检索结果-内蒙古大学图书馆

武汉大学学报（理学版） 2020年第3期66卷 261-267页

作者：付洋刘茂福乔瑞武汉科技大学计算机科学与技术学院湖北武汉430065 武汉科技大学智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065

心血管疾病长期以来一直占据着中国疾病死亡率榜首,并且其死亡率仍在逐年上升。在国内开源的中文医学数据集稀缺的背景下,结合自顶向下和自底向上的方法半自动化构建心脏病中文知识图谱。首先,基于高质量百科数据和医学文献构建心脏病本... 详细信息

心血管疾病长期以来一直占据着中国疾病死亡率榜首,并且其死亡率仍在逐年上升。在国内开源的中文医学数据集稀缺的背景下,结合自顶向下和自底向上的方法半自动化构建心脏病中文知识图谱。首先,基于高质量百科数据和医学文献构建心脏病本体,为了保证数据的领域封闭性,根据预先定义的疾病词典从百科类网站和医学网站等异构数据源中获取心血管疾病数据;接着,定义实体相似度计算方法进行更好的知识融合,并在图谱数据上通过模式发现寻找最优的数据模式,实现知识图谱模式层和数据层的共同迭代;最后,在图数据库中对图谱数据进行可视化展示,并根据当前研究动态探讨心脏病知识图谱一些具有前景的应用。

关键词：医学人工智能心脏病知识图谱实体链接模式发现

来源：评论

学校读者我要写书评

暂无评论

基于大规模集成学习的正脸姿态估计算法

引用

计算机工程与设计 2024年第12期45卷 3592-3599页

作者：陈婉琪邓春华武汉科技大学计算机科学与技术学院湖北武汉430065 武汉科技大学大数据科学与工程研究院湖北武汉430065 武汉科技大学湖北省智能信息处理与实时工业系统重点实验室湖北武汉430065

现有的正脸姿态估计任务依赖于头部3D姿态的估计和经验阈值的使用,这类方法存在主观性和鲁棒性不足的问题。为解决上述问题,提出一种基于大规模正脸数据驱动的集成学习算法。通过构建大规模正脸类别,解决正脸姿态分类中类内方差大而类... 详细信息

现有的正脸姿态估计任务依赖于头部3D姿态的估计和经验阈值的使用,这类方法存在主观性和鲁棒性不足的问题。为解决上述问题,提出一种基于大规模正脸数据驱动的集成学习算法。通过构建大规模正脸类别,解决正脸姿态分类中类内方差大而类间方差小的问题,避免人为确定阈值带来的主观性问题。利用人脸特征中的姿态信息和大规模集成的方式,区分正脸图像和非正脸图像,提高分类能力,增强鲁棒性。实验结果表明,所提方法无需依赖关键点标注,具有较短的推理时间,在公共数据集上实现了正脸姿态估计。在光照变化、配饰遮挡、小角度和大角度的真实数据集上展示了高效的分类能力。

关键词：正脸姿态估计表征信息最近邻分类集成学习余弦距离机器学习大规模数据

来源：评论

学校读者我要写书评

暂无评论

基于区块链的云数据审计方案

引用

计算机应用研究 2020年第6期37卷 1799-1803页

作者：周坚金瑜何亨李鹏武汉科技大学计算机科学与技术学院武汉430081 湖北省智能信息处理与实时工业系统重点实验室武汉430081

云存储凭借高扩展性、高可靠性、低成本的数据管理优点得到用户青睐。然而,如何确保云数据完整性成为亟待解决的安全挑战。目前的云数据完整性审计方案绝大部分是基于半可信第三方来提供公共审计服务,它们存在单点失效、性能瓶颈以及泄... 详细信息

云存储凭借高扩展性、高可靠性、低成本的数据管理优点得到用户青睐。然而,如何确保云数据完整性成为亟待解决的安全挑战。目前的云数据完整性审计方案绝大部分是基于半可信第三方来提供公共审计服务,它们存在单点失效、性能瓶颈以及泄露用户隐私等问题。针对这些缺点提出了基于区块链的审计模型。该模型采用分布式网络、共识算法建立一个去中心化、易扩展的网络解决单点失效问题和计算力瓶颈,利用区块链技术和共识算法加密用户数据保证数据不可窜改和伪造,确保了用户数据的隐私。实验结果表明,与基于半可信第三方云数据审计方案相比,该模型能够保护用户隐私,显著提高了审计效率,减少了通信开销。

关键词：区块链云存储审计共识算法

来源：评论

学校读者我要写书评

暂无评论

基于L1/2正则化和局部纹理约束的人脸超分辨率图像重建

引用

计算机应用研究 2020年第2期37卷 598-600,605页

作者：王宝成李波武汉科技大学计算机科学与技术学院武汉430065 智能信息处理与实时工业系统湖北省重点实验室武汉430065

为了更好地利用低分辨率人脸图像,提出了一种基于L1/2正则化和局部纹理约束的人脸超分辨率重建。在人脸重建的过程中,使用非负矩阵分解将人脸图像放大到合适的中等分辨率,使用局部纹理约束加强纹理特征提取;然后使用局部稀疏先验进行人... 详细信息

为了更好地利用低分辨率人脸图像,提出了一种基于L1/2正则化和局部纹理约束的人脸超分辨率重建。在人脸重建的过程中,使用非负矩阵分解将人脸图像放大到合适的中等分辨率,使用局部纹理约束加强纹理特征提取;然后使用局部稀疏先验进行人脸图像重建,再次加入重建约束和局部纹理约束。为了使获取的人脸图像稀疏系数更加稀疏,使用L1/2正则化求解稀疏表示系数。实验结果表明,重建的人脸图像保持了原图像的结构,可以实现很好的重建结果,并且具有更好的鲁棒性。

关键词：稀疏表示人脸图像图像重建 L1/2正则化局部纹理约束

来源：评论

学校读者我要写书评

暂无评论

DE-ELM-SSC+半监督分类算法

引用

计算机科学与探索 2020年第12期14卷 2014-2027页

作者：庞俊黄恒张寿舒智梁赵宇海武汉科技大学计算机科学与技术学院武汉430070 智能信息处理与实时工业系统湖北省重点实验室武汉430070 东北大学计算机科学与工程学院沈阳110169

演化算法和分析方法的结合是机器学习领域近几年的一个研究热点。研究如何将差分进化(DE)演化算法与基于超限学习机(ELM)的半监督分类算法相结合。首先,提出了一种基于DE和ELM的半监督分类方法(DE-ELM-SSC),该算法大致步骤为:采用多种... 详细信息

演化算法和分析方法的结合是机器学习领域近几年的一个研究热点。研究如何将差分进化(DE)演化算法与基于超限学习机(ELM)的半监督分类算法相结合。首先,提出了一种基于DE和ELM的半监督分类方法(DE-ELM-SSC),该算法大致步骤为:采用多种差分进化策略对超限学习机输入权重和偏置参数进行优化,并根据均方根误差选出一个适合目标数据集的最优策略;将上一步选出的最优进化策略应用于DE算法,从而达到优化ELM网络参数的目的;为了构造半监督分类预测模型,采用Tri-training技术实现了三个改进ELM基分类器的协同训练。然后,采用非线性方法改进现有惯性策略方法,实现了缩放因子自适应调整,从而优化了DE-ELM-SSC算法,得到DE-ELM-SSC+算法。UCI标准数据集上的大量实验结果表明,DE-ELM-SSC+算法能根据数据集选择合适的进化策略,并自适应调整缩放因子,获得比Baseline方法更高的分类准确率。

关键词：超限学习机半监督分类策略选择差分进化缩放因子

来源：评论

学校读者我要写书评

暂无评论

基于特征权重的恶意软件分类方法

引用

计算机技术与发展 2022年第11期32卷 115-120页

作者：叶彪李琳丁应宋荆汉万振华武汉科技大学计算机科学与技术学院湖北武汉430065 智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065 上海航天精密机械研究所上海201600 深圳开源互联网安全技术有限公司广东深圳518000

近年来由于计算机和人们的工作生活结合得更加紧密,为保障信息安全,恶意软件分类的重要性与日俱增,但是现有的恶意软件分类方法大多都存在模型复杂、耗费时间长以及效果不突出等困境。为提高恶意软件分类效率,提出一个结合特征提取和卷... 详细信息

近年来由于计算机和人们的工作生活结合得更加紧密,为保障信息安全,恶意软件分类的重要性与日俱增,但是现有的恶意软件分类方法大多都存在模型复杂、耗费时间长以及效果不突出等困境。为提高恶意软件分类效率,提出一个结合特征提取和卷积神经网络的恶意软件分类框架。针对目前恶意软件分类算法准确率低、处理时间慢等问题,引入并改进了NLP领域中的一种特征权重算法。通过计算操作码的特征权重,选取具有较大信息增益的操作码作为特征词,然后提取恶意样本的特征图,最后传入卷积神经网络进行训练和分类。实验结果表明,该方法在big2015数据集上的准确率为99.26%,比基于TFIDF特征提取的方法略好,接近该数据集上的冠军方法,在不均衡类别上的分类表现优于基于频率的特征词选择的提取算法,并且在预处理时间上短于其他方法。

关键词：特征权重特征提取操作码卷积神经网络恶意软件分类

来源：评论

学校读者我要写书评

暂无评论

基于双注意力编码-解码器架构的视网膜血管分割

引用

计算机科学 2020年第5期47卷 166-171页

作者：李天培陈黎武汉科技大学计算机科学与技术学院武汉430065 武汉科学大学湖北省智能信息处理与实时工业系统重点实验室武汉430065

眼底视网膜血管的分割提取对于糖尿病、视网膜病、青光眼等眼科疾病的诊断具有重要的意义。针对视网膜血管图像中的血管难以提取、数据量较少等问题,文中提出了一种结合注意力模块和编码-解码器结构的视网膜血管分割方法。首先对编码-... 详细信息

眼底视网膜血管的分割提取对于糖尿病、视网膜病、青光眼等眼科疾病的诊断具有重要的意义。针对视网膜血管图像中的血管难以提取、数据量较少等问题,文中提出了一种结合注意力模块和编码-解码器结构的视网膜血管分割方法。首先对编码-解码器卷积神经网络的每个卷积层添加空间和通道注意力模块,加强模型对图像特征的空间信息和通道信息(如血管的大小、形态和连通性等特点)的利用,从而改善视网膜血管的分割效果。其中,空间注意力模块关注于血管的拓扑结构特性,而通道注意力模块关注于血管像素点的正确分类。此外,在训练过程中采用Dice损失函数解决了视网膜血管图像正负样本不均衡的问题。在3个公开的眼底图像数据库DRIVE,STARE和CHASE_DB1上进行了实验,实验数据表明,所提算法的准确率、灵敏度、特异性和AUC值均优于已有的视网膜血管分割方法,其AUC值分别为0.9889,0.9812和0.9831。实验证明,所提算法能够有效提取健康视网膜图像和病变视网膜图像中的血管网络,能够较好地分割细小血管。

关键词：视网膜血管分割通道注意力空间注意力编码-解码器结构特征可视化

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制的个性化图像美学质量评估

引用

计算机技术与发展 2021年第10期31卷 56-62页

作者：江佳俊蒋旻杨晓雨郭嘉武汉科技大学计算机科学与技术学院湖北武汉430065 智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学) 湖北武汉430065

图像美学质量评估在图像推荐和图像编辑美学等行业具有良好的应用前景。大部分美学质量评估方法存在两个问题:第一,只建立了通用美学评估模型,而忽略了个性化审美,这样的评估方法只适用于大众审美的评估,无法区分出不用用户之间的差异;... 详细信息

图像美学质量评估在图像推荐和图像编辑美学等行业具有良好的应用前景。大部分美学质量评估方法存在两个问题:第一,只建立了通用美学评估模型,而忽略了个性化审美,这样的评估方法只适用于大众审美的评估,无法区分出不用用户之间的差异;第二,往往只从图像本身特征和整体布局进行评估,没有考虑主体的突出性和位置合理性,由于主体特征对评估结果有较大的影响,以致忽视主体的做法会使得评估结果具有较差的完备性。针对这些问题,文中设计了一种基于注意力机制的个性化图像美学质量评估方法。该方法在个性化残差网络的基础之上引入了注意力机制,既保持了个人在美学质量评估的主观偏好,又将主体的显著性因素加入评分过程。在Flickr数据集上的实验中,该算法的平均SROCC相关系数表现为0.667,相较于单一的图像美学质量评估在Flickr数据集上的表现,性能提升了3%。

关键词：图像美学质量评估注意力机制残差网络个性化深度学习

来源：评论

学校读者我要写书评

暂无评论

基于自注意力机制的单幅图像去雨滴方法

引用

计算机技术与发展 2021年第5期31卷 54-61页

作者：郭嘉蒋旻刘双元江佳俊武汉科技大学计算机科学与技术学院湖北武汉430065 智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学) 湖北武汉430065

在数字图像中去除雨滴的干扰,对恢复图像质量有较大应用意义。随着深度学习图像去噪技术的发展,针对目前大多数去雨滴的方法恢复质量低、计算量大等问题,提出了一种基于自注意力机制的轻型图像去雨滴算法。该算法建立了一个轻量级的级... 详细信息

在数字图像中去除雨滴的干扰,对恢复图像质量有较大应用意义。随着深度学习图像去噪技术的发展,针对目前大多数去雨滴的方法恢复质量低、计算量大等问题,提出了一种基于自注意力机制的轻型图像去雨滴算法。该算法建立了一个轻量级的级联稠密残差网络(cascaded dense residual network),用于恢复被雨滴覆盖的图像信息。该网络由多个模块组成,模块间用稠密的残差和跳过连接引导图像信息的输出,以从粗略到细节的方式逐级消除图像中的雨滴,恢复雨滴下的背景信息。网络中每个模块由卷积层、非局部神经网络(non-local neural network)和递归卷积网络组成,在保证预测无雨图像的效果的同时减少参数量。实验结果表明,与AttentiveGAN等去雨滴方法相比,该算法去雨滴效果良好。该方法将自注意力机制加入级联稠密残差网络中,参数量仅为0.22 M,适用于小型嵌入式的除雨滴设备。

关键词：雨滴去除深度学习图像去噪轻量级算法自注意力级联稠密残差网络

来源：评论

学校读者我要写书评

暂无评论

改进GAN的光化性角化病图像数据增强方法

引用

计算机技术与发展 2022年第9期32卷 36-42,50页

作者：黄志伦刘俊郑萌武汉科技大学计算机科学与技术学院湖北武汉430065 智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学) 湖北武汉430065 武汉理工大学计算机科学与技术学院湖北武汉430070

针对传统网络应用于医学图像数据增强时出现的特征丢失和多样性不足的问题,提出一种基于能量的改进生成对抗网络模型。首先将简单的原始随机噪声输入高斯混合模型,尽管增加了少部分的计算量,但转换后具有潜在复杂分布的噪声能在一定程... 详细信息

针对传统网络应用于医学图像数据增强时出现的特征丢失和多样性不足的问题,提出一种基于能量的改进生成对抗网络模型。首先将简单的原始随机噪声输入高斯混合模型,尽管增加了少部分的计算量,但转换后具有潜在复杂分布的噪声能在一定程度上提升生成样本的类内多样性和类间多样性。然后在判别器部分把简单自编码器替换为U-Net状的变体网络,多层采样的过程可以增强对细节纹理的感知,进而提高生成图像的清晰度和特征还原。最后使用混合体驱动算法,按照加权参数逐步混合多个生成器,在迭代过程中弥补先前混合体的不足,提高生成模块的鲁棒性。在光化性角化病图像数据集上的实验结果表明,该网络训练生成的图像在弗雷歇初始距离上优于现有的WGAN(Wasserstein GAN)模型3.41。另外由于判别器可预训练的特性,收敛速度快于当前的WGAN。同时也在公开数据集MNIST和CelebA上验证改进生成对抗网络的有效性。

关键词：光化性角化病生成对抗网络数据增强高斯混合模型 U-Net变体混合体驱动

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：