检索结果-内蒙古大学图书馆

小型微型计算机系统 2024年第3期45卷 676-683页

作者：吴松泽刘利军黄青松孔凡彦刘骊付晓东昆明理工大学信息工程与自动化学院昆明650504 云南省计算机技术应用重点实验室昆明650500

随着深度学习在医疗领域的快速发展,医学视觉问答(Med-VQA)吸引了研究人员的广泛关注.现有的Med-VQA方法大都使用权重参数共享的同一特征提取网络对多模态医学影像进行特征提取,在一定程度上忽略了不同模态医学影像的差异性特征,导致对... 详细信息

随着深度学习在医疗领域的快速发展,医学视觉问答(Med-VQA)吸引了研究人员的广泛关注.现有的Med-VQA方法大都使用权重参数共享的同一特征提取网络对多模态医学影像进行特征提取,在一定程度上忽略了不同模态医学影像的差异性特征,导致对特定模态特征提取时引入其它模态的噪声特征,使得模型难以关注到不同模态医学影像中的关键特征.针对上述问题,本文提出一种基于多模态特征提取的医学视觉问答方法.首先,对医学影像进行模态识别,根据模态标签指导输入参数不共享的特征提取网络以获得不同模态影像的差异性特征;然后,设计了一种面向Med-VQA的卷积降噪模块以降低医学影像不同模态特征的噪声信息;最后,采用空间与通道注意力模块进一步增强不同模态差异性特征的关注度.在Med-VQA公共数据集Slake上得到的实验结果表明,本文提出方法能有效提高Med-VQA的准确率.

关键词：医学视觉问答多模态特征提取卷积神经网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

云计算环境下关联节点的异常判断

引用

计算机科学 2021年第1期48卷 295-300页

作者：雷阳姜瑛云南省计算机技术应用重点实验室昆明650500 昆明理工大学信息工程与自动化学院昆明650500

当前,越来越多的用户选择将服务部署到云计算环境中。然而,云计算服务的多样性以及部署环境的动态性,会导致云计算节点出现异常。传统的节点异常检测方法只针对异常的单一节点,忽略了异常节点对关联节点的影响,从而造成异常传播和关联... 详细信息

当前,越来越多的用户选择将服务部署到云计算环境中。然而,云计算服务的多样性以及部署环境的动态性,会导致云计算节点出现异常。传统的节点异常检测方法只针对异常的单一节点,忽略了异常节点对关联节点的影响,从而造成异常传播和关联节点失效等问题。文中提出了一种云计算环境下关联节点的异常判断方法。首先,将Agent部署在各节点上,并通过Agent以特定时间间隔采集节点运行数据,根据节点之间的关联关系建立节点关系图;其次,使用运行数据训练异常检测模型,计算运行数据的权值和综合评分,通过基于滑动时间窗口的方法判断单一节点是否出现异常;最后,在单一节点出现异常的情况下,使用基于标准互信息的方法找出受异常节点影响的其他关联节点。在搭建的云计算平台上,通过模拟各类异常情况,并观察注入异常下节点的状态,验证了文中单一节点异常判断方法和关联节点判断方法的有效性。实验结果表明,该方法在判断单一节点异常的正确率和特异度时都优于其他方法,且在多节点结构下可以准确找到关联的异常节点,具有较高的准确率和稳定性。

关键词：云计算环境单一节点关联节点异常判断标准互信息

来源：评论

学校读者我要写书评

暂无评论

基于用户评论的代码质量识别与分析

引用

计算机科学 2020年第3期47卷 41-47页

作者：徐海燕姜瑛云南省计算机技术应用重点实验室昆明650500 昆明理工大学信息工程与自动化学院昆明650500

随着IT社区和代码托管平台的发展,针对代码的用户评论数量急剧增加。用户在使用代码后给出的评论中包含丰富的静态和动态代码质量信息,对其进行提取与分析将有助于开发者了解用户关注的代码质量信息,以有针对性地提升代码质量,还有助于... 详细信息

随着IT社区和代码托管平台的发展,针对代码的用户评论数量急剧增加。用户在使用代码后给出的评论中包含丰富的静态和动态代码质量信息,对其进行提取与分析将有助于开发者了解用户关注的代码质量信息,以有针对性地提升代码质量,还有助于用户选择满足要求的代码。为此,文中提出了包含静态特性和动态特性的代码质量模型,以及识别并分析用户评论中代码质量信息的方法。首先,根据评价对象和评价句型规则识别出具有代码质量的用户评论;然后,应用评价对象和评价观点抽取代码质量属性表现;最后,通过分析代码质量属性表现和情感倾向给出代码静态和动态质量的相关结果。实验结果表明,所提方法能够有效地分析用户评论中的代码质量信息。

关键词：代码质量用户评论评价对象评价观点评价句型质量属性表现

来源：评论

学校读者我要写书评

暂无评论

一种改进模糊kNN的云计算故障检测方法

引用

小型微型计算机系统 2018年第10期39卷 2285-2290页

作者：刘诚诚姜瑛云南省计算机技术应用重点实验室昆明650500 昆明理工大学信息工程与自动化学院昆明650500

在大规模复杂的云计算体系中,通过采集、分析系统数据可以了解系统运行的状态,从而发现并解决云计算故障问题.然而,目前基于监督学习的云计算故障检测方法忽略了噪声数据处理、训练样本的更新、未知类型故障的识别,影响了云计算故障检... 详细信息

在大规模复杂的云计算体系中,通过采集、分析系统数据可以了解系统运行的状态,从而发现并解决云计算故障问题.然而,目前基于监督学习的云计算故障检测方法忽略了噪声数据处理、训练样本的更新、未知类型故障的识别,影响了云计算故障检测的准确性.为此,本文定义了云计算故障模型并提出一种改进模糊k NN的云计算故障检测方法.该方法首先使用基于密度聚类的方法对初始云计算故障数据训练集进行预处理;其次根据模糊熵与互信息相结合的方法对云计算故障特征进行加权;然后根据故障特征权值以及分层检测改进模糊k NN,确定待检测云计算数据的近邻训练样本;最后通过基于最大隶属度的自学习确定待检测云计算数据的故障检测结果.通过实验表明本文方法对云计算故障检测是有效的.

关键词：云计算故障检测云计算故障模型改进模糊KNN 模糊熵互信息

来源：评论

学校读者我要写书评

暂无评论

三分支坐标注意力机制的研究

引用

小型微型计算机系统 2024年第10期45卷 2485-2491页

作者：何强杨云飞冯松昆明理工大学信息工程与自动化学院昆明650500 云南省计算机技术应用重点实验室昆明650500

各类注意力机制模块被表明嵌入深度学习网络中能更充分地提取特征信息.这些机制在通道或空间特征提取方面、两者交互方面仍有优化的空间.本文提出了一种复合型三分支注意力机制(Triplet Coordinate Attention,TCA),该机制基于三分支注... 详细信息

各类注意力机制模块被表明嵌入深度学习网络中能更充分地提取特征信息.这些机制在通道或空间特征提取方面、两者交互方面仍有优化的空间.本文提出了一种复合型三分支注意力机制(Triplet Coordinate Attention,TCA),该机制基于三分支注意力机制(Triplet Attention,简称TA),引入坐标注意力机制(Coordinate Attention,简称CA)更好地提取空间交互注意力和通道空间交互注意力.TCA机制的参数量和运算量均不大,能够嵌入各种主干网络中.本文在图像分类数据集miniImageNet、目标检测数据集VOC2007和2012上做了大量对比实验,结果表明,网络模型嵌入TCA能进一步提升精度.特别是,较CA和TA在MobileNetV2图像分类任务中Top-1准确率分别提高了1.01%,1.62%;在MobileNetV3+SSDLite目标检测任务上AP50精度分别提高0.5%、2.0%.

关键词：注意力机制交互注意力图像分类目标检测

来源：评论

学校读者我要写书评

暂无评论

干式空心电抗器包封材料的导热系数研究

引用

塑料工业 2021年第5期49卷 53-57页

作者：梁柯赵振刚罗川李英娜李川昆明理工大学信息工程与自动化学院云南昆明650500 云南省计算机技术应用重点实验室云南昆明650500

建立电抗器传热模型是预测电抗器温升的重要方法,研究包封材料的导热特性可进一步完善干式空心电抗器温升预测模型。针对导热系数测定过程中的接触表面间隙内空气热阻影响问题,改进了实验测定导热系数方法,先将试样放置于双热流计实验... 详细信息

建立电抗器传热模型是预测电抗器温升的重要方法,研究包封材料的导热特性可进一步完善干式空心电抗器温升预测模型。针对导热系数测定过程中的接触表面间隙内空气热阻影响问题,改进了实验测定导热系数方法,先将试样放置于双热流计实验装置内部再进行加热固化,避免空气热阻对传热过程影响导致的误差。结果表明,试样导热系数随温度升高而减小,根据最小二乘法线性拟合得到了导热系数与温度的线性关系,该研究结果对于建立干式空心电抗器的温升预测模型提供了重要的数据支撑。

关键词：干式空心电抗器包封导热系数双热流计线性拟合

来源：评论

学校读者我要写书评

暂无评论

面向肺结节多语义特征分类的不确定性多任务损失方法

引用

光电子．激光 2021年第1期32卷 47-55页

作者：张帅威冯旭鹏刘利军黄青松昆明理工大学信息工程与自动化学院昆明650500 昆明理工大学信息化建设管理中心昆明650500 云南大学信息学院昆明650091 昆明理工大学云南省计算机技术应用重点实验室昆明650500

肺结节的早期诊断对后续的治疗非常重要。尽管深度学习方法在肺结节良恶性分类等任务中取得了良好的结果,但是这些方法没有提供有意义的诊断功能,导致获得的结果缺乏客观性。越来越多的研究者引入了肺结节的其他语义特征来解决这个问题... 详细信息

肺结节的早期诊断对后续的治疗非常重要。尽管深度学习方法在肺结节良恶性分类等任务中取得了良好的结果,但是这些方法没有提供有意义的诊断功能,导致获得的结果缺乏客观性。越来越多的研究者引入了肺结节的其他语义特征来解决这个问题,但是多个语义特征的引入会造成模型的负迁移。为了解决肺结节多个语义特征之间同步共享知识的程度不同造成的负迁移问题。本文提出一种基于不确定性多任务损失的深度学习模型,对肺结节的9个语义特征(精细度,内部结构,钙化,球形度,边缘,分叶征,毛刺征,纹理,恶性程度)进行分类,通过每个任务的同质不确定性来权衡多个损失函数的权重。我们在基准数据集LIDC-IDRI上验证了该方法,本文提出的模型在恶性程度上的分类准确率为93.6%,ROC曲线下面积为95.5%,查全率为84.6%,特异性为94.5%。我们的模型通过肺结节多个语义特征共享知识的程度不同进而改变多个语义特征相对权重提高了恶性程度的分类性能。

关键词：多任务肺结节卷积神经网络深度学习损失函数

来源：评论

学校读者我要写书评

暂无评论

一种基于多因素融合的驾驶预警方法

引用

电子测量技术 2021年第11期44卷 103-108页

作者：禹江林张云昆明理工大学信息工程与自动化学院昆明650500 云南省计算机技术应用重点实验室昆明650500

本文提出了一种新的基于多因素融合的驾驶预警方法。首先,结合现有的疲劳评判因素,提出了一种基于多因素的危险评判标准,克服了传统单因素方法的应用的局限及易受外界干扰的缺点。其次,提出了一个基于SSD的检测网络,其中,用先进的Mobile... 详细信息

本文提出了一种新的基于多因素融合的驾驶预警方法。首先,结合现有的疲劳评判因素,提出了一种基于多因素的危险评判标准,克服了传统单因素方法的应用的局限及易受外界干扰的缺点。其次,提出了一个基于SSD的检测网络,其中,用先进的MobileNetV3替换了主干网络VGG,用修改的NMS层实现了快速目标检测,最后用新设计的多任务检测器及损失函数实现了多任务检测。在预训练权重的迁移学习后,实测的检测准确率为95.7%,速度为41fps,实现了准确及实时性。

关键词：驾驶预警目标分类头部姿态检测 PERCLOS值

来源：评论

学校读者我要写书评

暂无评论

天牛须搜索与遗传的混合算法

引用

小型微型计算机系统 2020年第7期41卷 1438-1445页

作者：赵玉强钱谦周田江伏云发昆明理工大学信息工程与自动化学院昆明650500 云南省计算机技术应用重点实验室昆明650500

天牛须搜索算法(BAS)具有搜索快和执行简单的特点,但在多峰复杂函数优化中易陷入局部极值.遗传算法(GA)的全局搜索能力强,但收敛速度缓慢,收敛精度不高.针对二者的优缺点,本文提出天牛须搜索与遗传进化混合的优化算法.首先,在BAS算法中... 详细信息

天牛须搜索算法(BAS)具有搜索快和执行简单的特点,但在多峰复杂函数优化中易陷入局部极值.遗传算法(GA)的全局搜索能力强,但收敛速度缓慢,收敛精度不高.针对二者的优缺点,本文提出天牛须搜索与遗传进化混合的优化算法.首先,在BAS算法中设计多方向探索反馈策略来增加算法的搜索能力,并将其嵌入到GA算法中,加快GA的全局收敛速度,然后在GA算法中采用扩展的多子代竞争交叉和自适应调整参数的方式来维持种群的多样性,避免了局部极值问题,进一步提高了算法的寻优性能.对测试函数的优化结果分析表明,与其它几种混合算法相比,该混合算法具有更高的收敛精度和优化性能,并且在复杂函数中有更好的普适性.

关键词：天牛须搜索算法遗传算法函数优化算法融合

来源：评论

学校读者我要写书评

暂无评论

基于聚类的日志分析技术综述与展望

引用

云南大学学报（自然科学版） 2009年第S1期31卷 52-55页

作者：梁晓雪王锋昆明理工大学云南省计算机技术应用重点实验室云南昆明650051 昆明理工大学信息工程与自动化学院云南昆明650051

针对聚类应用在日志分析中存在的主要问题,从聚类算法的选择标准、改进方向、性能分析3个方面探讨了k-means算法在该领域的研究成果.在此基础上论述了Web日志聚类相关技术以及今后的研究方向.

关键词：日志分析聚类 k-means

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：