检索结果-内蒙古大学图书馆

吉林大学学报(工学版) 2023年

作者：赵宏伟周明珠刘萍萍周求湛吉林大学计算机科学与技术学院符号计算与知识工程教育部重点实验室吉林大学通信工程学院

在医学图像低质量标注数据的训练中，置信学习发挥了重要的作用，但目前置信学习的应用均基于平均教师模型，并未探讨在其它网络上的可能性。针对这个问题，提出了基于置信学习和协同训练的分割模型。该模型使用两个不同的网络，鼓励两... 详细信息

在医学图像低质量标注数据的训练中，置信学习发挥了重要的作用，但目前置信学习的应用均基于平均教师模型，并未探讨在其它网络上的可能性。针对这个问题，提出了基于置信学习和协同训练的分割模型。该模型使用两个不同的网络，鼓励两网络的输出结果一致，接着将其中一网络的输出利用置信学习同原低质量标注进行对比，修正低质量标注数据从而使其提供有效训练参考。将提出模型在三个不同模态的医学图像数据集上进行对比，实验结果表明，提出模型的分割效果均优于已有的置信学习模型。

关键词：计算机应用医学图像分割置信学习协同训练

来源：评论

学校读者我要写书评

暂无评论

显著性引导及不确定性监督的深度编解码网络

引用

软件学报 2022年第9期33卷 3165-3179页

作者：王雪李占山陈海鹏吉林大学计算机科学与技术学院吉林长春130012 符号计算与知识工程教育部重点实验室(吉林大学) 吉林长春130012

基于U-Net的编码-解码网络及其变体网络在医学图像语义分割任务中取得了卓越的分割性能.然而,网络在特征提取过程中丢失了部分空间细节信息,影响了分割精度.另一方面,在多模态的医学图像语义分割任务中,这些模型的泛化能力和鲁棒性不理... 详细信息

基于U-Net的编码-解码网络及其变体网络在医学图像语义分割任务中取得了卓越的分割性能.然而,网络在特征提取过程中丢失了部分空间细节信息,影响了分割精度.另一方面,在多模态的医学图像语义分割任务中,这些模型的泛化能力和鲁棒性不理想.针对以上问题,提出一种显著性引导及不确定性监督的深度卷积编解码网络,以解决多模态医学图像语义分割问题.该算法将初始生成的显著图和不确定概率图作为监督信息来优化语义分割网络的参数.首先,通过显著性检测网络生成显著图,初步定位图像中的目标区域;然后,根据显著图计算不确定分类的像素点集合,生成不确定概率图;最后,将显著图和不确定概率图与原图像一同送入多尺度特征融合网络,引导网络关注目标区域特征的学习,同时增强网络对不确定分类区域和复杂边界的表征能力,以提升网络的分割性能.实验结果表明,所提算法能够捕获更多的语义信息,在多模态医学图像语义分割任务中优于其他的语义分割算法,并具有较好的泛化能力和鲁棒性.

关键词：编码-解码网络显著图不确定概率图医学图像语义分割多模态

来源：评论

学校读者我要写书评

暂无评论

用于特征选择的乌鸦搜索算法的研究与改进

引用

软件学报 2022年第11期33卷 3903-3916页

作者：廉杰姚鑫李占山吉林大学计算机科学与技术学院吉林长春130012 符号计算与知识工程教育部重点实验室(吉林大学) 吉林长春130012

特征选择是机器学习领域的热点问题.元启发式算法作为特征选择的重要方法之一,其性能会对问题求解产生直接影响.乌鸦搜索算法(CSA)是受乌鸦智能群体行为启发提出的一种元启发式算法,由于其具有简单、高效的特点,广大学者将其用来解决特... 详细信息

特征选择是机器学习领域的热点问题.元启发式算法作为特征选择的重要方法之一,其性能会对问题求解产生直接影响.乌鸦搜索算法(CSA)是受乌鸦智能群体行为启发提出的一种元启发式算法,由于其具有简单、高效的特点,广大学者将其用来解决特征选择问题.然而,CSA易陷入局部最优解且收敛速度较慢,严重限制了算法求解能力.针对这一问题,采用logistic混沌映射、反向学习方法和差分进化这3种算子,结合乌鸦搜索算法,提出一种特征选择算法BICSA来选取最优特征子集.实验阶段,使用UCI数据库中的16个数据集来测试BICSA的性能.实验结果表明,与其他特征选择算法相比,BICSA求得的特征子集具有更高的分类准确率和较高的维度压缩能力,这说明BICSA在处理特征选择问题上具有很强的竞争力与足够的优越性.

关键词：乌鸦搜索算法混沌映射反向学习差分进化特征选择

来源：评论

学校读者我要写书评

暂无评论

混合exactly-one约束的模型计数研究

引用

东北大学学报（自然科学版） 2022年第4期43卷 463-469页

作者：韩淑婷赖永刘杰吉林大学计算机科学与技术学院吉林长春130012 吉林大学符号计算与知识工程教育部重点实验室吉林长春130012

模型计数是求给定命题公式的模型数,是人工智能领域的一个基本问题.在贝叶斯网络、有界模型检测、精确集合覆盖等众多实际问题中,存在许多exactly-one约束.常见的处理方法是将exactly-one约束编码为CNF公式,再调用模型计数器求解.这种... 详细信息

模型计数是求给定命题公式的模型数,是人工智能领域的一个基本问题.在贝叶斯网络、有界模型检测、精确集合覆盖等众多实际问题中,存在许多exactly-one约束.常见的处理方法是将exactly-one约束编码为CNF公式,再调用模型计数器求解.这种方法扩大了命题公式的规模,容易导致求解时间过长.本文分别提出从CNF公式中还原exactly-one约束的ECR算法和处理exactly-one约束的ECP算法.ECR算法能明显提高C2D编译器的求解效率.基于最新的模型计数器ExactMC,本文改进了能识别和单独处理exactly-one约束的模型计数器ECMC.实验结果表明,ECMC的时间效率相比ExactMC有显著提高.

关键词： exactly-one约束模型计数二元约束传播合取范式 C2D

来源：评论

学校读者我要写书评

暂无评论

基于黏菌算法的蛋白质多序列比对

引用

吉林大学学报（工学版） 2022年第12期52卷 2984-2993页

作者：王鑫禄刘大有刘思含王征张丽伟董飒吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012 吉林大学国际教育学院长春130012

基于黏菌算法(SMA)提出了一种有效的配比模型(SMA_MSA)以辅助判断不同序列之间是否具有同源性,进而预测蛋白质结构。基于BAliBASE 3.0基准数据集,对SMA_MSA和其他经典竞争算法在6类数据集上进行了测试。结果表明:在其中的31个数据集中SM... 详细信息

基于黏菌算法(SMA)提出了一种有效的配比模型(SMA_MSA)以辅助判断不同序列之间是否具有同源性,进而预测蛋白质结构。基于BAliBASE 3.0基准数据集,对SMA_MSA和其他经典竞争算法在6类数据集上进行了测试。结果表明:在其中的31个数据集中SMA_SMA有较好的匹配能力,说明了本文模型在蛋白质多序列比对问题中具有很大的发展潜力。

关键词：计算机应用蛋白质多序列比对黏菌算法 BAliBASE

来源：评论

学校读者我要写书评

暂无评论

基于兴趣函数的多样化Option-Critic算法

引用

计算机研究与发展 2024年第12期61卷 3108-3120页

作者：栗军伟刘全黄志刚徐亚鹏苏州大学计算机科学与技术学院江苏苏州215006 软件新技术与产业化协同创新中心(南京大学) 南京210023 符号计算与知识工程教育部重点实验室(吉林大学) 长春130012 江苏省计算机信息处理技术重点实验室(苏州大学) 江苏苏州215006

Option框架作为分层强化学习的一种常用时序抽象方法,允许智能体在不同的时间尺度上学习策略,可以有效解决稀疏奖励问题.为了保证Option可以引导智能体访问更多的状态空间,一些方法通过引入基于互信息的内部奖励和终止函数来提升Option... 详细信息

Option框架作为分层强化学习的一种常用时序抽象方法,允许智能体在不同的时间尺度上学习策略,可以有效解决稀疏奖励问题.为了保证Option可以引导智能体访问更多的状态空间,一些方法通过引入基于互信息的内部奖励和终止函数来提升Option内部策略的多样性.但这会导致算法学习速度慢和内部策略的知识迁移能力低等问题,严重影响了算法性能.针对以上问题,提出基于兴趣函数优化的多样化Option-Critic算法(diversity-enriched Option-Critic algorithm with interest functions,DEOC-IF).该算法在多样化Option-Critic算法(diversity-enriched Option-Critic,DEOC)的基础上,通过引入兴趣函数约束上层策略对Option内部策略的选择,既保证了Option集合的多样性,又使得学习到的内部策略可以关注状态空间的不同区域,有利于提高算法的知识迁移能力,加快学习速度.此外,DEOC-IF算法引入一种新的兴趣函数更新梯度,有利于提高算法的探索能力.为了验证算法的有效性和知识迁移能力,分别在4房间导航任务、Mujoco和MiniWorld实验环境中,将DEOC-IF算法与其他最新算法进行对比实验.结果表明,DEOC-IF算法具有更好的性能优势和策略迁移能力.

关键词：强化学习时序抽象 Option框架兴趣函数 Option-Critic算法

来源：评论

学校读者我要写书评

暂无评论

基于模板融合的超声医学影像全景拼接方法

引用

吉林大学学报（工学版） 2022年第4期52卷 916-924页

作者：贾海洋夏睿吕安祺管噌璇陈娟王雷吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012 吉林大学白求恩第一医院长春130012

采用全景拼接技术将基于超声探测装置获得的局部图像通过拼接融合获得观察视野更大的医学影像,为临床诊断和医患交流提供更直观、全面的信息,但受成像条件影响,获得的局部超声医学图像精度不高、噪声多,传统全景拼接方法处理效果不理想... 详细信息

采用全景拼接技术将基于超声探测装置获得的局部图像通过拼接融合获得观察视野更大的医学影像,为临床诊断和医患交流提供更直观、全面的信息,但受成像条件影响,获得的局部超声医学图像精度不高、噪声多,传统全景拼接方法处理效果不理想。针对上述问题,本文提出基于改进的k-MEANS聚类算法的模板融合拼接方法进行超声医学影像拼接。与传统的模板拼接类算法相比,该方法将特征点密集区域自组织成尺寸灵活可变的模板,能够利用启发式窗口算法提高相邻图片匹配的速度。对比实验结果表明,该方法的模板探测速率、平均模板密度得到了提高,图像配准精度提高,具有较高的鲁棒性和实时性。

关键词：超声影像融合拼接图像处理模板匹配

来源：评论

学校读者我要写书评

暂无评论

基于关系过滤和实体对标注的中文关系抽取方法

引用

吉林大学学报（理学版） 2023年第5期61卷 1095-1102页

作者：刘旭杨航张啸成张永刚吉林大学计算机科学与技术学院符号计算与知识工程教育部重点实验室长春130012

针对关系三元组抽取任务中的冗余关系问题和实体重叠问题,提出一种基于关系过滤器的二维实体对标注方案(RF2DTagging).RF2DTagging模型由两部分组成:1)用于过滤冗余关系的关系过滤器(relation filter);2)能有效解决各种实体重叠问题的... 详细信息

针对关系三元组抽取任务中的冗余关系问题和实体重叠问题,提出一种基于关系过滤器的二维实体对标注方案(RF2DTagging).RF2DTagging模型由两部分组成:1)用于过滤冗余关系的关系过滤器(relation filter);2)能有效解决各种实体重叠问题的二维实体对标注方案(2D entity-pair tagging scheme).为进一步验证RF2DTagging模型,在3个公开的中文关系抽取数据集(CCKS2019-Task3,CMeIE和DuIE2.0)上进行实验.实验结果表明,该模型能有效解决上述两个问题,且总体性能比对比模型更好.

关键词：中文关系抽取知识图谱二维实体对标注自然语言处理

来源：评论

学校读者我要写书评

暂无评论

优化改进YOLOv8无人机视角下目标检测算法

引用

计算机工程与应用 2025年第1期61卷 109-120页

作者：孙佳宇徐民俊张俊鹏炎梦雪操文侯阿临长春工业大学计算机科学与工程学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012 吉林省新一代人工智能智慧健康联合创新实验室长春130012

针对无人机视角下的目标存在多尺度、目标小、被遮挡与背景复杂等问题,提出了一种基于动态样本注意力尺度序列的YOLOv8改进算法BDAD-YOLO。通过引入BiFormer的思想来改造原模型骨干结构,提高模型对关键信息的关注度,更好地保留目标细粒... 详细信息

针对无人机视角下的目标存在多尺度、目标小、被遮挡与背景复杂等问题,提出了一种基于动态样本注意力尺度序列的YOLOv8改进算法BDAD-YOLO。通过引入BiFormer的思想来改造原模型骨干结构,提高模型对关键信息的关注度,更好地保留目标细粒度细节信息。由于目标存在大小、位置等多变性,传统卷积并不能很好地处理这一情况,因此基于DCN(deformable convolutional network)的思想,设计了一种可以增强对小目标特征提取的C2_DCf模块,从而进一步提高颈部网络中小目标层对特征信息的融合。提出一种基于动态样本的注意力尺度序列融合框架AFD(attention-scale sequence fusion framework based on dynamic samples),使用轻量化动态点采样并通过融合不同尺度的特征图来增强网络提取多尺度信息的能力。使用WIoU损失函数,改善小目标低质量数据对梯度的不利影响,以加快网络收敛速度。实验结果表明,在VisDrone数据集中的val集与test集上平均精度(mAP@0.5)分别提升了4.6个百分点、3.7个百分点,在DOTA数据集上平均精度(mAP@0.5)提升了2.4个百分点,证明了改进算法的有效性和普适性。

关键词：目标检测无人机视角 YOLOv8 BiFormer 特征融合损失函数

来源：评论

学校读者我要写书评

暂无评论

基于多尺度感知和语义适配的医学图像分割算法

引用

吉林大学学报（工学版） 2022年第3期52卷 640-647页

作者：王雪李占山吕颖达吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012 吉林大学公共计算机教学与研究中心长春130012

针对医学图像中病灶区域的形状不规则、尺度变化大、强度不均匀和边界模糊等复杂特点导致医学图像分割精度下降的问题,本文提出了一种基于多尺度感知和语义适配的医学图像分割算法。通过多尺度上下文感知模块,从多个感受野学习目标区域... 详细信息

针对医学图像中病灶区域的形状不规则、尺度变化大、强度不均匀和边界模糊等复杂特点导致医学图像分割精度下降的问题,本文提出了一种基于多尺度感知和语义适配的医学图像分割算法。通过多尺度上下文感知模块,从多个感受野学习目标区域丰富的上下文信息,并根据目标区域大小动态分配不同尺度语义特征的权重,以提高特征学习的表征能力。通过多层语义适配模块聚合多级抽象语义特征和空间细节信息,细化目标区域的边界,同时减少编解码器间的特征差异。将本文算法在3个不同模态的公开医学图像数据集上进行定量和定性对比,实验结果表明,本文算法在多个医学图像复杂场景分割中均优于其他算法。

关键词：计算机应用医学图像分割多尺度上下文感知语义适配上下文信息

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：