检索结果-内蒙古大学图书馆

作者：李涵昱北京工业大学

学位级别：硕士

搜索引擎技术能帮助人们寻找到他们想要的信息，但随着目前的搜索引擎技术和互联网技术的飞速发展，网络信息呈明显的爆炸性增长的上升趋势，有时不能帮助人们快速、准确地获得他们需要的信息。问答系统是在传统的搜索引擎技术的基础上... 详细信息

搜索引擎技术能帮助人们寻找到他们想要的信息，但随着目前的搜索引擎技术和互联网技术的飞速发展，网络信息呈明显的爆炸性增长的上升趋势，有时不能帮助人们快速、准确地获得他们需要的信息。问答系统是在传统的搜索引擎技术的基础上发展起来的新的精确的搜索技术。近年来，越来越多的QA问题（QuestionAnswer）频频出现在各种网站上面，如QA论坛或社区。把（QA，thread）作为一个重要的知识资源的挑战是如何能根据答案质量自动排序的问题。因为（QA，thread）中回答的质量良莠不齐，几乎所有的QA论坛和社区，对答案不做任何处理。明显，这将导致用户体验产生负面影响。在本文对这项的研究中，对于答案质量问题，在考虑代价的前提下，运用排序学习算法，主要工作和创新表现在以下几个方面。首先，以百度知道为数据源，抽象出问题答案对的特征向量，把产生出的数据集用于训练排序模型，并在现有的特征选择算法基础上提出改进的面向排序学习的锦标赛排序特征选择方法。其次，分析了排序支持向量机在问答系统排序中存在的一些问题，然后把敏感代价排序学习算法应用到排序支持向量机中，提出敏感代价和基于位置的敏感代价排序学习算法。该算法认为在答案对序列顶部比在答案对中间或结尾所犯错误要付出的代价更大，所以敏感代价考虑顺序学习算法分析了问答对的分类信息，比如答案和问题是相关的、部分相关的、完全不相关的等。基于位置的敏感代价排序学习算法不仅考虑了问答对元素的前部和后部的分类信息，而且要考虑其位置信息。然后，用公式证明敏感代价排序学习算法和基于位置的敏感代价排序学习算法的损失函数是凸性并具有一次可导性，可用梯度下降优化方法。最后，把以上提出的面向排序学习的锦标赛排序特征选择方法、敏感代价排序学习算法和基于位置的敏感代价顺序学习算法应用到百度知道的实验数据集中，从而训练出新的排序模型，并对实验结果进行了分析和讨论。实验结果表明，新提出的特征选择方法和排序学习算法的性能均高于比原来的排序学习方法。

关键词：信息检索排序学习敏感代价特征选择排序支持向量机

来源：评论

学校读者我要写书评

暂无评论

数据不平衡下鸟声识别的集成学习策略

引用

生物多样性 2024年第10期32卷 114-128页

作者：申小虎李冠宇史洪飞王传之江苏警官学院刑事科学技术系南京210031 野生动植物物证技术国家林业和草原局重点实验室南京210023 大连海事大学信息科学与技术学院辽宁大连116026 科大讯飞科技有限公司合肥230088

鸟声识别是被动声学监测的重要应用领域,集成学习方法对提升鸟类识别精度具有重要研究价值,但面对数据不平衡问题时缺少有效的集成策略。为此,通过基学习器的迁移学习获得鸟声信号的不同方面表征,满足了少标签样本条件下的学习训练。同... 详细信息

鸟声识别是被动声学监测的重要应用领域,集成学习方法对提升鸟类识别精度具有重要研究价值,但面对数据不平衡问题时缺少有效的集成策略。为此,通过基学习器的迁移学习获得鸟声信号的不同方面表征,满足了少标签样本条件下的学习训练。同时,设计加入自注意力机制的特征融合和敏感正则项用于提升模型对稀有鸟类的关注度,确保集成模型在信息不对称情况下推理时获得全局最优解。本文在南京老山森林公园共收集了10种鸟类样本,并对预训练模型完成了微调。通过鸟声识别分类实验,在样本不平衡的自建数据集与BirdCLEF 2023数据集上,总体分类精度分别达到了95.29%和90.17%。本文所提出的集成学习策略提升了少量样本类别的敏感度,增强了模型的泛化能力和学习训练效率,与主流集成学习方法相比较,能更好地适用于当地稀有鸟类的被动鸟声监测与识别,助力鸟类生态环境的精准保护。

关键词：鸟声识别数据不平衡集成学习迁移学习敏感代价

来源：评论

学校读者我要写书评

暂无评论

基于相关特征选择的乳腺钼靶图像肿块检测

基于相关特征选择的乳腺钼靶图像肿块检测

引用

作者：董建巍东北师范大学

学位级别：硕士

近年来，乳腺癌已成为威胁女性健康的主要疾病之一，因此人们开始越来越重视对乳腺癌肿块的早期诊断，同时乳腺钼靶图像也被认为是辅助医师诊断最得力的助手，但当图像质量难以保证或某种人为失误的因素发生时，专家们很难识别图像中细... 详细信息

近年来，乳腺癌已成为威胁女性健康的主要疾病之一，因此人们开始越来越重视对乳腺癌肿块的早期诊断，同时乳腺钼靶图像也被认为是辅助医师诊断最得力的助手，但当图像质量难以保证或某种人为失误的因素发生时，专家们很难识别图像中细微的病变，在探索治愈乳腺癌的过程中，研究人员发现在计算机辅助诊断(computer aideddiagnosis，CAD)技术的帮助下，不仅能识别图像中的细节部分，还能很大程度上提高诊断的正确率，继而为癌症的防治赢得一定的时间，并最终可以大幅度的降低死亡率和发病率。目前，数字钼靶图像已成为早期乳腺癌检测最有效的技术之一，本论文的目的在于使用一种基于相关的特征选择算法，以更有效地检测钼靶图像中的肿块。首先，利用基于地形表示的分割方法得到感兴趣区域，然后我们从感兴趣区域中提取纹理，亮度以及形状方面的特征。为了提高检测效率及其准确性，本文采用基于相关的特征选择方法优化得到的特征集并引入敏感代价的学习方法。最后，利用得到的特征子集训练BP神经网络，并将感兴趣区域划分为肿块与非肿块两部分。实验结果表明，与该领域一些较成熟的方法相比，本文提出的方法可以更有效的提高检测结果。

关键词：乳腺癌计算机辅助诊断地形表示相关的特征选择敏感代价

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：