-
公开(公告)号：CN116630062A
公开(公告)日：2023-08-22
申请号：CN202310531926.2
申请日：2023-05-10
Applicant: 重庆医药数据信息科技有限公司 , 重庆大学
IPC: G06Q40/08 , G06Q30/018 , G06V30/18 , G06V10/25 , G06V30/19 , G06V10/82 , G06N3/0499 , G06N3/084
Abstract: 本发明公开一种医保欺诈行为检测方法、系统、存储介质，具体包括以下步骤：A：采集用户的医保就医数据；B：构建医保欺诈行为检测模型并进行训练，采用训练完成的医保欺诈行为检测模型将用户的医保就医数据划分为文本、OCR文本、图像；C：分别对文本、OCR文本、图像进行特征提取得到文本嵌入向量、OCR文本嵌入向量、图像中感兴趣区域的嵌入向量；D：将文本嵌入向量、OCR文本嵌入向量、图像中感兴趣区域的嵌入向量中进行拼接，得到多模态的序列型特征嵌入；E：使用多层Transformer编码器对多模态的序列型特征嵌入进行深度编码，并进行分类，得到预测的欺诈检测结果。
-
公开(公告)号：CN108921670B
公开(公告)日：2022-06-14
申请号：CN201810724191.4
申请日：2018-07-04
Applicant: 重庆大学 , 重庆医药数据信息科技有限公司
Abstract: 本发明公开了一种融合用户潜在兴趣、时空数据和类别流行度的药品交易推荐方法，包括从电商平台的数据集中获取用户购买药品的购买记录数据，并对购买记录数据进行整理得到用户‑药品评分矩阵；基于购买记录数据中相似用户的购买记录建立用户潜在兴趣模型，并基于用户潜在兴趣模型获取用户潜在兴趣数据；将用户潜在兴趣数据合并到用户‑药品评分矩阵；基于购买记录数据中用户购买过的药品所属类别的流行度和用户对该类别的偏爱建立类别相关模型；对合并了用户潜在兴趣数据的用户‑药品评分矩阵进行矩阵分解，并将分解得到的用户偏好预测矩阵和类别相关模型进行线性融合生成推荐列表。本发明有效解决了现有技术中评分矩阵稀疏性对推荐效率造成影响的问题。
-
公开(公告)号：CN118570633A
公开(公告)日：2024-08-30
申请号：CN202410617173.1
申请日：2024-05-17
Applicant: 重庆大学 , 重庆医药数据信息科技有限公司
Abstract: 本发明属于智能目标检测技术领域，尤其涉及基于协同注意力机制多尺度目标检测网络的目标检测方法，包括：S1、构建目标检测模型；其主干网络包括优化后的DarkNet‑53模型，主干网络用于使用优化后的DarkNet‑53模型对输入图像提取不同层次的特征；颈部网络中嵌入有基于协同注意力机制的特征增强模块，用于使目标检测模型聚焦到目标本身；预测头用于处理颈部网络输出的特征，并生成最终的目标检测结；S2、获取图像数据并进行预处理，得到目标检测模型的训练数据集；S3、使用S2得到的训练数据集对目标检测模型进行训练；S4、使用训练好的目标检测模型，进行实际的目标检测。本方法可以提升复杂场景下目标检测的效率和精度。
-
公开(公告)号：CN108921670A
公开(公告)日：2018-11-30
申请号：CN201810724191.4
申请日：2018-07-04
Applicant: 重庆大学 , 重庆医药数据信息科技有限公司
Abstract: 本发明公开了一种融合用户潜在兴趣、时空数据和类别流行度的药品交易推荐方法，包括从电商平台的数据集中获取用户购买药品的购买记录数据，并对购买记录数据进行整理得到用户-药品评分矩阵；基于购买记录数据中相似用户的购买记录建立用户潜在兴趣模型，并基于用户潜在兴趣模型获取用户潜在兴趣数据；将用户潜在兴趣数据合并到用户-药品评分矩阵；基于购买记录数据中用户购买过的药品所属类别的流行度和用户对该类别的偏爱建立类别相关模型；对合并了用户潜在兴趣数据的用户-药品评分矩阵进行矩阵分解，并将分解得到的用户偏好预测矩阵和类别相关模型进行线性融合生成推荐列表。本发明有效解决了现有技术中评分矩阵稀疏性对推荐效率造成影响的问题。
-
公开(公告)号：CN106779797A
公开(公告)日：2017-05-31
申请号：CN201610991870.9
申请日：2016-11-10
Applicant: 重庆医药数据信息科技有限公司 , 重庆大学
IPC: G06Q30/02
CPC classification number: G06Q30/0202
Abstract: 本发明提出了一种基于反比例多项式函数萤火虫优化算法的支持向量机药品预测方法，包括如下步骤：S1，获取药品销售数量数据生成学习样本；S2，确定SVM的常数c和核函数σ的取值范围，以及迭代结束条件即迭代次数；S3，初始FA算法，根据每一次迭代计算萤火虫光强值I，判断是否对萤火虫光强度I进行位置更新；S4，判断迭代结束条件，找到最优二维向量(c,g)，将该最优二维向量(c,g)代入SVM向量机进行训练和验证，对学习样本进行调整，最终得到药品销售预测结果。
-
Patent Agency Ranking
公开(公告)号：CN106504030A
公开(公告)日：2017-03-15
申请号：CN201610991652.5
申请日：2016-11-10
Applicant: 重庆医药数据信息科技有限公司
CPC classification number: G06Q30/0202 , G06K9/6269 , G06N3/006
Abstract: 本发明提出了一种基于混沌正弦映射的花朵授粉优化算法的支持向量机药品预测方法，该方法包括：A、收集某类药品2012至2016年的销售量，生成学习样本；B、确定SVM的常数c和核函数σ的取值范围，以及迭代结束条件；C、根据混沌正弦映射方程计算P，初始n朵花种群的位置，确定初始的最优解位置g*；D、判断进行全局授粉或局部授粉，并且是否更新g*，E、若g*连续迭代m(m∈t)次以后没有更新，将 进行k次迭代，最后将此混沌序列反归一化生成经过混沌正弦映射的最优值序列；F、综合结果，将最终g*＝(c,g)带入SVM向量机，进行模型训练和验证，根据预测结果，对学习样本进行调整，最终最优预测发明方法。
-
公开(公告)号：CN119942203A
公开(公告)日：2025-05-06
申请号：CN202510030168.5
申请日：2025-01-08
Applicant: 重庆大学
IPC: G06V10/764 , G06V10/20 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及图像处理技术以及图像模式分类领域，具体提供了一种基于多尺度基本信念分配否定的模式分类方法，包括通过特征金字塔网络将预处理后的图像分成不同尺度的特征图；对特征图进行卷积并输出全连接层特征的总特征图；对总特征图中不同尺度特征计算不同的距离，加入点双序列相关系数与隶属度计算基本信念分配值；对基本信念分配值横向拼接成每个类的基本信念分配图；定义基本信念分配的否定，将基本信念分配图上的所有基本信念分配用否定的形式表达，并计算质量函数对应模型的准确度；计算基本信念分配的质量函数对应权重的否定；基于质量函数对应权重的否定与基本信念分配的否定计算输出类别，实现对图像类别的高效识别，提高识别的准确度。
-
公开(公告)号：CN112037929B
公开(公告)日：2024-11-08
申请号：CN202010928695.5
申请日：2020-09-07
Applicant: 重庆大学
IPC: G16H50/80 , G06F18/2411 , G06F18/214 , G06N20/10 , A61B7/00 , A61B5/08 , A61B5/00 , G10L15/04 , G10L15/16 , G10L25/24
Abstract: 本发明公开了基于多模态机器学习的分类方法、在线新冠肺炎预警模型训练方法及预警方法。能够通过多种单项数据的采集，进而实现对对象的分类。并且由于先利用分类器进行单项数据的分类，再利用神经网络对单项数据的分类结果进行进一步分类，使得模型训练时长更短，且对硬件性能要求更低。本发明利用这种分类方法，还能够实现对于新冠肺炎的在线预警，能够快速确定需要进行核酸检测的对象，既保证了疑似患者得到检测，又避免了检测资源的浪费，在新冠肺炎的防治过程中能够起到积极的作用。
-
公开(公告)号：CN110321957B
公开(公告)日：2023-03-24
申请号：CN201910605728.X
申请日：2019-07-05
IPC: G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08 , G06F16/58
Abstract: 本发明提供了一种融合三元组损失和生成对抗网络的多标签图像检索方法，其包括步骤：搭建深度学习框架，部署生成对抗网络模型；输入图像数据集至生成对抗网络模型中以获取多标签图像和三元组数据；基于多标签图像构建三元组损失函数；从图像数据集中选取第一图像对深度哈希编码网络进行训练以获取完成训练的深度哈希编码网络；从图像数据集中选取预设数量的第二图像，将第二图像输入完成训练的深度哈希编码网络以获取哈希向量数据库；将需要检索的第一图像输入完成训练的深度哈希编码网络以检索出与第一图像相似的第二图像。本发明通过使用生成对抗网络生成与数据集样本相似的多标签生成图片，扩充了训练数据量，提高了图像的检索速度和精度。
-
公开(公告)号：CN113516619B
公开(公告)日：2023-03-17
申请号：CN202110386182.0
申请日：2021-04-09
Abstract: 本发明公开了一种基于图像处理技术的产品表面瑕疵识别方法，首先在产品流水线上设置产品检测点，利用高清摄像机对监测点处的产品进行拍摄，获得产品的图像；其次，基于得到的产品图像，对图片进行灰度操作得到灰度图像；再次次针对灰度图像利用瑕疵点识别算法计算并输出瑕疵点面积和图像上的中心点坐标；最后根据输出值触发激光打标机，对产品进行激光打标签，标识出不合格字样。本发明提出的基于计算机处理的瑕疵识别方法，能够很好的识别出产品表面瑕疵点，而对达到产品质量要求表面光滑的产品不生成误判现象。可以解决工业生产中检验汽车配件是否合格问题，提高工业生产效率，节约成本，并适于推广到工厂流水线产品检测上。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.044 seconds)
