专利名称：基于分组变量的低冗余特征选择方法      申请号：201811097768X     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：机器学习 数据挖掘 训练模型 数据算法   相似专利 发布日：2024/12/13  
摘要： 本发明涉及一种基于分组变量的低冗余特征选择方法，包括：对已知患病与否的电子病历数据进行处理，得到已知结果病历的二维特征数据集；利用k‑means等聚类方法构建所述病历的二维特征数据集的自动分组；提出去冗余分组特征选择方法的模型目标函数；对S3中提出的目标函数进行全局优化，构建出相应的疾病预测模型。本发明通过在进行特征选择时，将组冗余性考虑进去，能够从高维特征中选择出一种更具有代表性的低维特征，可以带来预测精度和速度的提升。

专利名称：一种多小区联邦学习模型训练方法      申请号：2021111918089     转让价格：面议  收藏
法律状态：授权未缴费   类型：发明   关键词：机器学习 数据安全 数据传输 用户信息安全   相似专利 发布日：2025/03/12  
摘要： 本发明涉及一种多小区联邦学习模型训练方法，属于机器学习领域。该方法具体步骤为：用户基于本地数据训练本地模型，并发送至所关联的蜂窝基站；基站接收用户本地模型聚合为全局模型，并记录迭代次数；若基站迭代次数差异超过门限值，则停止迭代，否则，判断模型更新差异是否低于门限值；若是，则暂停发送模型参数，否则，判断当前可用带宽是否低于门限值；若是，则基站仅发送模型权值差异值高于门限值的相应权值；否则，基站发送模型全部参数；各基站更新模型，直至模型收敛。

专利名称：一种基于MutiFacolLoss-Densenet的心电信号分类方法      申请号：2018115381837     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：机器学习 医疗系统 心血管 心率检测   相似专利 发布日：2025/03/03  
摘要： 本发明公开了一种基于MutiFacolLoss‑Densenet的心电信号分类方法，由于每条记录所测得的心电信号时间长短不一或者时间过长，无法对其进行直接分类，需要对每条记录以等长的时间间隔分割处理，然后把分割后的心电信号片段进行归一化处理，最后把处理好的心电信号输入到卷积神经网络中进行分类。该方法的主干网络主要采用DenseNet结构的思想，该思想具有分类识别率高以及参数量等优点。该主干网络的输入为分割后的心电信号片段，输出为心电信号类别个数，网络的每个输出分别为所属类别的概率，是一种端到端的心电信号分类方法；本发明降低了解决问题的繁琐复杂过程，有效地提高了心电信号分类准确率。

专利名称：一种基于小样本学习的虹膜识别方法      申请号：2021102168952     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：机器学习 生物识别 眼睛识别   相似专利 发布日：2024/11/21  
摘要： 本发明公开了一种基于小样本学习的虹膜识别方法，应用于机器学习技术领域，具体步骤包括如下：获取虹膜图像，并对虹膜图像进行预处理，得到数据集；在MAML框架下嵌套特征提取网络，构造虹膜图像识别模型；对构造的虹膜识别模型进行训练，获取原模型参数值并更新原模型参数值；同时对损失函数引入L2正则化；得到最优虹膜图像识别模型，进行虹膜识别。本发明基于元学习的模型无关自适应算法的基础上进行了改进，对MAML的交叉熵损失函数进行改进，引入L2正则化，在内循环内部进行更为充分的学习，减少训练过程的过拟合现象，提高算法的泛化性以更好地适应新任务；同时使元学习变简，进一步嵌套特征提取网络，增强内嵌网络的特征提取能力。

专利名称：基于深度学习的文本图片匹配推荐方法      申请号：2020101328305     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：机器学习   相似专利 发布日：2025/02/10  
摘要： 本发明公开了一种基于深度学习的文本图片匹配推荐方法，所采用的推荐方法是基于不断充实的用户操作记录数据库。使用图片识别和基于特征向量分布的关键词提取算法，构建关键词特征向量，结合用户操作记录数据库、向量的相似度算法和集合的相似度算法实现图片与文本的最佳匹配推荐。以达到录入者在录入文本、图片数据后，实现自动推荐本次录入的主页图片、录入的图片在文本中的显示位置。以便能够实现消除录入者理解文本、手动挑选图片、调整图片位置的工作。