检索结果-内蒙古大学图书馆

大类分流背景下高校就业辅导员与校友协同育人模式探索研究——以中北大学大数据学院为例

山西青年 2023年第2期 1-4页

作者：魏春燕中北大学大数据学院

大类招生、专业分流是我国高等教育改革的重要手段，面对分流后专业发展不平衡的态势，以及分流后学生强烈的就业引导需求，高校就业辅导员与校友坚持问题导向，从二者协同育人的可行性、模式构建及实现路径等方面进行破解，努力在高校... 详细信息

大类招生、专业分流是我国高等教育改革的重要手段，面对分流后专业发展不平衡的态势，以及分流后学生强烈的就业引导需求，高校就业辅导员与校友坚持问题导向，从二者协同育人的可行性、模式构建及实现路径等方面进行破解，努力在高校大类分流背景下创设一种开放、有序与自护的良性育人状态，并构建高校就业辅导员与校友协同育人模式。

关键词：大类分流就业前景校友协同育人

来源：评论

学校读者我要写书评

暂无评论

基于稀疏注意力的红外弱小目标检测方法

引用

红外技术 2025年第3期47卷 342-350页

作者：张兴旺李大威蔺素珍禄晓飞中北大学电气与控制工程学院山西太原030051 中北大学大数据学院山西太原030051 酒泉卫星发射中心甘肃酒泉735000

针对复杂背景下红外弱小目标像素占比少,细节纹理特征匮乏导致特征提取困难、检测率低、虚警率高的问题,提出一种基于稀疏注意力和多尺度特征融合的红外弱小目标检测网络。该网络利用Resnest的分割注意力提取不同尺度特征,引入Biformer... 详细信息

针对复杂背景下红外弱小目标像素占比少,细节纹理特征匮乏导致特征提取困难、检测率低、虚警率高的问题,提出一种基于稀疏注意力和多尺度特征融合的红外弱小目标检测网络。该网络利用Resnest的分割注意力提取不同尺度特征,引入Biformer注意力模块学习目标与背景之间的远程关系,采用融合模块将高、低层特征进行融合,经过Head模块输出检测结果二值图。实验结果表明,本文方法在IoU和F_(measure)这两项指标中均取得最优,与DNANet方法相比,所提方法的交并比(IoU)提高3.9%、F_(measure)提高5.6%;与ABCNet方法相比,所提方法的IoU提高5.8%、F_(measure)提高10%;并且在不同复杂背景下均可有效检测出红外弱小目标,体现良好的鲁棒性和适应性,可以有效应用于复杂背景中的红外弱小目标检测。

关键词：红外弱小目标检测稀疏注意力特征融合鲁棒性

来源：评论

学校读者我要写书评

暂无评论

基于低秩与全变分联合正则化的低剂量CT图像重建

引用

计算机应用 2025年第3期45卷 978-987页

作者：刘宇张鹏程张丽媛刘祎桂志国张雪怡朱陈一菲汤豪威生物医学成像与影像大数据山西省重点实验室(中北大学) 太原030051 中北大学信息与通信工程学院太原030051

针对全变分(TV)最小化方法在低剂量计算机断层扫描(LDCT)图像重建中易导致的图像过平滑和块状效应等问题,提出一种基于低秩与TV联合正则化的LDCT图像重建方法,以提升LDCT重建图像的视觉质量。首先,建立一个基于低秩与TV联合正则化的图... 详细信息

针对全变分(TV)最小化方法在低剂量计算机断层扫描(LDCT)图像重建中易导致的图像过平滑和块状效应等问题,提出一种基于低秩与TV联合正则化的LDCT图像重建方法,以提升LDCT重建图像的视觉质量。首先,建立一个基于低秩与TV联合正则化的图像重建模型,从而从理论上获得更精确和自然的重建结果;其次,通过引入具有非局部自相似特性的低秩先验克服仅使用TV最小化方法存在的局限性;最后,采用Chambolle-Pock(CP)算法优化求解上述模型,以提高模型的求解效率,并保证模型能有效求解。在3种不同LDCT扫描条件下验证所提方法的有效性。在Mayo数据集上的实验结果表明,与PWLS-LDMM(Penalized Weighted Least-Squares based on Low-Dimensional Manifold)方法、NOWNUNM(NOnlocal Weighted NUclear Norm Minimization)方法和CP方法相比,在25%剂量下,所提方法的视觉信息保真度(VIF)分别提升了28.39%、8.30%和2.93%;在15%剂量下,所提方法的VIF分别提升了29.96%、13.83%和4.53%;在10%剂量下,所提方法的VIF分别提升了30.22%、17.10%和7.66%。可见,所提方法在消除噪声和条纹伪影的同时能保留更多的细节纹理信息,验证了所提方法具有较好的噪声伪影抑制能力。

关键词：低剂量计算机断层扫描 Chambolle-Pock算法低秩全变分图像重建

来源：评论

学校读者我要写书评

暂无评论

基于多尺度引导滤波的宫颈细胞核图像分割

引用

计算机应用 2025年第4期45卷 1333-1339页

作者：令狐鑫瑶陈燕张鹏程刘祎桂志国赵伟董展豪生物医学成像与影像大数据山西省重点实验室(中北大学) 太原030051

针对宫颈细胞核图像分割中上下文信息联系匮乏和边缘分割不准确且精度低等问题,提出一种基于Unet改进的结合密集块的U型卷积多尺度引导滤波模块的宫颈细胞核分割网络DGU-Net(Dense-Guided-UNet),可以更完整且精确地分割宫颈细胞核图像... 详细信息

针对宫颈细胞核图像分割中上下文信息联系匮乏和边缘分割不准确且精度低等问题,提出一种基于Unet改进的结合密集块的U型卷积多尺度引导滤波模块的宫颈细胞核分割网络DGU-Net(Dense-Guided-UNet),可以更完整且精确地分割宫颈细胞核图像。首先,以编码器、解码器结构的U-net模型作为网络骨干提取图像特征;其次,引入密集块模块连接不同层之间的特征,实现上下文信息的传递,从而增强模型的特征提取能力;同时,在每次下采样后和上采样前引入多尺度引导滤波模块,从而引入灰度引导图像中明显的边缘细节信息,增强图像细节和边缘信息;最后,在每个解码器路径中都增加一个侧输出层,融合并平均所有输出的特征信息,从而融合不同尺度不同层次的特征信息,提升结果的准确性和完整性。在Herlev数据集上实验,并把所提网络与U-net、PGU-net+(Progressive Growing of U-net+)和LFANet(Lightweight Feature Attention Network)这3种深度学习模型对比。结果表明,与PGUnet+相比,DGU-Net的准确率提升了70.06%;与LFANet相比,DGU-Net的交并比(IoU)提升了6.75%。可见,DGU-Net在边缘细节信息处理上更准确,并在分割指标上普遍优于对比模型。

关键词：多尺度引导滤波密集块宫颈细胞核细胞核图像分割 U型网络

来源：评论

学校读者我要写书评

暂无评论

功率谱密度引导下的时间序列预测模型

引用

计算机工程与设计 2025年第4期46卷 1087-1095页

作者：梁立河崔锦莹张雪松高妮玲赵涓涓强彦太原理工大学计算机科学与技术学院(大数据学院) 山西太原030000 太原理工大学软件学院山西太原030000 中北大学软件学院山西太原030000 晋中信息学院大数据学院山西晋中030600

为增强时间序列预测模型的高解释性、高稳定性、高准确性,从能量的角度分析,提出一种基于功率谱密度的时间序列预测编解码器模型(PSDformer)。通过引入多粒度能量选择模块、注意力知识引导模块和序列去噪分解模块,能够有效提取并融合序... 详细信息

为增强时间序列预测模型的高解释性、高稳定性、高准确性,从能量的角度分析,提出一种基于功率谱密度的时间序列预测编解码器模型(PSDformer)。通过引入多粒度能量选择模块、注意力知识引导模块和序列去噪分解模块,能够有效提取并融合序列的长短期特征、实现未来“先验”信息的有效传递和降低异常数据对序列预测的负面影响,提高模型的预测准确性。在3个数据集上进行的实验验证了PSDformer模型的可行性和有效性。

关键词：时间序列预测功率谱密度编解码器模型多粒度能量选择注意力知识引导序列去噪分解长短期特征 “先验”信息

来源：评论

学校读者我要写书评

暂无评论

稀疏Transformer联合细节还原网络的CT金属伪影去除算法

引用

计算机测量与控制 2025年第3期33卷 197-204,212页

作者：任亚利刘祎桂志国张鹏程中北大学信息与通信工程学院太原030051 生物医学成像与影像大数据山西重点实验室太原030051

在CT成像中,若病人体内存在金属植入物时,CT重建图像中会出现严重的金属伪影,降低图像质量并影响医生诊断结果;对现有金属伪影去除算法进行了研究,分析了简单的神经网络模型去除金属伪影时存在伪影残留及组织细节模糊的问题,提出了稀疏T... 详细信息

在CT成像中,若病人体内存在金属植入物时,CT重建图像中会出现严重的金属伪影,降低图像质量并影响医生诊断结果;对现有金属伪影去除算法进行了研究,分析了简单的神经网络模型去除金属伪影时存在伪影残留及组织细节模糊的问题,提出了稀疏Transformer联合细节还原网络;该网络由伪影去除网络和细节还原网络两个独立的子网络构成,伪影去除网络将标准Transformer中的自注意力替换为稀疏注意力机制,并且引入混合尺度前馈网络提取多尺度信息,以产生更好的图像去噪特征;细节还原网络同时提取全局和局部信息,在不损失图像分辨率的前提下清晰地恢复原始图像细节,然后通过加法运算将其整合到上述去除伪影的图像中;在Deeplesion数据集上验证了模型的有效性,实验结果表明,该方法在金属伪影去除效果上优于目前已有方法,在PSNR、SSIM指标上表现更优,能有效去除金属伪影,恢复出大部分精细的结构细节。

关键词： CT图像金属伪影稀疏Transformer 注意力机制细节还原

来源：评论

学校读者我要写书评

暂无评论

基于跨结构特征选择和图循环自适应学习的多视图聚类

引用

计算机科学 2025年第2期52卷 145-157页

作者：辛永杰蔡江辉贺艳婷苏美红史晨辉杨海峰太原科技大学计算机科学与技术学院太原030024 山西省大数据分析和并行计算重点实验室太原030024 中北大学计算机科学与技术学院太原030051

现有的大多数图自适应学习方法依赖于高维原始数据,且数据中不可避免地会出现噪声或信息缺失等现象,导致无法精准地选择出高维数据中的重要特征信息。此外,还忽视了在特征选择过程中多视图表示结构上的关联性。针对以上问题,提出了一种... 详细信息

现有的大多数图自适应学习方法依赖于高维原始数据,且数据中不可避免地会出现噪声或信息缺失等现象,导致无法精准地选择出高维数据中的重要特征信息。此外,还忽视了在特征选择过程中多视图表示结构上的关联性。针对以上问题,提出了一种基于跨结构特征选择和图循环自适应学习的多视图聚类方法(MLFS-GCA)。首先,设计了一个跨结构特征选择框架。通过联合学习多视图表示的空间结构特点和聚类结构的一致性,将高维数据投影到低维线性子空间中,并在视图特定的基矩阵和一致性聚类结构的辅助下学习低维特征表示。其次,提出图循环自适应学习模块。通过k最邻近法(k-NN)选取投影空间中k个最近邻点,并协同矩阵低秩学习来循环地优化相似结构。最后,学习得到用于聚类任务的共享稀疏相似矩阵。通过在各种真实的多视图数据集上进行大量实验,验证了在多视图聚类中图循环自适应学习的优越性。

关键词：多视图聚类图循环自适应学习跨结构特征选择 k-NN 矩阵低秩学习

来源：评论

学校读者我要写书评

暂无评论

一种注意力机制的多波段图像特征级融合方法

引用

西安电子科技大学学报 2020年第1期47卷 120-127页

作者：杨晓莉蔺素珍中北大学大数据学院

针对多波段同步融合图像普遍存在的清晰度不高、图像细节不丰富的问题,提出一种基于注意力机制生成对抗网络的图像特征级融合方法。首先,利用多波段特征图与其均值的差值构建注意力权重图,通过特征图与注意力权重图的点乘和相加获得特... 详细信息

针对多波段同步融合图像普遍存在的清晰度不高、图像细节不丰富的问题,提出一种基于注意力机制生成对抗网络的图像特征级融合方法。首先,利用多波段特征图与其均值的差值构建注意力权重图,通过特征图与注意力权重图的点乘和相加获得特征增强图,以此构建特征增强模块;其次,设计特征级融合模块,将多波段特征增强图连接,通过归一化、上采样、卷积等操作重构融合图像;最后,将特征增强模块和特征融合模块级联建立生成器,并以VGG-16作为判别器构建生成对抗网络,以实现多波段图像端到端融合。实验结果表明,与当前经典的融合方法相比,所提出方法的平均梯度最为突出,验证了该方法的有效性。

关键词：图像融合深度学习多波段图像特征级融合注意力机制生成对抗网络

来源：评论

学校读者我要写书评

暂无评论

基于微透镜阵列型光场相机的多目标快速测距方法

引用

光学学报 2019年第8期39卷 192-199页

作者：孙福盛韩燮中北大学大数据学院

以LYTRO相机为例,提出一种基于微透镜阵列型(MLA)光场相机的多目标快速测距方法。该方法的研究过程分为三个部分:第一部分,通过对原始数据进行点扩展函数计算及色彩恢复,并对数据进行超分辨处理,获取重聚焦序列图像,完成对待测目标的预... 详细信息

以LYTRO相机为例,提出一种基于微透镜阵列型(MLA)光场相机的多目标快速测距方法。该方法的研究过程分为三个部分:第一部分,通过对原始数据进行点扩展函数计算及色彩恢复,并对数据进行超分辨处理,获取重聚焦序列图像,完成对待测目标的预处理过程;第二部分,利用三角形定理,通过贴片的方法,提出一种直接测距法;第三部分,对现有的相对测距法进行超分辨处理,大幅提高算法精度,同时利用改进型的拉普拉斯算子验证算法的正确性。最后将这两种算法结合,即得到一种MLA光场相机的多目标快速测距算法。实验证明,对于少量待测物体,直接测距法精度高,速度快;对于数量较多的待测物体,将直接测距法与相对测距法相结合,不但能够保证精度,还可以提高时效性。该方法为光场相机深度获取、三维重建等方面的研究提供了重要的数据参考及较为精准的评价依据。

关键词：机器视觉快速测距微透镜阵列型光场相机超分辨率多目标

来源：评论

学校读者我要写书评

暂无评论

基于不确定性估计与动态样本选择的噪声标签尘肺分期方法

引用

计算机工程 2025年

作者：冯伟毅任雪婷王盈森王月莹赵涓涓强彦孔晓梅赵慧兰太原理工大学计算机科学与技术学院(大数据学院) 中国电力科学研究院有限公司太原理工大学软件学院中北大学软件学院山西医科大学第一医院呼吸与危重症医学科山西省煤炭中心医院

由于病变分期标准存在模糊性，不同诊断专家可能会得出不同的诊断结果，这导致了实例标签的噪声，即标签准确性受到观察者差异的影响。深度学习依赖于数据的质量，而这些带有噪声标签的数据往往会导致模型的性能下降。为应对尘肺病分期... 详细信息

由于病变分期标准存在模糊性，不同诊断专家可能会得出不同的诊断结果，这导致了实例标签的噪声，即标签准确性受到观察者差异的影响。深度学习依赖于数据的质量，而这些带有噪声标签的数据往往会导致模型的性能下降。为应对尘肺病分期中噪声标签带来的挑战，提出了一种双分支动态样本选择策略。该方法通过在模型的关键层引入蒙特卡洛随机丢弃，在关键层进行多次前向传播进行不确定性估计预测结果，同时将模型的预测概率与混合高斯模型相结合洞察样本的特征空间分布，最终实现可选择的不确定性估计分支和混合高斯模型特征分布预测分支。然后为每一个分支中每一个样本数据设立一个阈值，阈值随着模型训练的推进动量更新，最终依据该动态样本选择模块进行样本划分和差异化约束，减小噪声样本对模型的负面影响。在临床收集的尘肺病X光数据集上进行评估，实验结果表明，该方法在5%、10%、20%以及40%实例噪声比下的性能显著优于同类方法，证明了其在噪声标签学习中的有效性和鲁棒性。

关键词：噪声标签学习尘肺分期不确定性估计样本选择医学图像分类

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：