-
公开(公告)号：CN114388129B
公开(公告)日：2024-09-17
申请号：CN202111455856.4
申请日：2021-12-01
Applicant: 南京信息工程大学
IPC: G16H50/30 , G06F18/241 , G06N20/20 , G16H50/70
Abstract: 本发明为基于动态信息价值准则和集成学习的动脉粥样硬化风险预测方法，公开了所述方法包括：基于动态信息价值准则对采集的数据集进行筛选，分为最优特征集和残留特征集；基于机器学习算法将最优特征集与残留特征集作为基分类器A、基分类器B；根据基分类器A、基分类器B建立预测模型A和预测模型B；将最优特征集和残留特征集输入预测模型A和预测模型B，将所得到的预测结果加权集成，输出最终集成学习预测结果，本发明在使用机器学习算法进行动脉粥样硬化风险预测的基础上，由模型预测效果优劣来进行特征筛选，挑选出数据冗余度低、有代表性的特征，考虑到了更为优秀的特征、提高了模型预测效果。
-
公开(公告)号：CN114550941B
公开(公告)日：2024-09-17
申请号：CN202210106377.X
申请日：2022-01-28
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于狄克斯特拉算法的低冗余度动脉粥样硬化风险预测方法，所述方法包括：采集原始数据集，并对原始数据集进行预处理；基于狄克斯特拉算法的低冗余度特征筛选方法对原始数据挑选出数据冗余度低、有代表性的特征作为最优特征集，将残留特征记为残留特征集；基于机器学习算法将最优特征集作为基分类器A、将残留特征集作为基分类器B，分别建立预测模型，记为预测模型A、预测模型B；基于贝叶斯网络计算预测模型A、预测模型B的权重；将预测模型A预测模型B所得到的预测结果加权集成，输出最优预测结果。
-
公开(公告)号：CN114388129A
公开(公告)日：2022-04-22
申请号：CN202111455856.4
申请日：2021-12-01
Applicant: 南京信息工程大学
Abstract: 本发明为基于动态信息价值准则和集成学习的动脉粥样硬化风险预测方法，公开了所述方法包括：基于动态信息价值准则对采集的数据集进行筛选，分为最优特征集和残留特征集；基于机器学习算法将最优特征集与残留特征集作为基分类器A、基分类器B；根据基分类器A、基分类器B建立预测模型A和预测模型B；将最优特征集和残留特征集输入预测模型A和预测模型B，将所得到的预测结果加权集成，输出最终集成学习预测结果，本发明在使用机器学习算法进行动脉粥样硬化风险预测的基础上，由模型预测效果优劣来进行特征筛选，挑选出数据冗余度低、有代表性的特征，考虑到了更为优秀的特征、提高了模型预测效果。
-
Patent Agency Ranking
公开(公告)号：CN117639103A
公开(公告)日：2024-03-01
申请号：CN202311634122.1
申请日：2023-11-29
Applicant: 国网新疆电力有限公司 , 南京信息工程大学
Abstract: 本发明涉及一种智能电网经济调度方法，针对目标智能电网中全部发电机所对应的智能电网经济调度模型，并应用分布式经济调度方法进行求解，获得各发电机分别对应的预测发电量、并进行评价；设计将差分隐私机制与单点残差反馈相结合解决在线经济调度问题，当发电机成本函数未知时，使用单点残差反馈机制估计真实梯度信息，指导决策变量的更新，在每次迭代利用当前时刻查询函数值和上一时刻函数值来估计梯度信息，有效地降低了计算成本，提高了计算效率；并且在线经济调度的分布式优化算法中，引入差分隐私机制，能够确保发电机敏感数据在数据共享和处理过程中得到充分保护，防止其被未经授权的个人或组织滥用，为电力系统的安全性提供了可靠的保障。
-
公开(公告)号：CN116030962A
公开(公告)日：2023-04-28
申请号：CN202211704411.X
申请日：2022-12-29
Applicant: 南京信息工程大学
IPC: G16H50/20 , G06F18/2431 , G06N20/20
Abstract: 本发明公开了一种基于随机森林和加权集成学习的动脉粥样硬化预测方法，涉及医学信息处理技术领域，包括采集原始数据集，并对原始数据集进行预处理，筛选出特征集；根据动脉粥样硬化的影响因素选择预测基模型；将选择的预测基模型进行加权集成，建立动脉粥样硬化预测加权集成模型；对预测基模型进行参数调整，优化动脉粥样硬化预测加权集成模型；基于优化后的动脉粥样硬化预测加权集成模型，输入特征集，得出动脉粥样硬化预测结果。本发明通过结合机器学习算法，建立加权集成模型，对动脉粥样硬化进行预测，提高动脉粥样硬化预测的准确度，从而能够辅助医生对动脉粥样硬化进行更精准的诊断。
-
公开(公告)号：CN117639097A
公开(公告)日：2024-03-01
申请号：CN202311601092.4
申请日：2023-11-28
Applicant: 国网新疆电力有限公司 , 南京信息工程大学
IPC: H02J3/46 , H02J3/38 , G06Q10/0631 , G06Q30/0201 , G06Q50/06
Abstract: 本发明涉及一种计及碳排放的分布式微电网经济调度方法，首先构建考虑碳排放的电网综合能源模型；接着获得各台发电设备所对应的最优边际成本；然后获得各台发电设备分别对应的最优发电功率；最后对目标智能电网中各台发电设备分别对应的最优发电功率进行评价；设计采用单点Bandit方法对真实梯度信息进行估计，指导决策变量的更新，使其适用于具有时变代价函数的分布式在线能源管理问题，并且引入差分隐私机制，使得发电设备之间交互信息被随机噪声所摄动，有效保护了分布式在线能源管理问题中发电机的隐私；设计专注解决考虑碳排放成本情况下的能源管理问题，充分考虑环境保护和可持续发展的因素，有助于促进清洁能源的使用和减少碳排放。
-
公开(公告)号：CN114550941A
公开(公告)日：2022-05-27
申请号：CN202210106377.X
申请日：2022-01-28
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于狄克斯特拉算法的低冗余度动脉粥样硬化风险预测方法，所述方法包括：采集原始数据集，并对原始数据集进行预处理；基于狄克斯特拉算法的低冗余度特征筛选方法对原始数据挑选出数据冗余度低、有代表性的特征作为最优特征集，将残留特征记为残留特征集；基于机器学习算法将最优特征集作为基分类器A、将残留特征集作为基分类器B，分别建立预测模型，记为预测模型A、预测模型B；基于贝叶斯网络计算预测模型A、预测模型B的权重；将预测模型A预测模型B所得到的预测结果加权集成，输出最优预测结果。
-
公开(公告)号：CN115938588A
公开(公告)日：2023-04-07
申请号：CN202211704416.2
申请日：2022-12-29
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种用于动脉粥样硬化预警分析的集成特征选择方法，涉及医学信息处理技术领域，本发明通过对原始动脉粥样硬化数据集进行预处理，以填补原始动脉粥样硬化数据集的缺失值；通过集成特征选择方法对处理后的动脉粥样硬化数据集进行特征选择，筛选出重要特征；对筛选出的重要特征进行统计分析，以得到显著高于正常组动脉粥样硬化组的预警指标；根据预警指标对动脉粥样硬化进行预警分析，以确定患者是否有动脉粥样硬化。该方法不仅考虑特征与目标变量的关系，还考虑了特征间的关系，同时还考虑特征对模型的影响程度，从而筛选出信息冗余度较低且具有代表性的特征集，有效进行动脉粥样硬化的预警分析。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.031 seconds)
