-
公开(公告)号：CN109934248A
公开(公告)日：2019-06-25
申请号：CN201811512535.1
申请日：2018-12-11
Applicant: 广州中医药大学(广州中医药研究院) , 广东技术师范学院 , 广州赫炎大数据科技有限公司
Abstract: 本发明公开了一种针对迁移学习的多模型随机生成与动态自适应组合方法，提出通过随机特征选择来动态构建多候选模型，通过组合多候选模型的方法来避免数据重采样、特征空间映射的上述局限性，并进一步提出动态自适应模型组合的具体方法，将这些有效途径进行有机的融合，从而构造出一种创新性的有效迁移学习分类算法，既能在模型训练过程中对源领域样本数据进行较充分的使用，又能在目标领域识别任务中充分考虑样本的具体特点，防止模型过度偏向与目标领域无关的方面，达到了比现有模型更优的分类精度与效果。本方法能应用于文本挖掘、Web挖掘、无线传感器网络分析等多种具体场景，对可归结为分类问题的各类实际应用问题，都具有重要的积极意义。
-
公开(公告)号：CN109934248B
公开(公告)日：2023-05-19
申请号：CN201811512535.1
申请日：2018-12-11
Applicant: 广州中医药大学(广州中医药研究院) , 广东技术师范学院 , 广州赫炎大数据科技有限公司
IPC: G06F18/24 , G06F18/214 , G06N20/00
Abstract: 本发明公开了一种针对迁移学习的多模型随机生成与动态自适应组合方法，提出通过随机特征选择来动态构建多候选模型，通过组合多候选模型的方法来避免数据重采样、特征空间映射的上述局限性，并进一步提出动态自适应模型组合的具体方法，将这些有效途径进行有机的融合，从而构造出一种创新性的有效迁移学习分类算法，既能在模型训练过程中对源领域样本数据进行较充分的使用，又能在目标领域识别任务中充分考虑样本的具体特点，防止模型过度偏向与目标领域无关的方面，达到了比现有模型更优的分类精度与效果。本方法能应用于文本挖掘、Web挖掘、无线传感器网络分析等多种具体场景，对可归结为分类问题的各类实际应用问题，都具有重要的积极意义。
-
公开(公告)号：CN118245741A
公开(公告)日：2024-06-25
申请号：CN202410446465.3
申请日：2024-04-15
Applicant: 广州中医药大学(广州中医药研究院)
IPC: G06F18/15 , G06F18/214 , G06F18/2431 , G06N3/0464 , G06N3/094 , G06N3/0475
Abstract: 本发明公开了一种基于对抗生成网络的产时胎监智能仿真生成判别方法，该方法利用WIACGAN模型结合1D‑CNN分类器实现对产时CTG数据的智能判别；所述WIACGAN模型从训练稳定性、生成器可控性以及生成样本多样性三个方面对传统GAN进行改进，实现同步生成质量更高的仿真CTG信号数据样本，为产时CTG信号的智能判别提供更加准确和可靠的数据支持；本发明不仅能对胎心率信号和宫缩压力信号进行同步增强，而且还能提高1D‑CNN分类器的分类判别性能，从而有效准确地为医师提供产时胎儿监护的辅助决策支持。
-
-
Search Results
3
records
(took 0.033 seconds)
