-
公开(公告)号：CN119379394A
公开(公告)日：2025-01-28
申请号：CN202411519672.3
申请日：2024-10-29
Applicant: 南通大学
IPC: G06Q30/0601 , G06F18/10 , G06F18/213 , G06F18/2415 , G06N3/0464 , G06N3/0895 , G06N3/047 , G06N3/048 , G06N3/084 , G06N3/042
Abstract: 本发明属于推荐方法技术领域，具体涉及一种基于多层卷积块和对比学习的跨域商品推荐方法。提高特征提取能力：多层卷积块能够有效提取商品的高维特征，包括图像和文本等多模态信息，从而提升推荐系统的准确性。增强模型的泛化能力：对比学习可以通过构建正负样本对来改进特征表示学习，增强模型对跨域商品推荐的泛化能力，使其在不同领域之间具有更好的迁移效果。缓解数据稀疏问题：跨域推荐可以利用多个领域的商品数据进行联合训练，有助于缓解某个领域数据稀疏的问题，从而提高推荐的覆盖率。降低冷启动影响：该方法能够通过对比学习机制有效挖掘跨域相似商品的特征关系，减轻推荐系统在新商品或新用户场景下的冷启动问题。
-
公开(公告)号：CN103475662B
公开(公告)日：2017-05-24
申请号：CN201310419078.2
申请日：2013-09-13
Applicant: 南通大学
IPC: H04L29/06
Abstract: 本发明公开了一种网络入侵防御的可拓求解方法，包括（1）预处理通过收集到的数据报文和网络拓扑信息，得到构造基元的数据，然后构造基元；（2）对基元进行可拓变换，扩大已知条件，减少问题的矛盾性；（3）建立问题合适的关联函数，进行结点状态的可拓识别和防御。本发明用包括相关数据的各种基元对问题进行抽象；通过对物元的可拓处理，扩大已知条件，降低问题求解的矛盾性；确定具有公共左端点，且最优点在左端点的关联函数为问题域的关联函数；用此关联函数进行多特征融合的攻击识别、攻击预警；并针对蠕虫，给出了防御步骤。
-
公开(公告)号：CN106599555B
公开(公告)日：2018-10-30
申请号：CN201611089491.7
申请日：2016-12-01
Applicant: 南通大学
IPC: G16H50/20
Abstract: 本发明公开了一种用于癫痫脑波病历特征选择的多专家协同决策方法。该方法首先构造专家集中每个专家ei对应的癫痫脑波病历参考关系评估矩阵；然后设计专家组Exgi的邻域半径ri，并计算其特征选择值协同性，获取专家组Exgi的特征选择关系协同度cri；最后构造专家系统集E的专家邻近矩阵集P和专家组Exgi的关系矩阵PEi，针对癫痫脑波病历特征开展多专家协同决策选择优化，从而求得全局最优癫痫脑波病历特征选择集。该方法能有效进行癫痫脑波病历的鉴别、诊断和治疗，对癫痫疾病的早期预防、降低脑损伤后果等具有较好作用。
-
公开(公告)号：CN105279388A
公开(公告)日：2016-01-27
申请号：CN201510791062.3
申请日：2015-11-17
Applicant: 南通大学
Abstract: 本发明公开了一种多层云计算框架协同的孕龄新生儿脑病历集成约简方法。该方法首先构造多层MapReduce协同神经子种群Neuro-subpopulationi结构，提取各神经子种群精英最优带权裕度WCi，并通过MapReduce将大规模脑病历组织属性自适应划分至n个协同进化的神经子种群中，并取得不同脑病历组织最佳分割曲面；然后设计一种五层结构的神经网络优化模型，构造精英能量矩阵NSMP，各神经子种群最优能量精英Elitist_leaderi进行脑病历曲面Sub_curvei的集成化协同约简，达到各自分割曲面的最优约简集最后提取出脑病历组织的全局最优属性约简集RedEnsemble。本发明利用云计算环境下多层MapReduce框架和协同神经子种群精英快速提高大数据环境下孕龄新生儿脑病历约简效率和精度，对其脑病历特征选择、规则提取和临床决策支持服务等具有重要的意义。
-
Patent Agency Ranking
公开(公告)号：CN106599555A
公开(公告)日：2017-04-26
申请号：CN201611089491.7
申请日：2016-12-01
Applicant: 南通大学
IPC: G06F19/00
Abstract: 本发明公开了一种用于癫痫脑波病历特征选择的多专家协同决策方法。该方法首先构造专家集中每个专家ei对应的癫痫脑波病历参考关系评估矩阵；然后设计专家组Exgi的邻域半径ri，并计算其特征选择值协同性，获取专家组Exgi的特征选择关系协同度cri；最后构造专家系统集E的专家邻近矩阵集P和专家组Exgi的关系矩阵PEi，针对癫痫脑波病历特征开展多专家协同决策选择优化，从而求得全局最优癫痫脑波病历特征选择集。该方法能有效进行癫痫脑波病历的鉴别、诊断和治疗，对癫痫疾病的早期预防、降低脑损伤后果等具有较好作用。
-
公开(公告)号：CN105279388B
公开(公告)日：2017-11-17
申请号：CN201510791062.3
申请日：2015-11-17
Applicant: 南通大学
Abstract: 本发明公开了一种多层云计算框架协同的孕龄新生儿脑病历集成约简方法。该方法首先构造多层MapReduce协同神经子种群Neuro‑subpopulationi结构，提取各神经子种群精英最优带权裕度WCi，并通过MapReduce将大规模脑病历组织属性自适应划分至n个协同进化的神经子种群中，并取得不同脑病历组织最佳分割曲面；然后设计一种五层结构的神经网络优化模型，构造精英能量矩阵NSMP，各神经子种群最优能量精英Elitist_leaderi进行脑病历曲面Sub_curvei的集成化协同约简，达到各自分割曲面的最优约简集最后提取出脑病历组织的全局最优属性约简集RedEnsemble。本发明利用云计算环境下多层MapReduce框架和协同神经子种群精英快速提高大数据环境下孕龄新生儿脑病历约简效率和精度，对其脑病历特征选择、规则提取和临床决策支持服务等具有重要的意义。
-
公开(公告)号：CN104615892B
公开(公告)日：2017-07-07
申请号：CN201510071053.7
申请日：2015-02-10
Applicant: 南通大学
IPC: G06F19/00
Abstract: 本发明公开了一种用于特殊中医病历诊断规则挖掘的多层精英角色方法，该方法首先设计精英角色子种群浓度选择概率将中医病历属性分配到不同类别的“普通—精英”角色种群中，进行特殊中医病历中相关和相互依赖属性预处理；然后构造一种基于多层精英角色的动态均衡策略，通过各个五边形进化区域内不同精英角色种群动态迁入和迁出形成多层精英角色全局均衡点；最后从多层精英角色中选出具有全局搜索和局部精化最强优化能力的精英子集向量，构造最强精英优化阵列实现特殊中医病历诊断规则快速挖掘。本发明能较好地克服特殊中医电子病历属性模糊，属性相关和相互依赖等问题，有效提高其诊断规则挖掘效率，具有较强的鲁棒性和实用性。
-
公开(公告)号：CN104615892A
公开(公告)日：2015-05-13
申请号：CN201510071053.7
申请日：2015-02-10
Applicant: 南通大学
IPC: G06F19/00
Abstract: 本发明公开了一种用于特殊中医病历诊断规则挖掘的多层精英角色方法，该方法首先设计精英角色子种群浓度选择概率将中医病历属性分配到不同类别的“普通—精英”角色种群中，进行特殊中医病历中相关和相互依赖属性预处理；然后构造一种基于多层精英角色的动态均衡策略，通过各个五边形进化区域内不同精英角色种群动态迁入和迁出形成多层精英角色全局均衡点；最后从多层精英角色中选出具有全局搜索和局部精化最强优化能力的精英子集向量，构造最强精英优化阵列实现特殊中医病历诊断规则快速挖掘。本发明能较好地克服特殊中医电子病历属性模糊，属性相关和相互依赖等问题，有效提高其诊断规则挖掘效率，具有较强的鲁棒性和实用性。
-
公开(公告)号：CN103475662A
公开(公告)日：2013-12-25
申请号：CN201310419078.2
申请日：2013-09-13
Applicant: 南通大学
IPC: H04L29/06
Abstract: 本发明公开了一种网络入侵防御的可拓求解方法，包括（1）预处理通过收集到的数据报文和网络拓扑信息，得到构造基元的数据，然后构造基元；（2）对基元进行可拓变换，扩大已知条件，减少问题的矛盾性；（3）建立问题合适的关联函数，进行结点状态的可拓识别和防御。本发明用包括相关数据的各种基元对问题进行抽象；通过对物元的可拓处理，扩大已知条件，降低问题求解的矛盾性；确定具有公共左端点，且最优点在左端点的关联函数为问题域的关联函数；用此关联函数进行多特征融合的攻击识别、攻击预警；并针对蠕虫，给出了防御步骤。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.026 seconds)
