-
Patent Agency Ranking
公开(公告)号：CN114936475B
公开(公告)日：2022-10-28
申请号：CN202210855169.X
申请日：2022-07-20
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于拟合优度可信度融合的复杂系统成功率评估方法，包括对蒙特卡洛仿真试验数据、半实物仿真试验数据、外场静态试验数据基于拟合优度法的可信度计算，得到归一化后的蒙特卡洛仿真试验可信度、半实物仿真试验可信度和外场静态试验的可信度；得到相对于真实试验的蒙特卡洛仿真试验先验分布、半实物仿真试验先验分布和外场静态试验先验分布；将得到的蒙特卡洛仿真试验可信度、半实物仿真试验可信度和外场静态试验的可信度与蒙特卡洛仿真试验先验分布、半实物仿真试验先验分布和外场静态试验先验分布进行融合，得到成功率的先验分布；利用对成功率的先验分布进行修正，得到成功率的后验分布，得到复杂系统成功率。
-
公开(公告)号：CN115587338A
公开(公告)日：2023-01-10
申请号：CN202211167665.2
申请日：2022-09-23
Applicant: 成都信息工程大学
IPC: G06F18/25
Abstract: 本发明公开了一种基于序贯多层融合的复杂系统成功率评估法，包括如下步骤：根据先验信息给出复杂系统成功率所服从的先验分布密度函数，所述的先验信息包括数字仿真数据、半实物仿真数据和外场静态实验数据；引入继承因子和更新因子，当获取先验信息的条件与现场实验条件不一致时，将获取的先验信息进行折合修正，使得折合后的信息和现场实验信息近似服从同一总体，即将不同环境、不同实验条件的实验信息折合到标准实验状态下的实验信息，得到修正后的先验分布；基于序贯多层的Bayes融合，得到成功率的后验分布；通过损失函数和风险函数，在风险最小准则下得到成功率给出Bayes点估计。
-
公开(公告)号：CN114936475A
公开(公告)日：2022-08-23
申请号：CN202210855169.X
申请日：2022-07-20
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于拟合优度可信度融合的复杂系统成功率评估方法，包括对蒙特卡洛仿真试验数据、半实物仿真试验数据、外场静态试验数据基于拟合优度法的可信度计算，得到归一化后的蒙特卡洛仿真试验可信度、半实物仿真试验可信度和外场静态试验的可信度；得到相对于真实试验的蒙特卡洛仿真试验先验分布、半实物仿真试验先验分布和外场静态试验先验分布；将得到的蒙特卡洛仿真试验可信度、半实物仿真试验可信度和外场静态试验的可信度与蒙特卡洛仿真试验先验分布、半实物仿真试验先验分布和外场静态试验先验分布进行融合，得到成功率的先验分布；利用对成功率的先验分布进行修正，得到成功率的后验分布，得到复杂系统成功率。
-
公开(公告)号：CN118840238A
公开(公告)日：2024-10-25
申请号：CN202410657257.8
申请日：2024-05-25
Applicant: 成都信息工程大学
Inventor： 曾思瑜 , 刘晓飞 , 李佳玲 , 贺小舟 , 王海天 , 费汝倩 , 杨建超 , 周霞 , 谯傲 , 杨杉 , 郭垂江 , 李映兰 , 陈煜 , 李晟东 , 王嘉宁 , 袁轩 , 吕越凡
IPC: G06Q50/26 , G16H40/20 , G06F18/10 , G06F18/243 , G06F17/18
Abstract: 本发明公开了一种两阶段DRG分组方法和系统。采用回归分析对CC进行重新分类，基于医疗费用构建回归模型，利用回归系数判断CC的严重程度。共建立了七个回归模型，打破了以高发病率作为高医疗费用影响因素的瓶颈。使用CHAID算法对成本相近的患者进行分组，采用变异系数(CV)评估组内异质性，并利用CHS‑技术规范(CTS)中的七项核心指标比较两种DRG分组的性能。本发明的优点是：不仅适应不同地区的疾病谱和经济发展情况，还能有效降低医疗费用，提高资源利用效率。
-
公开(公告)号：CN115587338B
公开(公告)日：2023-08-22
申请号：CN202211167665.2
申请日：2022-09-23
Applicant: 成都信息工程大学
IPC: G06F18/25
Abstract: 本发明公开了一种基于序贯多层融合的复杂系统成功率评估法，包括如下步骤：根据先验信息给出复杂系统成功率所服从的先验分布密度函数，所述的先验信息包括数字仿真数据、半实物仿真数据和外场静态实验数据；引入继承因子和更新因子，当获取先验信息的条件与现场实验条件不一致时，将获取的先验信息进行折合修正，使得折合后的信息和现场实验信息近似服从同一总体，即将不同环境、不同实验条件的实验信息折合到标准实验状态下的实验信息，得到修正后的先验分布；基于序贯多层的Bayes融合，得到成功率的后验分布；通过损失函数和风险函数，在风险最小准则下得到成功率给出Bayes点估计。
-
-
-
-
Search Results
5
records
(took 0.02 seconds)
