Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 西北师范大学马秀琴获国家专利权

西北师范大学马秀琴获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉西北师范大学申请的专利一种用于精神疾病诊疗的动态q阶序对犹豫模糊决策方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN118919062B

龙图腾网通过国家知识产权局官网在2025-05-13发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411124094.3,技术领域涉及:G16H50/20;该发明授权一种用于精神疾病诊疗的动态q阶序对犹豫模糊决策方法是由马秀琴;王一波;秦红武;陈元元设计研发完成,并于2024-08-15向国家知识产权局提交的专利申请。

一种用于精神疾病诊疗的动态q阶序对犹豫模糊决策方法在说明书摘要公布了:本发明提供了一种用于精神疾病诊疗的动态q阶序对犹豫模糊决策方法,包括动态加权和动态决策两个步骤,由于复杂的精神疾病的诊疗过程通常需要配合各种诊疗方案,且每个动态时刻的诊疗方案呈动态变化,故本发明采用基于动态模糊权重计算方法和动态模糊偏好关系矩阵计算方法,提供一种动态变化诊疗方案的综合制定方法,不仅考虑到动态模糊诊疗过程症状中患者心理状态与临床表现特征的动态模糊相关性,还保证了患者心理特征与临床表现特征以及诊疗方案的动态变化,以及与动态模糊诊疗评估的历史反馈能力及其二者的结合,因此本发明在精神疾病的模糊诊疗过程中具有较强的动态适应性和灵活的处理模糊信息能力。

本发明授权一种用于精神疾病诊疗的动态q阶序对犹豫模糊决策方法在权利要求书中公布了:1.一种用于精神疾病诊疗的动态q阶序对犹豫模糊决策方法,其特征在于,包括动态加权和动态决策;其中,所述动态加权包括如下步骤:步骤1、建立t时刻的q阶序对犹豫模糊决策矩阵Dt;所述决策矩阵Dt包括t时刻对于某一备选i在属性j下评估值的隶属度集合和非隶属度集合;其中:t时刻为治疗周期;备选集由治疗集生成,备选i指第i个治疗方案;症状集由属性集生成,属性j指第j个疾病症状;步骤2、通过步骤1中决策矩阵Dt计算t时刻的模糊熵矩阵,再通过交叉熵公式计算每两个属性间的交叉熵;步骤3、计算t时刻每个属性的模糊测度及其Banzhaf值;步骤4、计算t时刻属性集静态权重以及t时刻历史属性集权重;步骤5、计算t时刻属性集Ct与历史属性集的动态属性集权重步骤6、计算t时刻属性集Ct的动态权重Wt;所述动态决策包括如下步骤:步骤7、计算t时刻每个属性下模糊评估的相对接近度并排序;步骤8、计算t时刻备选集关于属性Cj的静态模糊偏好关系矩阵步骤9、根据步骤6得到的t时刻动态权重Wt以及步骤8得到每个属性下静态模糊偏好关系矩阵集成每个属性下的静态模糊偏好关系矩阵得到t时刻下的集成静态模糊偏好关系矩阵步骤10、根据步骤9得到的集成静态模糊偏好关系矩阵计算t时刻动态模糊偏好关系矩阵步骤11、根据步骤10中的t时刻动态模糊偏好关系矩阵构建排序指标;步骤2中任意两个q阶序对犹豫模糊数为ξ1=u1,v1、ξ2=u2,v2,计算所述模糊数ξ1、ξ2的两个交叉熵公式M-型模糊交叉熵CEM和N-型模糊交叉熵CEN如下: 式中,表示ξ1的隶属度的个数;表示ξ1的非隶属度的个数;表示ξ2的隶属度的个数;表示ξ2的非隶属度的个数;参数s满足1s≤2;参数p满足p0;u1和v1分别表示模糊数ξ1的隶属度集合和非隶属度集合;u2和v2分别表示模糊数ξ2的隶属度集合和非隶属度集合;θ1表示模糊数ξ1的隶属度集合u1的隶属度元素;θ2表示模糊数ξ2的隶属度集合u2的隶属度元素;表示q阶序对模糊数ξ1的非隶属度集合v1的非隶属度元素;表示q阶序对模糊数ξ2的非隶属度集合v2的非隶属度元素;π1表示q阶序对模糊数ξ1的犹豫度;π2表示q阶序对模糊数ξ2的犹豫度;所述步骤3中计算t时刻每个属性模糊测度的公式如下: 式中,μ表示该属性集的模糊测度;cj表示属性决策;Eξij表示q阶序对犹豫模糊数ξij的模糊熵;CEξij,ξsj表示q阶序对犹豫模糊交叉熵;m表示备选集中备选个数;所述每个属性Banzhaf值的计算公式如下: 式中,B表示Banzhaf函数,S表示属性集C的子集;所述步骤4中t时刻属性集静态权重的计算公式如下: 式中,表示t时刻属性的静态权重;所述t时刻历史属性集权重的计算公式如下: 式中,Bh表示t时刻历史属性的Banzhaf值;表示t时刻的历史属性集;h表示历史属性下标,若为初始时刻,则根据所述步骤5中t时刻属性集Ct={c1,c2,…,cn}的静态权重和历史属性集的动态权重得到t时刻的属性集动态集成权重的计算公式如下: 式中,FIOWA表示关于时间t对历史属性集权重和t时刻属性集静态权重的诱导有序加权平均函数;Qx=-x2+3x2表示正则递增单调量化函数;q表示动态时间变量;表示关于动态时间变量q的i时刻的历史属性集与当前属性集的并集的权重;表示每个时刻i的权重向量,即动态决策对于时刻i的关注程度。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人西北师范大学,其通讯地址为:730070 甘肃省兰州市安宁区安宁东路967号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。