-
公开(公告)号：CN107743074A
公开(公告)日：2018-02-27
申请号：CN201710966809.3
申请日：2017-10-17
Applicant: 海南大学
Abstract: 本发明涉及一种组合服务的信任度估算方法，包括步骤：选择所需的子服务；获取选择的各个子服务的QoS，确定各个子服务的静态信任度；获取各个子服务的历史交互数据，确定各个子服务的动态信任度；确定各个子服务的静态权重和动态权重，确定各个子服务的信任度；根据欲建立的组合服务的功能，确定组合服务中子服务的组合方式、子服务顺序、权重，再结合各个子服务的信任度，确定组合服务的信任度。本发明方法在确定组合服务的信任度过程中，既考虑了子服务的静态信任度，又考虑了子服务的动态信任度，还考虑了组合方式及各子服务的顺序和权重，因此，通过本发明方法确定的组合服务的信任度可靠性高。
-
公开(公告)号：CN119991486A
公开(公告)日：2025-05-13
申请号：CN202510083816.3
申请日：2025-01-20
Applicant: 海南大学
Abstract: 本公开实施例中提供了基于条件扩散概率模型的多参数MRI医学图像融合方法，方法包括：S101，将当前步数的高斯噪声与待融合的医学图像对进行拼接得到三通道张量，将所述三通道张量输入训练好的噪声预测器，以输出预测噪声；医学图像对为具有不同参数的MRI图像；S102，对预测噪声进行单步反向去噪得到当前步数的去噪图；S103，在判断所述当前步数达到预设步数时，输出当前步数的去噪图获得所需的医学融合图像，否则将所述去噪图设置为下一步数的高斯噪声，并返回步骤S101。本发明可有效地对前列腺多参数MRI图像进行图像融合，不仅可以增强对前列腺结构信息的识别和观察，还有利于精准定位疑似病灶区域。
-
公开(公告)号：CN117954032B
公开(公告)日：2025-02-18
申请号：CN202410066497.0
申请日：2024-01-17
Applicant: 海南大学
IPC: G16H10/60 , G06F16/215 , G06F18/10 , G06F18/214 , G06F18/2411 , G06F18/2415 , G06F18/2413 , G06F18/243
Abstract: 本发明涉及一种医疗决策解释方法及系统。所述方法包括：通过数据库及调查问卷采集患者数据；处理患者数据，将处理后的患者数据输入至分类模型中提取数据特征，并根据数据特征进行医疗预测推荐；使用SHAP模型与白盒模型对分类模型分别进行解释，并将解释结果相结合进行可视化比较，联合数据特征进行分析，得到最终决策解释结果。采用SHAP模型与白盒模型相结合对分类模型进行解释，为分类模型输出的医疗预测推荐提供足够支撑，克服了传统医疗推荐系统中无法解释的问题，为患者提供足够的可解释信息，使患者更容易接受推荐结果，以达到预测和预防疾病的目的，提高了用户对系统推荐结果的信任度，对医疗推荐具有极其重要的意义。
-
公开(公告)号：CN114241377B
公开(公告)日：2025-02-07
申请号：CN202111543482.1
申请日：2021-12-16
Applicant: 海南大学
IPC: G06V20/40 , G06V20/52 , G06V10/774
Abstract: 本发明公开基于改进YOLOX的船舶目标检测方法、装置、设备及介质，该方法获取样本数据集，所述样本数据集中包含船舶标注图像和未标注图像，所述样本数据集分为训练集和测试集；构建YOLOX网络，对所述YOLOX网络的主干网络进行优化，将主干网络替换为ResNet50，以用于提取图片小目标特征；将样本数据集输入所述YOLOX网络中进行训练和测试，得到船舶检测模型；将待检测的图像输入到训练好的船舶检测模型中进行检测，用以输出船舶检测结果。本发明通过网络结构改进、模型简化等方法对传统YOLO算法进行改进，使改进算法更好地适应船舶目标检测任务，协助船检人员及早发现潜在的危险并做出正确判断。
-
公开(公告)号：CN112286921B
公开(公告)日：2024-06-07
申请号：CN202011175316.6
申请日：2020-10-29
Applicant: 海南大学
IPC: G06F16/215 , G06F16/23 , G06F16/242 , G06F16/2455 , G06F16/25 , G06Q10/10
Abstract: 本发明提供一种基于多源异构数据的动态企业画像生成方法，包括下列步骤：S1、采集目标企业的信息数据，并对所述企业信息数据进行预处理；S2、构建企业画像模型，所述企业画像模型由企业基本属性、企业经营范围、企业主要产品、企业内外关联、企业行业评价五个维度特征组成，从预处理后的企业信息数据中提取特征项，并填充至对应的维度特征，实现企业信息向量化，标签化；S3、若目标企业的信息数据出现变动，根据变动的企业信息数据，形成新的特征项，并将维度特征中的旧的特征项进行替换更新，形成新的企业画像。
-
Patent Agency Ranking
公开(公告)号：CN118016291A
公开(公告)日：2024-05-10
申请号：CN202410026300.0
申请日：2024-01-09
Applicant: 海南大学
IPC: G16H50/30 , G16H50/70 , G16H10/60 , G06F18/2431 , G06F18/243 , G06F18/213 , G06N20/00 , G06N5/01
Abstract: 本发明涉及一种基于机器学习的糖尿病发病率预测方法。所述方法包括：收集数据集中糖尿病患者的身体数据，根据数据属性对身体数据进行特征编码，基于皮尔逊系数，对编码后的数据进行特征相关性分析，并分为训练集和测试集；通过训练集、测试集构建人工神经网络模型和随机森林模型，并通过S折交叉验证选择随机森林模型；其中，采用ID3决策树学习算法进行特征选择，生成最优决策树，在随机森林算法最终投票时进行加权计算得到随机森林模型；通过随机森林模型对糖尿病患者的发病率进行预测。选择随机森林模型，且在最终投票时进行加权计算，能更好地反映实际情况，通过随机森林模型能够帮助医疗工作者对糖尿病患者的发病率进行预测，减轻负担。
-
公开(公告)号：CN117954032A
公开(公告)日：2024-04-30
申请号：CN202410066497.0
申请日：2024-01-17
Applicant: 海南大学
IPC: G16H10/60 , G06F16/215 , G06F18/10 , G06F18/214 , G06F18/2411 , G06F18/2415 , G06F18/2413 , G06F18/243
Abstract: 本发明涉及一种医疗决策解释方法及系统。所述方法包括：通过数据库及调查问卷采集患者数据；处理患者数据，将处理后的患者数据输入至分类模型中提取数据特征，并根据数据特征进行医疗预测推荐；使用SHAP模型与白盒模型对分类模型分别进行解释，并将解释结果相结合进行可视化比较，联合数据特征进行分析，得到最终决策解释结果。采用SHAP模型与白盒模型相结合对分类模型进行解释，为分类模型输出的医疗预测推荐提供足够支撑，克服了传统医疗推荐系统中无法解释的问题，为患者提供足够的可解释信息，使患者更容易接受推荐结果，以达到预测和预防疾病的目的，提高了用户对系统推荐结果的信任度，对医疗推荐具有极其重要的意义。
-
公开(公告)号：CN117911155A
公开(公告)日：2024-04-19
申请号：CN202410092957.7
申请日：2024-01-23
Applicant: 海南大学
IPC: G06Q40/04 , G06Q10/0639
Abstract: 本发明涉及区块链技术领域，尤其涉及一种基于区块链智能合约的交易评价系统，包括：数据采集单元，用于在交易完成后采集第一维度指标的数据值，所述第一维度指标包括交易发出速率、交易吞吐量和交易延迟率；交易评价单元，用于根据所述第一维度指标的数据值进行交易评价，输出评价结果。通过本发明可以对基于区块链智能合约的交易业务进行有效评价，为促进提供更好服务提供技术支持。
-
公开(公告)号：CN112215814B
公开(公告)日：2023-12-22
申请号：CN202011084213.9
申请日：2020-10-12
Applicant: 海南大学
IPC: G06V10/26 , G06V10/80 , G06V10/44 , G06V10/50 , G06V10/82 , G06V10/774 , G06V10/776 , G06N3/0464 , G06T7/00 , G06N3/048
Abstract: 本发明提供一种基于3DHOG辅助卷积神经网络的前列腺图像分割方法，包括：S1、获取并分析前列腺MRI图像信息，对3D前列腺MRI图像进行预处理；S2、将预处理后的3D前列腺MRI图像的2D HOG特征扩展为3D HOG特征，并进行特征提取；S3、将3D前列腺MRI图像输入卷积神经网络获取深度特征图；S4、将步骤S2获得的3D HOG特征和步骤S3获得的深度特征进行融合，训练得到最终分割模型；S5、通过最终分割模型对测试图像进行处理，获取前列腺MRI分割概率图。本发明可以有效缓解MRI中前列腺边界模糊不清带来的问题，并有效提高分割的准确率。
-
公开(公告)号：CN112580483B
公开(公告)日：2023-12-01
申请号：CN202011468816.9
申请日：2020-12-15
Applicant: 海南大学
IPC: G06V10/77 , G06V20/13 , G06V10/764 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/126
Abstract: 本发明提供一种基于粗糙模糊模型的遥感影像特征离散化方法，包括下列步骤：列出遥感影像中被选中样本在各个波段的像元值和所属类别，并建立基于像元值和所属类别的影像信息决策表；初始化各个类别的类中心以及样本例对类中心之间的隶属度；迭代更新各个类别的类中心以及样本例对类中心之间的隶属度，获得各类别的类中心的最终值以及隶属度最终值；建立粗糙模糊集，并计算粗糙模糊集的平均近似精度，对所述影像信息决策表进行离散化，基于平均近似精度以及遗传算法对离散化结果进行评估，选择最优的离散化方案。(56)对比文件Sushmita Mitra 等.Rough–FuzzyCollaborative Clustering.IEEETRANSACTIONS ON SYSTEMS, MAN, ANDCYBERNETICS—PART B: CYBERNETICS.2003,第36卷(第4期),第795-805页.张婧 等.基于遗传算法和变精度粗糙集的离散化算法.华中师范大学学报(自然科学版).2018,52(03),第322-328页.
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.035 seconds)
