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！

龙图腾网获悉四川工商学院申请的专利不平衡医疗数据下的图对抗生成与动态图表示学习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：CN120823999B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202511341523.7，技术领域涉及：G16H50/20；该发明授权不平衡医疗数据下的图对抗生成与动态图表示学习方法是由张珍;吕彦程;李爱华;李成杰;范晓敏;文瑞涵设计研发完成，并于2025-09-19向国家知识产权局提交的专利申请。

本不平衡医疗数据下的图对抗生成与动态图表示学习方法在说明书摘要公布了：本发明提供了不平衡医疗数据下的图对抗生成与动态图表示学习方法，属于医疗数据分析技术领域、机器学习技术领域，方法包括：S1.数据处理与生成；S2.数据集平衡；S3.重症预测模型构建。本发明主要解决两个主要问题：1数据的不平衡性，严重导致模型倾向于多数类，影响预测稳定性；2真实的数据集通常是复杂高维的，节点之间难以充分学习，导致信息传播局限于局部邻居，预测准确性降低。

本发明授权不平衡医疗数据下的图对抗生成与动态图表示学习方法在权利要求书中公布了：1.不平衡医疗数据下的图对抗生成与动态图表示学习方法，其特征在于，包括： S1.数据处理与生成；从原始医疗数据集中提取少数类样本，将少数类样本输入至图变分卷积生成对抗网络，通过生成器生成合成的少数类样本； S2.数据集平衡；将合成的少数类样本与原始医疗数据集中的多数类样本和少数类样本结合，形成平衡的数据集； S3.重症预测模型构建；将平衡的数据集输入至GraphSAGE算法模型，通过邻居节点采样和特征聚合生成节点嵌入表示，再利用全连接层对节点嵌入表示进行分类，得到重症预测结果； S1中所述图变分卷积生成对抗网络包括生成器和判别器：生成器采用变分图自编码器，其中编码器为GAT，生成器的解码器为多层感知机；判别器为GCN； S1中所述生成器的处理过程包括：通过图注意力网络GAT编码器对少数类样本的节点特征矩阵和邻接矩阵进行编码，生成潜在空间的均值和方差参数；利用重参数化技巧从标准正态分布采样噪声，与所述均值和方差参数结合后输入多层感知机解码器，生成新的节点特征矩阵和邻接矩阵； 编码器通过GAT层计算潜在变量Z的均值μ和方差： ； ； 其中，节点和邻居节点的特征和通过和计算得出注意力系数，表示了节点对节点的重要性；通过定义邻居集合，控制参与计算的节点，通过权重矩阵对节点的特征进行线性变换；最后通过对邻居节点特征进行加权求和，得到节点的新特征，最后通过激活函数处理得到均值和方差；代表邻居节点集合中的任意一个节点，用于遍历该集合中的所有节点，为注意力机制中向量参数的转置，和代表向量拼接；表示为专用于方差计算的权重矩阵，为其转置，为方差计算专用的注意力参数向量的转置； 然后使用均值和方差从潜在分布中通过重参数化技巧计算得到: 其中，为Hadamard积，是随机噪声，通过引入使得生成的节点和特征具有多样性，为单位矩阵； 解码器接收从编码器获得节点的潜在表示，根据潜在变量和其生成的均值以及方差，通过MLP生成策略生成新的节点特征； 为了生成节点特征矩阵，需要将每个节点的潜在表示输入到一个MLP中；MLP输出生成节点的特征向量，对于节点，MLP的输出表示为： ； 其中，是节点的新生成的特征向量；通过对每个节点依次应用MLP，生成整个节点特征矩阵； 通过内积操作基于生成的节点特征和潜在变量，生成新的邻接矩阵。

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四川工商学院，其通讯地址为：610000 四川省成都市郫都区团结街道学院街65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”。

以上内容由龙图腾AI智能生成。