公开(公告)号：CN117521817A

公开(公告)日：2024-02-06

申请号：CN202311458902.5

申请日：2023-11-03

Applicant: 西安电子科技大学杭州研究院 ,  西安电子科技大学

Inventor： 聂朋 ,  于强 ,  李垚垚 ,  袁细国

IPC: G06N7/02 ,  G06Q10/04 ,  G06F18/2337

Abstract: 本发明提供的基于梯度增强模糊规则模型的数据预测方法包括：获取特定区域的待预测设备的电力参数信息；将电力参数信息输入预训练的梯度增强模糊规则模型，得到特定区域待预测设备的电力能源消耗数据；预训练的梯度增强模糊规则模型是通过多个弱学习器累加得到的，多个弱学习器的训练集合电力数据集是由预训练电力数据集和前一个弱学习器的输出得到的；将多个弱学习器的预测结果进行累加，得到待预测设备的电力能源消耗数据。通过将多个弱学习器进行叠加，并利用之前弱学习器的输出不断修正训练集合电力数据集以得到预训练的梯度增强模糊规则模型，使得经预训练的梯度增强模糊规则模型预测的数据可以尽可能逼近实际值，提高了数据预测的准确度。

公开(公告)号：CN116935960A

公开(公告)日：2023-10-24

申请号：CN202310805614.6

申请日：2023-07-03

Applicant: 西安电子科技大学杭州研究院 ,  西安电子科技大学

Inventor： 李垚垚 ,  于强 ,  聂朋 ,  袁细国

IPC: G16B20/30 ,  G16B40/00

Abstract: 本发明属于基因组序列测定的高通量测序技术领域，公开了一种基于TOS特征集成学习的拷贝数变异检测方法及系统，包括拷贝数变异五大特征提取、TOS特征构建及选择、集成学习算法分类、拷贝数变异边界精确识别和算法的性能评估，算法的性能评估采用判断算法在召回率、精确度及F1‑score等指标下的拷贝数变异检测能力。本发明首先选取反映拷贝数变异测序特点的五大基础特征及TOS特征，并利用假设检验方法对特征选择，提取可代表拷贝数变异分布的非同构特征并采用集成学习对是否拷贝数变异区域分类。此外，本发明利用滑动小窗口精确检测拷贝数变异边界，令检测结果更准确。

公开(公告)号：CN118098346A

公开(公告)日：2024-05-28

申请号：CN202410294363.4

申请日：2024-03-14

Applicant: 西安电子科技大学杭州研究院

Inventor： 李垚垚 ,  陈正祎 ,  袁细国 ,  安旭东

IPC: G16B20/10 ,  G16B30/00 ,  G16B40/00 ,  G06F18/2431

Abstract: 本发明属于高通量测序技术领域，尤其涉及一种基于相对质量孤立森林的拷贝数变异检测方法及系统，包括测序数据预处理及RD信号获取、建立基于环形二元分割变化点检测的分段重组方法进行降噪处理、构建局部均值法处理局部噪声、构建基于相对质量得分的孤立森林算法并获取异常分数、对异常分数建立高斯分布，通过显著性水平确定拷贝数变异并指定变异类型和算法的性能评估，算法的性能评估采用判断算法在召回率、精确率及F1‑score等指标下的拷贝数变异检测能力。本发明解决了在低测序覆盖度、低肿瘤纯度场景下受测序噪声及拷贝数变异自身分布的不均衡性导致的拷贝数变异检测性能不高的问题。