑means++聚类算法为框架，利用手肘法确定最佳K值，对居民进行合理分类，提出个性化的营养及健康建议。与传统膳食平衡指数相比，本发明在评估膳食摄入合理性的基础上，又增加了对膳食摄入程度的评估，可为不同需求人群提供个性化的膳食指导。
-
公开(公告)号：CN118760829A
公开(公告)日：2024-10-11
申请号：CN202410750979.8
申请日：2024-06-12
Applicant: 吉林大学
IPC: G06F17/18
Abstract: 本发明涉及一种异常低值数据保趋势的插补修正方法，适用于无季节性变化数据在收集过程中出现季节性异常低值的处理。首先，将待处理数据按统一时间尺度进行整理，统计出月度数据并绘制数据变化趋势折线图。其次，将月度数据与全年平均值进行比较，低于全年平均值且有统计学差异的数据定义为季节性异常低值。计算全年中无降低型异常季节变化月份的月度数据均值，并将高于其平均值的部分进行累加。最后，对数据进行保持数据趋势的样条平滑插补处理。本发明可以在保持数据趋势的情况下，对季节性异常低值数据进行修正处理。
-
公开(公告)号：CN118366678A
公开(公告)日：2024-07-19
申请号：CN202410455547.4
申请日：2024-04-16
Applicant: 吉林大学
Abstract: 本发明涉及基于疾病标准死亡率的确诊灰度测算方法。首先，确定目标疾病的标准死亡率；收集目标地区每日上报的确诊病例及死亡病例。其次，将每日上报的确诊病例及死亡病例进行累加，得到累计确诊病例以及累计死亡病例。然后根据标准死亡率、累计确诊病例以及累计死亡病例估计该地区确诊灰度。最后，根据确诊灰度和累计确诊病例数据估计目标地区的真实累计感染人数。主要是解释一种疾病在各个地区或国家的死亡率相差较大的情况，同时通过真实累计感染情况来估计疾病的真实流行状况，便于及时且合理的采取预防措施。
-
公开(公告)号：CN118155862A
公开(公告)日：2024-06-07
申请号：CN202410200589.3
申请日：2024-02-23
Applicant: 吉林大学
Abstract: 本发明涉及一种基于分级预警算法的猪流感应急处理系统，所述方法包括：S1：选取监测指标；S2：确定监测指标数据抓取上传的时间间隔；S3：估算样本量并进行监测样本选定；S4：为选取的监测样本动物穿戴智能传感器，对其进行症状监测并按时进行数据抓取上传；S5：确定阈值理论中各分级阈值、统计检验方法及不同风险等级的应急处理措施；S6：根据阈值理论对上传数据进行统计学检验并判断是否存在猪流感流行风险；S7：根据阈值理论结果及时合理预警，对预警级别进行动态管理；S8：流行风险解除后，进行无害化处理及监测样本补充。
-
公开(公告)号：CN119441709A
公开(公告)日：2025-02-14
申请号：CN202411155832.0
申请日：2024-08-22
Applicant: 吉林大学
IPC: G06F18/10 , G06F18/2433
Abstract: 本发明涉及一种激增数据值的平滑处理方法，适用于等间隔时间序列数据在随时间变化的过程中出现异常的激增数据值的情况。首先，计算待处理的等间隔时间序列数据值的平均值(Mean，#imgabs0#)和标准差(Standard deviation，σ)，设定能够对激增数据值进行判定的判断区间，且要求待处理的数据不得存在低于判断区间下限的值，并将高于#imgabs1#的数据值标记为激增数据值。其次，将激增数据值高于#imgabs2#的部分进行累加。最后，按照原始数据趋势比例对累加值进行再分配，完成数据的平滑处理。本发明可以对激增数据值进行平滑调整，能够提升后续数据分析的准确性。
-
Patent Agency Ranking
公开(公告)号：CN118861519A
公开(公告)日：2024-10-29
申请号：CN202410895158.3
申请日：2024-07-04
Applicant: 吉林大学
IPC: G06F18/10 , G06F18/214 , G06N20/00 , G06F123/02
Abstract: 本发明公开了一种基于机器学习的连续时间段内缺失数据插补方法，包括以下步骤：步骤1：将数据按统一时间尺度进行整理，对连续时间段内缺失数据进行标记，确定缺失数据时间段。步骤2：计算缺失数据起始与结束时间点数值的比例，确定可供训练数据的上下波动区间。步骤3：筛选并纳入其他相同时间间隔内比值符合既定波动区间的数据。步骤4：将步骤3中纳入的数据作为训练集，使用不同的机器学习方法对数据进行规律识别，通过差异性检验选择最优预测结果进行数据插补。步骤5：结果输出与可视化。
-
公开(公告)号：CN118838939A
公开(公告)日：2024-10-25
申请号：CN202410825506.X
申请日：2024-06-25
Applicant: 吉林大学
IPC: G06F16/2458 , G06F17/18 , G06F16/27
Abstract: 本发明公开了一种基于Bootstrap算法的基本再生数估值方法，包括以下步骤：步骤1：相关数据提取；步骤2：评估数据量，确保分析的适用性；步骤3：样本量(n)小于Bootstrap方法最小样本量(N)时，根据数据分布随机生成数据集，当n≥N时，无需生成；步骤4：导入数据集，进行有放回随机抽样，生成新的Bootstrap数据集，计算目标统计量；步骤5：重复步骤4，进行B次抽样(B≥1000)，估计统计量分布和置信区间，结果输出与可视化。
-
公开(公告)号：CN118094265A
公开(公告)日：2024-05-28
申请号：CN202311708974.0
申请日：2023-12-13
Applicant: 吉林大学
IPC: G06F18/231 , G06F18/213
Abstract: 本发明公开了一种基于逐层特征提取的非对称多层网络聚类方法，包括以下步骤：步骤1：数据导入，通过处理重复值、缺失值、异常值对数据进行预处理，提取关键特征；步骤2：确定非对称多层网络聚类框架中第n(n∈Z+，n从1开始取值)层的最佳聚类数量，选择最优k值；步骤3：对第n层进行逐层特征提取的非对称多层网络聚类；步骤4：重复步骤2‑3，进行逐层顺次聚类，直到聚类结果不再显示任何显著特征；步骤5：聚类结果输出与可视化。与传统聚类算法相比，本算法在不随意改变初始簇心基础上，通过多层次聚类，使得聚类结果更加清晰立体化，非对称的聚类在对数据深入分析的同时，避免了过度分析，有利于在高维空间中得到更好的聚类结果。
-
公开(公告)号：CN119480140A
公开(公告)日：2025-02-18
申请号：CN202411525647.6
申请日：2024-10-30
Applicant: 吉林大学
Abstract: 本发明涉及一种基于网络结构学习的高血压诊断界值动态调整的判定方法。首先，对人群健康相关数据进行重复值、缺失值、异常值等数据相关的预处理；其次通过网络结构学习方法选择逻辑合理的指标组合，利用Tabu Search、HC、MMHC三种算法构建贝叶斯网络，通过网络节点及结构分析确定高血压的直接相关因素；最后利用统计学方法分析比较各因素不同年份的差异性，根据统计指标结果判断高血压的诊断界值是否需要进行动态调整。
-
公开(公告)号：CN118136273A
公开(公告)日：2024-06-04
申请号：CN202410200588.9
申请日：2024-02-23
Applicant: 吉林大学
Abstract: 本发明涉及一种基于阈值理论的鸟禽类流行性感冒监测预警系统。首先根据鸟禽类发生禽流感时的症状选择监测指标，估计监测所需样本量并进行样本抽取。其次，确定监测数据抓取上传的时间间隔，为选取的监测样本穿戴监测传感器，并按确定的时间间隔抓取监测结果。最后，确定阈值理论的分级及预警界值，对上传的数据进行统计检验并判断是否存在禽流感流行的风险，当提示存在禽流感流行风险时根据阈值理论启动相应的预警级别并制定防疫措施。待禽流感风险解除后，对监测样本进行补充并恢复日常监测。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.021 seconds)
