-
公开(公告)号：CN115203351A
公开(公告)日：2022-10-18
申请号：CN202210803355.9
申请日：2022-07-07
Applicant: 厦门大学
Abstract: 本发明公开了一种多图融合的城市区域表示学习方法和预测方法，其中表示学习方法包括：获取原始城市区域划分及其对应的人群移动数据，并根据人群移动数据对原始城市区域划分进行预处理，以得到多张移动图；计算多张移动图之间的移动图距离，并根据移动图距离对多张移动图进行相似度聚合，以得到多个移动模式；将多个移动模式输入到联合学习模块，以便通过联合学习模块对多个移动模式进行模式内消息传递和模式间交叉注意力处理，以得到城市区域的向量表示；由此，只需通过人群移动数据进行城市区域表示学习，且能够有效消除冗余信息，提升了城市区域表示的泛化能力。
-
公开(公告)号：CN111260919B
公开(公告)日：2021-06-22
申请号：CN202010044078.9
申请日：2020-01-15
Applicant: 厦门大学
Abstract: 本发明公开了一种交通流量预测方法，包括以下步骤：获取多个节点采集的交通状况数据和每个节点对应的定位信息；根据所述定位信息计算每个节点对应的空间向量，并根据所述交通状况数据和所述空间向量生成时空向量；根据所述时空向量和所述交通状况数据计算每个节点对应的空间加权值和时间加权值，并对所述空间加权值和所述时间加权值进行门控融合，以得到融合值，以及根据所述融合值对未来交通流量进行预测；能够实现对未来交通状况的准确预测，提高预测结果的可参考性。
-
公开(公告)号：CN112906911A
公开(公告)日：2021-06-04
申请号：CN202110150143.0
申请日：2021-02-03
Applicant: 厦门大学
IPC: G06N20/20
Abstract: 本发明公开了一种联邦学习的模型训练方法、介质及设备，其中方法包括：选取评测客户端；进行模型预训练，以提取评测数据集；根据内部评测训练集进行模型的训练，以生成评测模型，并计算第一损失值；将评测模型广播给各个客户端，并获取第二损失值，以及计算第一累积分布和第二累积分布；计算损失值上限值，并将损失值上限值广播给对应的客户端，以便每个客户端进行噪声过滤，得到客户端网络模型；每个客户端计算质量因子，并将质量因子和客户端网络模型发送给服务器，以便服务器根据质量因子和客户端网络模型进行聚合，得到服务器模型；能够消除潜在的数据偏见，对客户端采集的数据进行有效过滤，提高联邦学习模型的准确度。
-
公开(公告)号：CN109117987B
公开(公告)日：2020-09-29
申请号：CN201810790785.5
申请日：2018-07-18
Applicant: 厦门大学
Abstract: 本发明公开了一种基于深度学习的个性化交通事故风险预测推荐方法，包括以下步骤：将城市划分为网格区域；计算各网格区域各时段的交通事故数据、交通流量数据、天气特征数据；利用深度学习方法进行模型训练，获得交通事故风险预测模型；根据当前时刻的交通事故数据、交通流量数据及天气特征数据输入，利用交通事故风险预测模型计算下一时刻城市区域交通事故风险预测情况。本发明利用深度学习方法学习交通事故影响因子与交通事故之间的非线性、高维、复杂关联关系，对城市级别的交通事故风险进行预测，提升了预测结果的准确性。
-
公开(公告)号：CN107967532B
公开(公告)日：2020-07-07
申请号：CN201711052176.1
申请日：2017-10-30
Applicant: 厦门大学
Abstract: 本发明公开了一种融合区域活力的城市交通流量预测方法，包括：S1、对城市路网进行区域划分，并计算各个区域的交通流量；S2、设计区域活力模型：利用城市兴趣点的分布和节假日及天气信息，运用3D卷积神经网络(3D CNN)学习城市中各个区域活力的动态变化；S3、设计流量预测模型：融合区域活力与交通流量,运用卷积长短时记忆网络(ConvLSTM)进行流量预测；S4、根据历史数据对区域活力模型和流量预测模型进行同时训练，再利用训练好的模型对各个区域的交通流量进行实时预测。本方法通过融合区域活力，同时考虑了人群活动背后的驱动力和外部因素的影响，能够取得较高的预测精度。
-
Patent Agency Ranking
公开(公告)号：CN107103758B
公开(公告)日：2019-06-21
申请号：CN201710427408.0
申请日：2017-06-08
Applicant: 厦门大学
IPC: G08G1/01
Abstract: 本发明公开了一种基于深度学习的城市区域交通流量预测方法，该方法通过提取交通流量变化的高维时空特征对城市每个区域的交通流量同时进行预测，为城市交通流量预测问题提供了一种新的思路。首先根据LPR设备的数据计算城市区域每个时间段的历史流量；然后利用ConvLSTM和CNN设计交通流量预测模型，并提取影响预测时段的关键时间段的流量数据作为输入训练模型；最后利用训练好的模型进行城市区域交通流量的预测。
-
公开(公告)号：CN107833629A
公开(公告)日：2018-03-23
申请号：CN201711010112.5
申请日：2017-10-25
Applicant: 厦门大学
IPC: G16H50/20
Abstract: 本发明公开了一种基于深度学习的辅助诊断方法，包括：S1、对原始语料数据进行分词处理以建立词嵌入查询表；S2、由电子病历数据中的关键特征字段生成训练样本，使用词嵌入查询表将其数字化，再利用卷积神经网络生成辅助诊断模型；S3、对新输入的电子病历提取关键特征字段，并通过词嵌入查询表进行数字化转换，利用辅助诊断模型进行匹配，输出匹配的诊断结果。本发明还提供一种基于深度学习的辅助诊断系统，包括语料数据提取模块、词嵌入查询表构建模块、历史电子病历数据提取模块、新电子病历数据提取模块、分词模块、电子病历数字化模块及辅助诊断模块。本发明诊断结果及时、准确，将有效辅助医生快速诊断病情。
-
公开(公告)号：CN107341345A
公开(公告)日：2017-11-10
申请号：CN201710483547.5
申请日：2017-06-22
Applicant: 厦门大学
CPC classification number: G06Q10/0635 , G06Q50/22
Abstract: 本发明公开了一种基于电子病历大数据的临床合理用药风险评估方法，包括以下步骤：S1从电子病历数据中提取合理用药记录和错误用药事件，根据患者的生理特征、疾病诊断结果、药物联用情况等因素，自动建立关于用药剂量、药物相互作用、药物禁忌症等合理用药的风险评估模型；S2对新的电子病历，提取其对应的患者生理特征、疾病诊断结果、药物联用情况等因素，应用所述合理用药风险评估模型，得出个体化的用药风险评估，为临床药事管理提供决策依据。本发明临床合理用药风险评估方法，能够自动对临床用药风险进行评估，且结果准确有效，能够为临床合理用药实践提供决策依据。
-
公开(公告)号：CN107103758A
公开(公告)日：2017-08-29
申请号：CN201710427408.0
申请日：2017-06-08
Applicant: 厦门大学
IPC: G08G1/01
CPC classification number: G08G1/0129
Abstract: 本发明公开了一种基于深度学习的城市区域交通流量预测方法，该方法通过提取交通流量变化的高维时空特征对城市每个区域的交通流量同时进行预测，为城市交通流量预测问题提供了一种新的思路。首先根据LPR设备的数据计算城市区域每个时间段的历史流量；然后利用ConvLSTM和CNN设计交通流量预测模型，并提取影响预测时段的关键时间段的流量数据作为输入训练模型；最后利用训练好的模型进行城市区域交通流量的预测。
-
公开(公告)号：CN114925994B
公开(公告)日：2024-07-23
申请号：CN202210493040.9
申请日：2022-05-07
Applicant: 厦门大学
IPC: G06Q10/0635 , G06Q50/26 , G06V20/13 , G06V10/82 , G06V10/762 , G06V10/44 , G06V10/80 , G06V10/764 , G06N3/042 , G06N3/0464 , G06N3/084 , G06F18/25 , G06N3/048
Abstract: 本发明提供一种基于深度学习的城中村风险评估和风险因素定位方法，利用群智感知技术搜索各类风险事故，对每类风险事故进行聚类，将超过阈值的作为风险热点，并根据城中村风险热点获取风险热点情景数据，所述风险热点情景数据包括城中村层面情景数据和场景层面情景数据；从城中村层面情景数据中提取城中村层面情景特征，从场景层面情景数据中提取场景层面情景特征；将城中村层面情景特征和场景层面情景特征输入构建的训练好的残差网络模型，评估城中村风险，并采用逐层相关传播算法定位风险因素；实现异构数据融合，具有高效、低耗的优点，同时也达到了较高的准确率。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.026 seconds)
