龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：白鸽在线(厦门)网络科技有限公司
摘要：本发明公开了一种基于大数据的伤情理赔智能预测方法及系统，属于理赔预测技术领域，方法包括数据准备、数据预处理、伤情等级预测、伤情理赔预测和智能预测报告生成。本发明采用结合注意力机制的卷积双向长短期网络，进行伤情等级预测，更好地处理复杂数据，增强模型鲁棒性和准确性，有效辅助后续的伤情理赔预测，提高整体方法的可靠性和有效性；采用结合残差收缩单元的深度神经网络，进行伤情理赔预测，并通过构建组合层，收缩过滤阈值函数来改进原本残差收缩单元的软阈值过滤策略，缓解了信息的过度过滤和重要信息丢失的问题，提高了预测的整体准确性，并提升了伤情理赔智能预测的整体可用性。
主权项：1.一种基于大数据的伤情理赔智能预测方法，其特征在于：该方法包括以下步骤：步骤S1：数据准备，用于准备伤情理赔智能预测所需的原始数据；步骤S2：数据预处理；步骤S3：伤情等级预测，用于预测事故导致的伤情等级，具体为采用结合注意力机制的卷积双向长短期网络，进行伤情等级预测，得到伤情等级信息；所述结合注意力机制的卷积双向长短期网络，具体包括输入层、一维卷积网络层、双向长短期网络层、注意力机制、全连接层和输出层；所述一维卷积网络层，用于提取局部时间序列特征；所述双向长短期网络层，用于捕获双向依赖关系；所述注意力机制，用于增强模型对重要特征的关注；步骤S4：伤情理赔预测，用于结合伤情等级进行理赔数额的详细预测，采用结合残差收缩单元的深度神经网络，进行伤情理赔预测，得到理赔预测信息；所述结合残差收缩单元的深度神经网络，具体包括输入卷积层、残差收缩单元、组合层和预测输出层；所述输入卷积层，用于提取特征并降低训练网络参数；所述残差收缩单元，用于优化原始残差网络中的有效特征丢失问题；所述组合层，用于减少判别信息的丢失，具体包括批量归一化层、Relu激活函数和平均池化层；步骤S5：智能预测报告生成。
全文数据：
权利要求：
百度查询： 白鸽在线(厦门)网络科技有限公司 一种基于大数据的伤情理赔智能预测方法及系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号