CN114999575A - 生物信息数据管理系统 - Google Patents

生物信息数据管理系统 Download PDF

Info

Publication number
CN114999575A
CN114999575A CN202210592641.5A CN202210592641A CN114999575A CN 114999575 A CN114999575 A CN 114999575A CN 202210592641 A CN202210592641 A CN 202210592641A CN 114999575 A CN114999575 A CN 114999575A
Authority
CN
China
Prior art keywords
data
biological information
module
mark
information data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210592641.5A
Other languages
English (en)
Other versions
CN114999575B (zh
Inventor
陈志超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Borui Hongzhi Medical Technology Co.,Ltd.
Original Assignee
Aikesi Beijing Biotechnology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Aikesi Beijing Biotechnology Co ltd filed Critical Aikesi Beijing Biotechnology Co ltd
Priority to CN202210592641.5A priority Critical patent/CN114999575B/zh
Publication of CN114999575A publication Critical patent/CN114999575A/zh
Application granted granted Critical
Publication of CN114999575B publication Critical patent/CN114999575B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Databases & Information Systems (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • Evolutionary Biology (AREA)
  • Biotechnology (AREA)
  • Epidemiology (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Public Health (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了生物信息数据管理系统，涉及数据管理技术领域，解决了不利于操作人员快速找到对应数据段，数据发生丢失后，不能快速找到对应丢失位置，导致数据整体管理效果不佳的技术问题；对所录入的数据进行预分析处理，通过内部所存储的森林模型，将数据进行阶级分化形成分布图，根据分布图，对数据分布节点处进行标记，处理模块直接对整体的数据进行分割处理，将整体数据分割为若干个数据流，对数据流的上下数据流进行依次标记并记忆，提取若干个数据流内部的关联度值，采用此种数据管理方式，不仅便于外部人员快速检索到对应的数据，还可匹配相似的数据，同时，通过对应标记使数据结构化，便可有效防止数据丢失，提升数据管理效果。

Description

生物信息数据管理系统
技术领域
本发明属于数据管理技术领域，具体是生物信息数据管理系统。
背景技术
“生物大数据”一词最初起源于互联网和IT行业，然而随着“人类基因组计划”的完成，带动了生物行业的一次革命，高通量测序技术得到快速发展，使得生命科学研究获得了强大的数据产出能力。
生物信息数据在进行管理过程中，外部人员对信息数据进行获取时，需从数据开始阶段进行获取，此种获取方式，不利于操作人员快速找到对应数据段，数据发生丢失后，不能快速找到对应丢失位置，导致数据整体管理效果不佳。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了生物信息数据管理系统，用于解决不利于操作人员快速找到对应数据段，数据发生丢失后，不能快速找到对应丢失位置，导致数据整体管理效果不佳的技术问题。
为实现上述目的，根据本发明的第一方面的实施例提出生物信息数据管理系统，包括：
数据录入端，用于将生物信息数据录入至服务器内，其中生物信息数据录入端由操作人员进行外部操作，所述服务器包括分析模块、处理模块、数据结构化模块、森林模型以及存储模块；
分析模块，用于对录入的生物信息数据进行分析处理，通过将生物信息数据输送至森林模型内，查看生物信息数据的阶梯分布，再根据阶梯分布图谱，对生物信息数据内部的多处节点进行标记；
处理模块，对标记后的生物信息数据进行分割处理得到若干个分割数据流，并通过数据结构化模块将分割后的数据进行结构化处理，处理模块再对若干个分割数据流进行关联处理得到关联度值，数据结构化模块对具有关联度的分割数据流进行标记，并将标记输送至存储模块内进行存储。
优选的，森林模型用于对生物信息数据进行阶梯分布并形成阶梯分布图谱。
优选的，对生物信息数据进行分析处理的步骤如下；
将生物信息数据输送至森林模型内，森林模型对生物信息数据进行动态分布并生成阶梯分布图谱；
根据阶梯分布图谱，在数据分布节点处进行标记为Pi，其中i＝1、2、……、n。
优选的，对标记后的数据进行数据分割处理步骤包括：
根据数据内部的节点标记Pi对数据进行分割处理，在每分割三组数据之间，数据结构化模块进行工作记忆；
数据结构化模块，将节点标记Pi上下两处阶级的对应阶级分布数据分别进行标记并记忆，将分布在节点标记Pi上处阶级分布数据内标记Spi，将分布于节点标记Pi下处阶级分布数据内标记Xpi，此时标记Pi上下两侧均带有两个关联标记，分别为Spi和Xpi，将标记点的表现形式设定为Pi(Spi，Xpi)，并将标记点Pi(Spi，Xpi)传输至存储模块内进行存储。
优选的，内部设置有关键词检索单元，关键词检索单元根据云数据库内部所存储的关键词，对分割数据内部的关键词进行检索，再对检索得到的关键词占比进行处理，查看若干个分割数据之间的关联性。
优选的，处理模块对检索得到的关键词占比进行处理的步骤包括：
关键词检索单元预先对若干个分割数据流内部的关键词进行检索，检索得到若干个关键词GJk，k代表不同的分割数据流，k＝1、2、……、n；
处理模块，对分割数据流内部的关键词GJk容量占比进行测算，将若干个不同关键词GJk的容量进行获取并标记为RLk，对分割数据流内部容量进行获取并标记为RLf，其中f代表不同的分割数据流；
采用
Figure BDA0003666086520000031
得到关联度值XSk，其中
Figure BDA0003666086520000032
为修正因子，取值为0.9856；
将若干个关联度值XSk进行动态分布，以内部预设值T为中心值，以内部预设阈值Y为半径，对位于中心区域的关联度值XSk进行依次提取，根据标记k值，得到对应的分割数据流，并将所提取的分割数据流传递至数据结构化模块内；
数据结构化模块对所提取的分割数据流进行标记，将标记设定为XSD，并将标记XSD传输至存储模块内进行存储。
与现有技术相比，本发明的有益效果是：对所录入的数据进行预分析处理，通过内部所存储的森林模型，将数据进行阶级分化形成分布图，根据分布图，对数据分布节点处进行标记，根据分布节点，处理模块直接对整体的数据进行分割处理，将整体数据分割为若干个数据流，在分割过程中，对数据流的上下数据流进行依次标记并记忆，使数据结构化，再通过对关键词的处理，提取若干个数据流内部的关联度值，并对若干个关联度值进行处理，将处于对应阈值内部的关联度值进行标记关联，采用此种数据管理方式，不仅便于外部人员快速检索到对应的数据，还可匹配相似的数据，同时，通过对应标记使数据结构化，便可有效防止数据丢失，提升数据管理效果。
附图说明
图1为本发明整体原理框架示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1，本申请提供了生物信息数据管理系统，包括数据录入端以及服务器盒移动终端，所述数据录入端输出端与服务器输入端电性连接，所述服务器与移动终端之间双向连接；
所述服务器内部包括有分析模块、处理模块、数据结构化模块、森林模型以及存储模块，所述分析模块输出端与处理模块输入端电性连接，且分析模块与森林模型之间双向连接，所述处理模块输出端与数据结构化模块输入端电性连接，所述数据结构化模块与存储模块之间双向连接，所述服务器输出端与移动终端输入端电性连接；
数据录入端，用于将生物信息数据录入至服务器内，其中数据录入端由操作人员进行外部操作；
分析模块，用于对录入的数据进行分析处理，通过将数据输送至森林模型内，查看数据的阶梯分布，再根据阶梯分布图谱，对数据内部的多处节点进行标记；
森林模型，用于对生物数据进行阶梯分布，森林模型预先经过大量生物数据进行训练；
分析模块，对生物信息数据进行分析处理的步骤如下；
S1、将生物信息数据输送至森林模型内，森林模型对生物信息数据进行动态分布并生成阶梯分布图谱；
S2、根据阶梯分布图谱，在数据分布节点处进行标记为Pi，其中i＝1、2、……、n。
处理模块，对标记后的数据进行数据分割处理，并通过数据结构化模块将分割后的数据进行结构化处理，其中处理步骤如下：
W1、根据数据内部的节点标记Pi对数据进行分割处理，在每分割三组数据之间，数据结构化模块进行工作记忆；
W2、数据结构化模块，将节点标记Pi上下两处阶级的对应阶级分布数据分别进行标记并记忆，将分布在节点标记Pi上处阶级分布数据内标记Spi，将分布于节点标记Pi下处阶级分布数据内标记Xpi，此时标记Pi上下两侧均带有两个关联标记，分别为Spi和Xpi，将标记点的表现形式设定为Pi(Spi，Xpi)，并将标记点Pi(Spi，Xpi)传输至存储模块内进行存储。
处理模块，内部设置有关键词检索单元，关键词检索单元根据云数据库内部所存储的关键词，对分割数据内部的关键词进行检索，再对检索得到的关键词占比进行处理，查看若干个分割数据之间的关联性，其中，处理的步骤为：
A1、关键词检索单元预先对若干个分割数据流内部的关键词进行检索，检索得到若干个关键词GJk，k代表不同的分割数据流，k＝1、2、……、n；
A2、处理模块，对分割数据流内部的关键词GJk容量占比进行测算，将若干个不同关键词GJk的容量进行获取并标记为RLk，对分割数据流内部容量进行获取并标记为RLf，其中f代表不同的分割数据流；
A3、采用
Figure BDA0003666086520000051
得到关联度值XSk，其中
Figure BDA0003666086520000052
为修正因子，取值为0.9856；
A4、将若干个关联度值XSk进行动态分布，以内部预设值T为中心值，以内部预设阈值Y为半径，对位于中心区域的关联度值XSk进行依次提取，根据标记k值，得到对应的分割数据流，并将所提取的分割数据流传递至数据结构化模块内；
A5、数据结构化模块对所提取的分割数据流进行标记，将标记设定为XSD，并将标记XSD传输至存储模块内进行存储。
移动终端，用于外部操作人员对服务器进行使用，根据所输入的关键词，便可通过内部关键词检索单元快速检索到对应数据流，再通过标记XSD快速提取相似分割数据流，再通过Pi(Spi，Xpi)快速找到对应检索对应数据流的上下阶级数据流，通过采用数据结构类处理方式，不仅便于操作人员快速找到对应数据，还可有效避免数据丢失，根据内部标记，通过备份云端，快速填补。
上述公式中的部分数据均是去除量纲取其数值计算，公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式；公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。
本发明的工作原理：对所录入的数据进行预分析处理，通过内部所存储的森林模型，将数据进行阶级分化形成分布图，根据分布图，对数据分布节点处进行标记，根据分布节点，处理模块直接对整体的数据进行分割处理，将整体数据分割为若干个数据流，在分割过程中，对数据流的上下数据流进行依次标记并记忆，使数据结构化，再通过对关键词的处理，提取若干个数据流内部的关联度值，并对若干个关联度值进行处理，将处于对应阈值内部的关联度值进行标记关联，采用此种数据管理方式，不仅便于外部人员快速检索到对应的数据，还可匹配相似的数据，同时，通过对应标记使数据结构化，便可有效防止数据丢失，提升数据管理效果。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (6)

1.生物信息数据管理系统，其特征在于，包括：
数据录入端，用于将生物信息数据录入至服务器内，其中生物信息数据录入端由操作人员进行外部操作，所述服务器包括分析模块、处理模块、数据结构化模块、森林模型以及存储模块；
分析模块，用于对录入的生物信息数据进行分析处理，通过将生物信息数据输送至森林模型内，查看生物信息数据的阶梯分布，再根据阶梯分布图谱，对生物信息数据内部的多处节点进行标记；
处理模块，对标记后的生物信息数据进行分割处理得到若干个分割数据流，并通过数据结构化模块将分割后的数据进行结构化处理，处理模块再对若干个分割数据流进行关联处理得到关联度值，数据结构化模块对具有关联度的分割数据流进行标记，并将标记输送至存储模块内进行存储。
2.根据权利要求1所述的生物信息数据管理系统，其特征在于，森林模型用于对生物信息数据进行阶梯分布并形成阶梯分布图谱。
3.根据权利要求1所述的生物信息数据管理系统，其特征在于，分析模块，对生物信息数据进行分析处理的步骤如下；
将生物信息数据输送至森林模型内，森林模型对生物信息数据进行动态分布并生成阶梯分布图谱；
根据阶梯分布图谱，在数据分布节点处进行标记为Pi，其中i＝1、2、……、n。
4.根据权利要求3所述的生物信息数据管理系统，其特征在于，处理模块，对标记后的数据进行数据分割处理步骤包括：
根据数据内部的节点标记Pi对数据进行分割处理，在每分割三组数据之间，数据结构化模块进行工作记忆；
数据结构化模块，将节点标记Pi上下两处阶级的对应阶级分布数据分别进行标记并记忆，将分布在节点标记Pi上处阶级分布数据内标记Spi，将分布于节点标记Pi下处阶级分布数据内标记Xpi，此时标记Pi上下两侧均带有两个关联标记，分别为Spi和Xpi，将标记点的表现形式设定为Pi(Spi，Xpi)，并将标记点Pi(Spi，Xpi)传输至存储模块内进行存储。
5.根据权利要求3所述的生物信息数据管理系统，其特征在于，处理模块内部设置有关键词检索单元，关键词检索单元根据云数据库内部所存储的关键词，对分割数据内部的关键词进行检索，再对检索得到的关键词占比进行处理，查看若干个分割数据之间的关联性。
6.根据权利要求5所述的生物信息数据管理系统，其特征在于，处理模块对检索得到的关键词占比进行处理的步骤包括：
关键词检索单元预先对若干个分割数据流内部的关键词进行检索，检索得到若干个关键词GJk，k代表不同的分割数据流，k＝1、2、……、n；
处理模块，对分割数据流内部的关键词GJk容量占比进行测算，将若干个不同关键词GJk的容量进行获取并标记为RLk，对分割数据流内部容量进行获取并标记为RLf，其中f代表不同的分割数据流；
采用
Figure FDA0003666086510000021
得到关联度值XSk，其中▽为修正因子，取值为0.9856；
将若干个关联度值XSk进行动态分布，以内部预设值T为中心值，以内部预设阈值Y为半径，对位于中心区域的关联度值XSk进行依次提取，根据标记k值，得到对应的分割数据流，并将所提取的分割数据流传递至数据结构化模块内；
数据结构化模块对所提取的分割数据流进行标记，将标记设定为XSD，并将标记XSD传输至存储模块内进行存储。
CN202210592641.5A 2022-05-27 2022-05-27 生物信息数据管理系统 Active CN114999575B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210592641.5A CN114999575B (zh) 2022-05-27 2022-05-27 生物信息数据管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210592641.5A CN114999575B (zh) 2022-05-27 2022-05-27 生物信息数据管理系统

Publications (2)

Publication Number Publication Date
CN114999575A true CN114999575A (zh) 2022-09-02
CN114999575B CN114999575B (zh) 2024-07-16

Family

ID=83029692

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210592641.5A Active CN114999575B (zh) 2022-05-27 2022-05-27 生物信息数据管理系统

Country Status (1)

Country Link
CN (1) CN114999575B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0527960A (ja) * 1991-07-24 1993-02-05 Toshiba Corp データベース構築方法
US6141655A (en) * 1997-09-23 2000-10-31 At&T Corp Method and apparatus for optimizing and structuring data by designing a cube forest data structure for hierarchically split cube forest template
US20090019014A1 (en) * 2007-07-05 2009-01-15 Watermark Applications Co., Ltd. Multidimensional database structuring method, multidimensional database structuring system and information processing apparatus
US20160098021A1 (en) * 2014-10-06 2016-04-07 Fisher-Rosemount Systems, Inc. Regional big data in process control systems
US20160157786A1 (en) * 2014-12-05 2016-06-09 Mithun Das Gupta Random forest based erythema grading for psoriasis
US20190130226A1 (en) * 2017-10-27 2019-05-02 International Business Machines Corporation Facilitating automatic handling of incomplete data in a random forest model
CN110338797A (zh) * 2019-08-12 2019-10-18 苏州小蓝医疗科技有限公司 一种基于鼾声和血氧的中频止鼾仪数据处理方法
CN111897963A (zh) * 2020-08-06 2020-11-06 沈鑫 一种基于文本信息和机器学习的商品分类方法
WO2021043087A1 (zh) * 2019-09-02 2021-03-11 平安科技（深圳）有限公司 文字布局方法、装置、电子设备及计算机可读存储介质
US20210233664A1 (en) * 2018-10-17 2021-07-29 Tempus Labs Data Based Cancer Research and Treatment Systems and Methods
KR102298033B1 (ko) * 2021-02-15 2021-09-06 광주광역시 텍스트마이닝 기반의 감사자료 분석 시스템
CN113537585A (zh) * 2021-07-09 2021-10-22 中海石油（中国）有限公司天津分公司 基于随机森林和梯度提升决策树的油田增产措施推荐方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0527960A (ja) * 1991-07-24 1993-02-05 Toshiba Corp データベース構築方法
US6141655A (en) * 1997-09-23 2000-10-31 At&T Corp Method and apparatus for optimizing and structuring data by designing a cube forest data structure for hierarchically split cube forest template
US20090019014A1 (en) * 2007-07-05 2009-01-15 Watermark Applications Co., Ltd. Multidimensional database structuring method, multidimensional database structuring system and information processing apparatus
US20160098021A1 (en) * 2014-10-06 2016-04-07 Fisher-Rosemount Systems, Inc. Regional big data in process control systems
US20160157786A1 (en) * 2014-12-05 2016-06-09 Mithun Das Gupta Random forest based erythema grading for psoriasis
US20190130226A1 (en) * 2017-10-27 2019-05-02 International Business Machines Corporation Facilitating automatic handling of incomplete data in a random forest model
US20210233664A1 (en) * 2018-10-17 2021-07-29 Tempus Labs Data Based Cancer Research and Treatment Systems and Methods
CN110338797A (zh) * 2019-08-12 2019-10-18 苏州小蓝医疗科技有限公司 一种基于鼾声和血氧的中频止鼾仪数据处理方法
WO2021043087A1 (zh) * 2019-09-02 2021-03-11 平安科技（深圳）有限公司 文字布局方法、装置、电子设备及计算机可读存储介质
CN111897963A (zh) * 2020-08-06 2020-11-06 沈鑫 一种基于文本信息和机器学习的商品分类方法
KR102298033B1 (ko) * 2021-02-15 2021-09-06 광주광역시 텍스트마이닝 기반의 감사자료 분석 시스템
CN113537585A (zh) * 2021-07-09 2021-10-22 中海石油（中国）有限公司天津分公司 基于随机森林和梯度提升决策树的油田增产措施推荐方法

Also Published As

Publication number Publication date
CN114999575B (zh) 2024-07-16

Similar Documents

Publication Publication Date Title
WO2022068196A1 (zh) 跨模态的数据处理方法、装置、存储介质以及电子装置
CN110795919B (zh) 一种pdf文档中的表格抽取方法、装置、设备及介质
CN100520776C (zh) 模糊重复的鲁棒检测器
CN111563103B (zh) 一种用于数据血缘检测方法和系统
CN113886261B (zh) 应用程序性能数据处理方法、装置、电子设备及存储介质
CN113452802A (zh) 设备型号的识别方法、装置及系统
CN116881430B (zh) 一种产业链识别方法、装置、电子设备及可读存储介质
CN114647713A (zh) 基于虚拟对抗的知识图谱问答方法、设备及存储介质
CN103268406A (zh) 一种基于煤矿安全培训游戏的数据挖掘系统及方法
CN112988815A (zh) 一种大规模高维高速流数据在线异常检测的方法及系统
CN114708445B (zh) 一种商标相似度识别方法、装置、电子设备及存储介质
CN118571320B (zh) 高通量测序数据处理系统
CN109034392A (zh) 一种罗非鱼杂交配套系的选育方法及系统
CN119557679A (zh) 一种人工智能的大数据处理与管理系统
CN114999575A (zh) 生物信息数据管理系统
CN117540369B (zh) 用于安全分析的数值行为安全基线生成方法及装置
CN114692871B (zh) 决策树训练方法、运单类型识别方法及装置、设备、介质
CN109993218A (zh) 一种基于卷积神经网络的玉米病害的识别和分类模型
CN111488319A (zh) 一种日志关联处理方法、装置及设备
CN115481880A (zh) 一种公路施工重大风险源辨识方法
CN114969761A (zh) 一种基于lda主题特征的日志异常检测方法
CN116744305B (zh) 一种基于5g数据通信过程安全管控的通信系统
CN111898010A (zh) 新关键词挖掘方法、装置及电子设备
CN112418449A (zh) 一种供电线路故障定位模型的生成方法、定位方法、装置
CN115827875B (zh) 一种文本数据的处理终端查找方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20250612

Address after: 101400 Room 101, building 1, No.3 Xingfu West Street, Beifang Town, Huairou District, Beijing (cluster registration)

Patentee after: Beijing Borui Hongzhi Medical Technology Co.,Ltd.

Country or region after: China

Address before: 101121 Beijing Tongzhou District Zhujiafa Village West 900 No. Yard Building 2 101 Second Floor 20382

Patentee before: Aikesi (Beijing) Biotechnology Co.,Ltd.

Country or region before: China