公开(公告)号：CN117743379A

公开(公告)日：2024-03-22

申请号：CN202311767332.8

申请日：2023-12-20

Applicant: 桂林理工大学

Inventor： 石凯 ,  赵鹏阳 ,  蒋琼

IPC: G06F16/245 ,  G06F16/26 ,  G06F16/21 ,  G06F16/215 ,  G16H50/30

Abstract: 本发明涉及生物技术领域，具体涉及脑疾病与肠道微生物关系抽取与数据平台构建方法，包括以下步骤：采集目标文献数据；对目标文献数据进行整理，得到验证数据集；建立数据库；将验证数据集录入数据库，本发明用于查询和可视化脑疾病与肠道微生物之间的相关性和机制，方便用户获取和利用脑疾病与肠道微生物相关联的数据和信息，增加用户对肠‑脑轴的认识和理解，为脑疾病的预防、诊断和治疗提供参考和指导，解决了传统的查询方式不便于科研人员和临床医生查询挖掘角度研究脑疾病与肠道微生物之间的关联的问题。

公开(公告)号：CN107271389A

公开(公告)日：2017-10-20

申请号：CN201710489763.0

申请日：2017-06-24

Applicant: 桂林理工大学

Inventor： 陈华舟 ,  石凯 ,  贾贞

IPC: G01N21/31

Abstract: 本发明公开了一种基于指标极值的光谱特征变量快速匹配方法。该方法利用简单的线性模型为光谱校正预测模型挑选有效的特征变量。以朗伯比尔定律为基础，对光谱变量集合中的每一个变量（波长）建立一元线性回归模型，以模型预测指标极值为目标，选择峰值和谷值所对应的一元特征变量，并进一步寻找与每一个一元特征变量形成最佳匹配的第二变量，组成离散特征变量集合，利用此特征变量集合建立光谱校正模型能够有效克服简单的线性模型中常出现的光谱共线性问题。该方法具有模型简便、计算量少、遴选自由度大等优点，可推广应用到拉曼、近红外、中红外、紫外光谱分析领域，为设计小型便携式专用光谱仪提出有效的技术支持。

公开(公告)号：CN117743954A

公开(公告)日：2024-03-22

申请号：CN202311762345.6

申请日：2023-12-20

Applicant: 桂林理工大学

Inventor： 石凯 ,  柳乔晖 ,  蒋琼

IPC: G06F18/2411 ,  G06F18/214 ,  G06N3/006 ,  G16H50/30

Abstract: 本发明涉及数据处理技术领域，具体涉及一种基于深度森林模型的疾病表型预测方法，包括将微生物丰度数据输入预处理模块，构造基于系统发育树的特征矩阵；将微生物丰度矩阵和基于系统发育树的特征矩阵作分别进入改进的深度森林模块中学习新的特征表示，在改进的深度森林模块的级联层中，每层的森林单元生成类向量，将生成的类向量和原始向量拼接组成新的特征向量；将新的特征向量输入学习模块，学习模块双通道的架构分别学习两种模式下新的特征表示；将两种模式的新的特征表示融合后作为预测模块的输入，预测模块对同一森林中的所有树进行平均，取最大概率的类作为模型的输出预测，得到预测结果。

公开(公告)号：CN119128359A

公开(公告)日：2024-12-13

申请号：CN202410991265.6

申请日：2024-07-23

Applicant: 桂林理工大学

Inventor： 陈华舟 ,  艾武 ,  石凯

IPC: G06F17/18 ,  G01N21/25 ,  G06F17/10

Abstract: 本发明提供一种光谱冗余信息融合建模的计量分析方法，属于光谱快速无损分析应用领域，首先通过对原始光谱数据集进行回归得到一个的光谱定标预测模型，光谱定标预测模型的参数通过训练样本数据的自回归运算来获取，设计一个冗余信息比对函数，将冗余信号和部分不确定的噪音信号融入光谱定标预测模型中，估算冗余信息比对函数的有效近似值，通过评估冗余信息比对函数的近似值确定该波长点是否需要保留在模型中，然后计算每个波长对优化后的光谱定标预测模型预测能力的影响，完成计量分析。本发明可融合光谱冗余信息的特征对常规的定标模型进行修正和优化，在检测资源有限的前提下，利用原本会丢弃的无用信息，可以减少数据信息检测的消耗。

公开(公告)号：CN107271389B

公开(公告)日：2019-10-11

申请号：CN201710489763.0

申请日：2017-06-24

Applicant: 桂林理工大学

Inventor： 陈华舟 ,  石凯 ,  贾贞

IPC: G01N21/31

Abstract: 本发明公开了一种基于指标极值的光谱特征变量快速匹配方法。该方法利用简单的线性模型为光谱校正预测模型挑选有效的特征变量。以朗伯比尔定律为基础，对光谱变量集合中的每一个变量（波长）建立一元线性回归模型，以模型预测指标极值为目标，选择峰值和谷值所对应的一元特征变量，并进一步寻找与每一个一元特征变量形成最佳匹配的第二变量，组成离散特征变量集合，利用此特征变量集合建立光谱校正模型能够有效克服简单的线性模型中常出现的光谱共线性问题。该方法具有模型简便、计算量少、遴选自由度大等优点，可推广应用到拉曼、近红外、中红外、紫外光谱分析领域，为设计小型便携式专用光谱仪提出有效的技术支持。