检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

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

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

2 篇 学位论文
1 篇 会议

馆藏范围

3 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

2 篇 工学
- 2 篇 信息与通信工程
1 篇 教育学
- 1 篇 心理学(可授教育学...
1 篇 医学
- 1 篇 临床医学

主题

3 篇 极致梯度提升算法
1 篇 自杀预测
1 篇 电子计算机断层扫...
1 篇 卫星影像
1 篇 遥感提取
1 篇 可解释的机器学习
1 篇 影像组学
1 篇 农作物
1 篇 肝肿瘤预测
1 篇 三江平原
1 篇 高光谱图像
1 篇 多特征优选
1 篇 风险因素

机构

1 篇 河北大学
1 篇 同济大学
1 篇 安徽大学
1 篇 西南科技大学

作者

1 篇 王天琪
1 篇 杨颖倩
1 篇 付浩杰
1 篇 芦奇宝
1 篇 郭雯
1 篇 杨惠琴

语言

3 篇 中文

检索条件"主题词=极致梯度提升算法"

共 3 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

高光谱和影像组学的肝肿瘤预测研究

高光谱和影像组学的肝肿瘤预测研究

引用

作者：王天琪河北大学

学位级别：硕士

肝脏是人体内最大的实质性器官,也是肿瘤的好发部位和恶性肿瘤常见的转移部位之一。肝癌是一种常见的恶性肿瘤,在发病初期通常无明显症状,易被忽视,致使患者错过最佳治疗时机,最终导致肝肿瘤的死亡率较高。因此,对肝肿瘤的早期诊断迫在... 详细信息

肝脏是人体内最大的实质性器官,也是肿瘤的好发部位和恶性肿瘤常见的转移部位之一。肝癌是一种常见的恶性肿瘤,在发病初期通常无明显症状,易被忽视,致使患者错过最佳治疗时机,最终导致肝肿瘤的死亡率较高。因此,对肝肿瘤的早期诊断迫在眉睫。影像组学已经成为辅助医生诊断的重要方法,同时,多组学分析方法如影像病理组学、影像基因组学等也在不断涌现并得到广泛应用。对肝肿瘤而言,虽然临床信息是通过有创手段获得的,但仍然是医学诊断的金标准。高光谱图像(Hyperspectral Image,HSI)相比于其他医学影像含有更丰富的光谱信息,可以准确区分出癌变组织,因此已开始被用于癌症诊断。将高光谱信息、临床信息与影像组学相结合进行多组学分析,利用前期影像数据预测后期HSI信息,构建两者之间的内在联系,具有巨大的应用潜力和意义,可以辅助医生进行肝肿瘤的早期无创诊断。本文旨在提高医学影像中单一影像组学模式下的肝肿瘤预测准确率,设计将临床信息、HSI信息与CT影像信息相结合,进行结直肠癌肝转移微卫星不稳定性状态与原发性肝肿瘤的分类预测。具体研究如下: (1)针对目前临床上使用有创手段诊断结直肠癌肝转移微卫星不稳定性状态,对患者伤害性较大的问题,提出了使用将有创的临床信息与无创的影像组学信息结合,通过临床特征与影像特征之间的关系来进行特征筛选,扩展影像组学特征内涵,实现辅助医生实现无创诊断结直肠癌肝转移微卫星不稳定性状态。 (2)针对目前肝肿瘤影像组学分类的准确率不高的问题,提出了使用高光谱特征约束影像特征的方法,首先将肝肿瘤的HSI进行去噪和光谱特征分析,提取出HSI特征,然后使用斯皮尔曼秩相关法进行相关性分析,最后依据正常组织和癌变组织光谱反射率的不同,使用HSI特征约束CT影像组学特征,进行肿瘤和非肿瘤区域的分类,最终实现影像组学准确率的提升。 (3)针对影像组学和高光谱特征联系单一的问题,提出了使用影像特征预测高光谱特征的方法,首先结合HSI特征与影像组学特征进行分析,对于HSI进行图像增强和降维处理,其次将感兴趣区域进行重构并提取特征,然后建立XGBoost预测模型,利用影像组学特征预测HSI特征,最后对肝脏是否发生癌变进行预测,最终实现影像组学准确率的提升。

关键词：电子计算机断层扫描图像肝肿瘤预测高光谱图像影像组学极致梯度提升算法

来源：评论

学校读者我要写书评

暂无评论

基于Sentinel--1/2卫星影像的三江平原主要农作物遥感提取

基于Sentinel--1/2卫星影像的三江平原主要农作物遥感提取

引用

作者：芦奇宝安徽大学

学位级别：硕士

三江平原分布着广阔肥沃的黑土地，是中国重要的商品粮基地，准确获取作物种植分布及面积信息，对于区域农业精细化生产管理与产量评估具有重要意义。本文以三江平原主要农作物为研究对象，以Sentinel-1/2卫星影像为数据源，从多特征优... 详细信息

三江平原分布着广阔肥沃的黑土地，是中国重要的商品粮基地，准确获取作物种植分布及面积信息，对于区域农业精细化生产管理与产量评估具有重要意义。本文以三江平原主要农作物为研究对象，以Sentinel-1/2卫星影像为数据源，从多特征优选和模型构建两个方面出发，开展三江平原主要农作物的遥感提取方法研究。主要研究内容如下:　　（1）利用Sentinel-1/2卫星影像提取的多维特征,结合多特征优选方法，借助Google Earth Engine（GEE）平台上3种机器学习算法，提取三江平原的主要农作物。首先，通过Sentinel-1/2卫星多时相影像构建包括光谱特征、光谱指数、光学纹理特征及极化特征的初选特征集，结合特征相关性分析和重要性排序进行特征初步筛选，减少由于特征相关性过高引起的数据冗余。然后，利用基于随机森林的递归消除算法对特征进行优选。最后，结合随机森林（Random F orest,RF）、支持向量机（Support Vector Machine,SVM）和分类回归树（Classification and Regression Tree,CART）3种方法中最优的方法提取研究区主要农作物。结果表明，优选特征中各类特征的重要性从高到低依次是光谱特征，光谱指数，极化特征，光学纹理特征。特别是光谱特征中的短波红外波段对于作物提取具有重要作用。优选特征集与原特征集相比，维度从195降维到33,精度微幅提升。RF相对于SVM、CART精度更优，总体精度达93.8%,Kappa系数达0.917。作物提取的结果显示，2021年三江平原主要农作物玉米，水稻，大豆种植区分布情况与公开数据基本吻合。最终提取到的玉米，水稻，大豆种植面积分别为155.9万公顷，257.9万公顷，112.1万公顷，与官方面积统计数据对比，总面积百分比误差分别为8.08％,12.54％,24.22％。　　（2）利用Sentinel-1/2卫星的优选特征集影像，结合面向对象分类方法、极致梯度提升（eXtreme Gradient Boosting,XGBoost）分类算法、粒子群优化（Patricle Swarm Optimization,PSO）算法，构建基于PSO-XGBoost和面向对象的作物提取模型，提取三江平原的主要农作物。首先，通过简单非迭代聚类（Simple Non-iterative Clustering,SNIC）算法对优选特征集影像进行不同尺度的面向对象分割。然后，利用分割后的优选特征集影像训练XGBoost模型，并通过PSO算法不断地对模型进行迭代优化。最后，基于模型提取研究区主要农作物。结果表明，面向对象方法能有效降低分类过程中产生的“椒盐”噪声，相比基于像元方法Kappa系数提升0.021。PSO-XGBoost与其他模型相比精度更优，总体精度达96.1％,Kappa系数达0.948。最终提取结果显示，2021年三江平原主要农作物玉米，水稻，大豆的种植面积分别为187.1万公顷，253.9万公顷，102.1万公顷。与官方面积统计数据对比，总面积百分比误差分别为11.42％,10.84％,13.87％。与第一部分的作物提取结果相比，面积误差减小。水稻和大豆的面积误差分别减小了1.70％,10.35％,整体提取表现更佳。　　综上所述，本文所利用的多特征优选方法能够有效减少由于特征相关性过高引起的数据冗余，在确保分类精度较高的同时，保持特征数量的最少化。基于PSO-XGBoost和面向对象的作物提取模型构建方法，在有效降低“椒盐”噪声的同时，显著提高作物提取的精确度，为三江平原及类似地区的作物遥感提取提供了一种新的解决方案。

关键词：三江平原卫星影像农作物遥感提取多特征优选极致梯度提升算法

来源：评论

学校读者我要写书评

暂无评论

机器学习在大学生自杀倾向识别和预测中的应用

机器学习在大学生自杀倾向识别和预测中的应用

引用

第二十五届全国心理学学术会议

作者：杨颖倩杨惠琴郭雯付浩杰西南科技大学心理教育与辅导中心同济大学上海市自主智能无人系统科学中心

自杀,是一个重要的公共卫生问题,也是大学生非正常死亡的主要原因。准确识别和预测大学生的自杀倾向,对于自杀干预和预防工作有十分重要的意义。机器学习是一种使用算法和统计模型寻找大数据中隐含模式的方法,能较好的处理高维数据与非... 详细信息

自杀,是一个重要的公共卫生问题,也是大学生非正常死亡的主要原因。准确识别和预测大学生的自杀倾向,对于自杀干预和预防工作有十分重要的意义。机器学习是一种使用算法和统计模型寻找大数据中隐含模式的方法,能较好的处理高维数据与非线性数据,越来越多的研究者将其应用于风险的识别与预测中。本研究采集了绵阳地区一万五千多名大学生的心理普查数据,纳入人口学变量、成长经历、人格特质、生活事件、抑郁、社会支持等15个特征。分层抽样选取70%的被试作为训练集,30%的被试作为测试集。采用SVM、LR、KNN、XGBoost、LightGBM、CatBoost六种算法,利用网格搜索寻找最佳参数,5折交叉检验平衡抽样误差,建立自杀倾向的识别和预测模型。因自杀为高风险因素,因此首先关注查全率(Recall)指标,其中XGBoost表现最佳,在测试集上准确率为0.951,查全率为0.761,F1分数为0.748,AUC为0.866。基于可解释的机器学习,利用SHAP进行模型事后解释的方法,最终找出了识别自杀倾向最重要的5个特征,依次为抑郁、成长经历、社会支持、人格特质和生活事件。综上所述,本研究表明极致梯度提升算法(XGBOOST)可用于自杀倾向的识别,有较好的查全率的结果,有助于简化并提高大学生自杀倾向识别和预测的有效性。可解释的机器学习,寻找风险因素,为进一步理解大学生自杀的发生因素提供了重要的方向,同时也为更有针对性地开展自杀预防和干预工作提供帮助。

关键词：自杀预测可解释的机器学习极致梯度提升算法风险因素

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

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：