课程
学院导航
课程搜索
学士学位
硕士学位
博士学位
其他课程
招生
本科生招生
硕士研究生招生
留学生招生
学院及行政机构
学院
行政机构
其他机构
新闻信息
学术与创新新闻
要闻聚焦
优秀教师风采
奖项与荣誉
研讨会
校领导新闻
招聘信息
采购信息
活動日曆
COVID-19 and PM2.5
体育运动
要闻
健康
法律法规制度
慈善捐赠
科技信息新闻
宗教
期刊
CMU 60周年庆相关文章
清迈大学概览
发展历程
宗旨/ 愿景/ 使命/ 价值观和校园文化
Authority
清迈大学校徽
组织机构框架与管理
清迈大学教育发展五年计划
理事会
学校领导
职工委员会
其他相關連結
CMU First Year
IT网络服务
交换项目
奖学金
新闻信息图库
Open Data Integrity and Transparency Assessment : OIT
Privacy Policy
Code of Ethics
CMU's Emergency Prevention and Response Plan.
Complaint channels for the Office of The National Anti - Corruption Commission (ONACC)
Complaint channels for the Office of Public Sector Anti-Corruption Commission (PACC)
Channels for providing feedback/complaints/information on corruption at Chiang Mai University.
联系方式
ภาษา
泰语
英语
中文
TH
|
EN
|
CN
Home
新闻信息
新闻信息
清迈大学理学院与医学院研究团队研发“CHDS”——一种基于几何学的合成数据生成 创新技术,以提升人工智能技术水平与医疗健康数据安全性, 为个性化医疗服务提供支持,助力精准医疗发展
2026年9月25日
合作与交流项目处及校友中心
由清迈大学理学院与医学院的研究团队联合研发了“CHDS:基于几何学的表格数据合成生成算法”(CHDS: Geometry-based Synthetic Data Generation for Tabular Data)。该算法采用几何学理念,为表格数据生成合成数据,旨在解决数据隐私保护及数据访问受限等问题,同时推动人工智能(AI)与数据分析(Data Analytics)领域的发展。在人工智能技术与数据分析日益发挥重要作用的时代,真实数据集的获取往往受到诸多限制,例如个人隐私保护、数据敏感性以及数据量不足等问题,尤其是在医疗与公共卫生领域。为此,研究团队开发了CHDS算法,为合成数据Synthetic Data)的生成提供了一种全新的解决方案。该算法能够在不泄露个人隐私信息的前提下,生成能够反映真实数据核心特征的模拟数据。
CHDS 方法的主要特点在于,研究团队基于几何学理念,开发了一种用于表格数据的合成数据生成算法,且不预先假设数据必须服从某一种特定的概率分布。该方法主要包括:利用凸包(Convex Hull)界定数据的几何范围;利用密度估计(Density Estimation),对数据的分布情况进行估算;采用基于马尔可夫链蒙特卡罗(Markov Chain Monte Carlo,MCMC)的启发式随机采样方法,生成新的数据样本。该算法能够有效处理同时包含数值型变量和类别型变量的混合表格数据。研究结果表明,该方法能够在较好地保留真实数据核心特征的同时,实现数据效用(Data Utility)与隐私保护(Privacy)之间的合理平衡。研究团队在4个机器学习(Machine Learning)数据集上,将该算法与6种国际前沿的合成数据生成方法(State-of-the-Art)进行了对比评估。结果显示,该算法具有良好的应用潜力,尤其适用于真实数据获取受限的场景,例如在不必公开或披露全部真实数据的情况下,用于机器学习模型的开发与测试。在学术方面:该研究提出了一种全新的合成数据生成思路,将几何学概念、密度估计与MCMC方法相结合,为现有技术提供了新的选择,尤其是生成对抗网络(GAN)、变分自编码器(VAE)以及基于扩散模型(Diffusion-based Methods)等传统方法之外的另一种技术路径。在社会方面:该技术有助于推动科研与人工智能(AI)发展,在降低敏感真实数据共享需求的同时,促进数据在研究与开发中的应用。在经济方面:该技术有助于减少各行业在获取数据方面面临的限制,为数据分析(Data Analytics)及机器学习系统的开发与测试提供更多便利,从而促进相关技术的应用与发展。该研究成果已于2026年发表于国际学术期刊《Knowledge-Based Systems》第351卷B辑,文章编号为116745。
意者请通过https://doi.org/10.1016/j.knosys.2026.116745阅读研究论文 研究团队成员包括:计算机科学专业硕士研究生Sopanat Phongmaruthai、数学系 Suphanat Chaidee助理教授、博士、医学院家庭医学系Chanthanok Aramrat及 Chaisiri Angkurawaranon副教授、博士,以及理学院计算机科学系Paphangkorn Inkaew助理教授、博士(通讯作者)。
科研与创新新闻
Gallery
×
RoomID:
Room Name:
Description: