-
公开(公告)号：CN119446314B
公开(公告)日：2025-04-11
申请号：CN202510039533.9
申请日：2025-01-10
IPC: G16C20/10 , G16C20/50 , G16H70/40 , G06F18/213 , G06F18/214 , G06F18/22 , G06F18/25 , G06N3/042 , G06N3/08
Abstract: 本发明公开了一种基于多通道特征融合的药物‑药物相互作用预测方法，利用药物数据的多样特征，结合多通道特征融合模块和交叉注意力机制，将药物分子子结构、药物相似性矩阵和分子指纹有效结合，然后使用KAN神经网络实现高效准确的DDI预测。本方法高效的整合药物多种特征信息数据，如药物子结构、药物相似性、药物分子指纹数据，实现了高效准确的多通道特征融合的药物‑药物反应预测；本发明提出的MCF‑DDI模型在可解释实验和对比实验中展现出了卓越的性能，不仅评价指标和稳定性都有不同程度提升，还能识别出药物分子中关键子结构并验证这些子结构在药物相互作用预测中的重要性，为药物研发和临床应用提供了有力的理论支持。
-
公开(公告)号：CN119446314A
公开(公告)日：2025-02-14
申请号：CN202510039533.9
申请日：2025-01-10
IPC: G16C20/10 , G16C20/50 , G16H70/40 , G06F18/213 , G06F18/214 , G06F18/22 , G06F18/25 , G06N3/042 , G06N3/08
Abstract: 本发明公开了一种基于多通道特征融合的药物‑药物相互作用预测方法，利用药物数据的多样特征，结合多通道特征融合模块和交叉注意力机制，将药物分子子结构、药物相似性矩阵和分子指纹有效结合，然后使用KAN神经网络实现高效准确的DDI预测。本方法高效的整合药物多种特征信息数据，如药物子结构、药物相似性、药物分子指纹数据，实现了高效准确的多通道特征融合的药物‑药物反应预测；本发明提出的MCF‑DDI模型在可解释实验和对比实验中展现出了卓越的性能，不仅评价指标和稳定性都有不同程度提升，还能识别出药物分子中关键子结构并验证这些子结构在药物相互作用预测中的重要性，为药物研发和临床应用提供了有力的理论支持。
-
公开(公告)号：CN118366133A
公开(公告)日：2024-07-19
申请号：CN202410492874.7
申请日：2024-04-23
Applicant: 成都信息工程大学
IPC: G06V20/59 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/774
Abstract: 本发明公开了一种基于多尺度网络的疲劳驾驶检测方法，包括：S1、采集原始EEG数据，并对其进行预处理；S2、构建基于多尺度网络的疲劳驾驶检测模型，并利用预处理后的EEG数据对其训练；S3、将待检测EEG数据预处理，并输入至完成训练和测试的疲劳驾驶检测模型中，获得疲劳驾驶检测结果。本发明方法相较于现有方法，在分类准确率和跨被试泛化能力方面表现更为优越，具有较高的鲁棒性和稳定性。
-
公开(公告)号：CN108763865B
公开(公告)日：2023-10-20
申请号：CN201810489037.3
申请日：2018-05-21
Applicant: 成都信息工程大学
IPC: G16B20/30 , G16B30/00 , G16B40/00 , G06N3/0464 , G06N3/098
Abstract: 本发明涉及一种预测DNA蛋白质结合位点的集成学习方法，其包括以下步骤：获取DNA结合蛋白质位点的蛋白质序列数据；对DNA结合蛋白质位点的蛋白质序列数据预处理；使用one‑hot编码方式构建输入数据；将提取的特征合并，构建每个蛋白质序列上氨基酸的特征，将其作为输入数据；使用SMOTE算法对正样本数据进行过采样；根据正样本大小将负样本数据分成多份，每份负样本与正样本组合成一个新的数据子集，得到N个数据子集；每个数据子集使用卷积神经网络进行训练；对N个卷积神经网络的结果进行多数投票法集成，从而得到预测结果。本发明解决了不平衡数据情况下的DNA蛋白质结合位点预测问题，提高了预测的准确性。
-
公开(公告)号：CN106775023B
公开(公告)日：2023-07-18
申请号：CN201710012567.4
申请日：2017-01-09
IPC: G06F3/0354 , G06F3/01
Abstract: 本发明公开眼电信号采集方法及基于眼电信号控制的蓝牙鼠标系统，通过本发明的眼电信号处理方法，识别出向左看、向右看、向下看、向上看和连续两次眨眼等眼部动作，并定义不同的眼部动作对应不同的鼠标操作，本发明的基于眼电信号控制的蓝牙鼠标系统，包括：眼电信号采集电极、眼电信号采集模块、模数转换器、数字信号处理器、蓝牙模块以及电源模块；用于实现使用者仅通过眼部动作就能控制鼠标实现不同的操作，从而能够帮助双臂缺失的患者，像正常人一样使用电子设备进行上网等操作；本发明电路结构简单，体积小，方便携带，抗干扰能力强，能够广泛用于移动医疗、家庭病人监护等领域。
-
Patent Agency Ranking
公开(公告)号：CN112949533B
公开(公告)日：2022-04-22
申请号：CN202110276094.5
申请日：2021-03-15
Applicant: 成都信息工程大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于相对小波包熵脑网络和改进版lasso的运动想象脑电识别方法，包括：根据功率谱密度计算R²图，得到最大的频率波段并进行带通滤波；通过小波包方法对脑电信号的细节系数和近似系统进行提取并计算，得到小波包能量熵特征，并通过小波包能量熵值构建脑功能网络，提取脑网络的拓扑特征；并根据数据预处理中SCSP算法，得到方差特征；将三种特征进行融合，得到较高维度的特征矩阵；通过互信息和相关性的Lasso方法并结合Relief‑f算法进行特征选择，筛选出较小维度的特征矩阵。本发明不仅提取时空域特征，也将脑网络的拓扑特征一并提取，保留更多脑电特征信息；并结合互信息和相关性的Lasso方法和Relief‑f算法进行特征筛选，使特征选择出的特征更优秀。
-
公开(公告)号：CN111460332B
公开(公告)日：2020-10-30
申请号：CN202010336442.9
申请日：2020-04-26
Applicant: 成都信息工程大学 , 成都申达森科技有限公司
Inventor： 乔少杰 , 韩楠 , 罗佳 , 陈亮 , 肖月强 , 元昌安 , 范勇强 , 冉先进 , 彭京 , 甘戈 , 孙科 , 宋学江 , 覃晓 , 李斌勇 , 许源平 , 郑皎凌 , 张吉烈 , 张永清
IPC: G06F16/9537 , G06F16/9536 , G06F17/18 , G06Q50/00
Abstract: 本发明公开了一种基于用户生活轨迹的社会关系评估方法，具体为：采集若干用户的生活轨迹，将其分为训练集和测试集，并计算训练集中两两用户之间的轨迹相似度；根据训练集中用户关系构建地理位置因子图中的节点；分别构建基本特征因子函数、二元相似度因子函数和三元相似度因子函数；并根据因子函数构建地理位置因子图的全局概率分布模型；对全局概率分布模型进行训练，根据全局概率分布模型并通过最大和积传播算法对测试集中未知标签进行预测，得到社会关系评估结果。本发明提出了使用用户的轨迹相似度来表示用户位置信息间的关联，借助用户的位置关联预测用户之间的社会关系，使用户间社会关系的预测和识别更加精准。
-
公开(公告)号：CN111259133A
公开(公告)日：2020-06-09
申请号：CN202010054209.1
申请日：2020-01-17
Applicant: 成都信息工程大学 , 四川省金科成地理信息技术有限公司 , 成都探码科技有限公司
Inventor： 乔少杰 , 韩楠 , 沈杰 , 宋学江 , 程维杰 , 魏军林 , 张小辉 , 丁超 , 肖月强 , 陈文林 , 李斌勇 , 张吉烈 , 张永清 , 何林波 , 元昌安 , 彭京 , 周凯 , 余华 , 范勇强 , 冉先进
IPC: G06F16/335 , G06F16/36 , G06F16/9535
Abstract: 本发明公开了一种融合多信息的个性化推荐方法，该方法包括采用word2vec算法和FM算法获得用户与项目的相似度，采用RippleNet算法得到用户与项目的预测点击概率，采用动态融合算法得到预测评分，基于预测评分为用户提供个性化推荐列表。本发明将知识图谱与评论内容作为多源数据，并使用不同算法对数据进行处理，并采用动态融合方法进行有效结合，为用户提供更精准的个性化推荐服务，能够实现更好的推荐效果，并且可以有效地解决数据稀疏带来的推荐准确性降低的问题。
-
公开(公告)号：CN110969260A
公开(公告)日：2020-04-07
申请号：CN201911007816.6
申请日：2019-10-22
Applicant: 成都信息工程大学 , 泸州市城投智慧科技发展有限责任公司
Inventor： 乔少杰 , 刘定祥 , 孙科 , 韩楠 , 魏军林 , 张永清 , 许源平 , 彭珍妮 , 王伟 , 元昌安 , 冉先进 , 范勇强 , 彭京 , 周凯 , 黄萍 , 郑皎凌 , 何晓曦 , 李斌勇 , 覃晓 , 张吉烈
Abstract: 本发明涉及机器学习技术领域，提供了一种不平衡数据过采样方法，基于三角形重心特点，包括：S1、获取样本集，并对所述样本集进行正负样本划分，得到正样本集和负样本集；S2、获取正样本集坐标点位信息，根据所述正样本集坐标点位信息生成均值中心点；S3、识别所述正样本集中每一正样本到均值中心点的马氏距离，按马氏距离大小对所述正样本进行排序得到正样本序列；S4、根据所述正样本序列对正样本集进行分组生成正样本组，识别所述正样本组的重心，将所述重心位置标记为新正样本；S5、将所述新正样本并入至正样本集得到新正样本集，重复步骤S2-S4，得到与负样本数量相平衡的正样本数量；通过上述方法，本发明解决了机器学习中的过拟合现象。
-
公开(公告)号：CN107424154B
公开(公告)日：2020-04-03
申请号：CN201710267501.X
申请日：2017-04-21
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于动态分配的分水岭图像分割并行方法，将图像平均分成k个基础子图，并将基础子图动态分配给k个线程同时处理，并让先处理完基础子图的线程分担任务较重的线程的任务；然后对基础子图进行分水岭分割，通过排序和浸没对像素点进行处理；再通过改进灰度准则对过分割的基础子图进行后处理；最后采用层叠拼接的方法对基础子图进行并行拼接。本发明的方法通过将基础子图动态分配给多个线程同时进行处理，提高了算法的效率，采用改进灰度准则，具有一定的噪声抑制作用，增强了算法的鲁棒性，最后采用层叠拼接基础子图，进一步的提高了算法效率。
-
-
-
-
-
-
-
-
-
Search Results
99
records
(took 0.042 seconds)
