检索结果-内蒙古大学图书馆

计算机应用 2019年第S02期39卷 236-241页

作者：舒衡古乐野陈蔓中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049

针对目前多聚焦图像融合中融合图像边缘整体性较差的情形,为更好地表示边缘大尺度轮廓和小尺度细节信息,依据离散不可分剪切波能更好地捕捉高维空间奇异性特征,避免频域重叠,而且可以得到更好的框架界和有更好的方向敏感性等优点,利用... 详细信息

针对目前多聚焦图像融合中融合图像边缘整体性较差的情形,为更好地表示边缘大尺度轮廓和小尺度细节信息,依据离散不可分剪切波能更好地捕捉高维空间奇异性特征,避免频域重叠,而且可以得到更好的框架界和有更好的方向敏感性等优点,利用其对原图像进行分解以保留更多图像细节特征信息;同时利用引导滤波对边缘的平滑能力,并减弱过平滑影响,提出迭代的自适应引导滤波融合规则,通过加权引导滤波的参数让其自适应图像的平坦区域和边缘区域。对于分解后的系数采用基于边缘算子和图像对比度信息的迭代自适应引导滤波优化,较好地保留边缘整体轮廓和小尺度细节特征,降低光晕效应的影响,同时保证边缘连续性较高。最后通过逆离散不可分剪切波变换得到融合后的图像。通过在不同数据集上的实验结果表明,该算法能够更好地保留图像边缘的整体强度和小尺度细节特征,取得了较好的融合效果。

关键词：多聚焦图像融合离散不可分剪切波变换迭代自适应引导滤波边缘算子对比度

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络的左心室超声图像特征点定位

引用

计算机应用 2019年第4期39卷 1201-1207页

作者：周玉金王晓东张力戈朱锴姚宇中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049

针对传统级联卷积神经网络(CNN)在左心室超声图像中定位准确度较低的问题,提出一种融合更快速区域卷积神经网络(Faster-RCNN)模型提取区域的级联卷积神经网络,实现对超声图像中左心室心内膜和心外膜轮廓特征点的定位。首先,采用两级级... 详细信息

针对传统级联卷积神经网络(CNN)在左心室超声图像中定位准确度较低的问题,提出一种融合更快速区域卷积神经网络(Faster-RCNN)模型提取区域的级联卷积神经网络,实现对超声图像中左心室心内膜和心外膜轮廓特征点的定位。首先,采用两级级联的方式改进传统级联卷积神经网络的网络结构,第一级网络利用一个改进的卷积网络粗略定位左心室心内膜和心外膜联合的特征点,第二级网络使用四个改进的卷积网络分别对心内膜特征点和心外膜特征点进行位置微调,之后定位输出左心室心内膜和心外膜联合的轮廓特征点位置;然后,将改进的级联卷积神经网络与目标区域提取融合,即利用Faster-RCNN模型提取包含左心室的目标区域并将目标区域送入改进的级联卷积神经网络;最后,由粗到细对左心室轮廓特征点进行定位。实验结果表明,与传统级联卷积神经网络相比,所提方法在左心室超声图像上的定位效果更好,更逼近真实值,在均方根误差的评价标准下,特征点定位准确度提升了32.6个百分点。

关键词：超声心动图左心室特征点定位卷积神经网络级联卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

深度哈希算法在心脏超声图像检索中的应用

引用

计算机应用 2019年第S02期39卷 75-80页

作者：张凯姚宇伍岳庆陈哲彬中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049

针对传统图像特征提取方法提取图像特征不够细致以及矢量量化检索的时间和内存消耗大等问题,结合B型心脏超声图像的先验知识,提出了基于深度哈希检索网络的心脏超声图像检索系统。首先,通过深度神经网络提取图像特征,生成哈希特征编码;... 详细信息

针对传统图像特征提取方法提取图像特征不够细致以及矢量量化检索的时间和内存消耗大等问题,结合B型心脏超声图像的先验知识,提出了基于深度哈希检索网络的心脏超声图像检索系统。首先,通过深度神经网络提取图像特征,生成哈希特征编码;然后,通过预先标注好的心脏超声图像利用坐标下降法直接对编码进行离散优化,对网络权重进行训练调整;最后,将现有的超声图像通过训练好的检索网络生成超声图像哈希编码数据库,对之后新采集的超声图像比较检索网络生成的哈希编码与数据库中的编码的汉明距离以找到以往类似的超声图像和病例,实现辅助诊疗的功能。在大规模真实采集的数据集上,对不同模型实验和测试表明,该方法相比传统检索方法有更高的准确率,检索精度可以达到0.9966,比尺度不变特征变换(SIFT)等方法可提高50%以上。该基于深度哈希的心脏超声图像检索能较好地应用于多种场景下的心脏超声图像检索,实现高精度的心脏超声辅助诊疗。

关键词：图像检索医疗图像处理心脏超声图像深度哈希深度学习

来源：评论

学校读者我要写书评

暂无评论

全局调距和声特征选择算法

引用

计算机工程与应用 2019年第2期55卷 21-27页

作者：侯屿秦小林彭皓月张力戈中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049

特征选择技术能有效解决维数灾难问题,许多搜索策略已经被应用到特征选择问题中。针对和声特征选择算法搜索能力低下的问题,提出了一种基于全局自适应调距的和声特征选择算法(HSFS-GPA)。将特征集的距离定义引入到特征选择问题中,在算... 详细信息

特征选择技术能有效解决维数灾难问题,许多搜索策略已经被应用到特征选择问题中。针对和声特征选择算法搜索能力低下的问题,提出了一种基于全局自适应调距的和声特征选择算法(HSFS-GPA)。将特征集的距离定义引入到特征选择问题中,在算法搜索过程中结合全局信息对随机产生的新和声进行调整,以一定概率减小候选和声与当前最优和声的距离来加快算法搜索速度,或减少候选和声与最差和声的距离以避免陷入局部最优;同时,采用竞争选择方案随时更新和声库全局信息,改进和声库的更新机制提高算法搜索质量。将HSFS-GPA与原始和声特征选择算法、粒子群算法和遗传算法进行对比实验,HSFS-GPA所选特征子集的大小比原始和声算法减少15%,子集评价值平均提高到0.98。实验结果表明,HSFS-GPA能在相同的条件下搜索到更优质的特征子集。

关键词：和声搜索特征选择启发式算法维数约减大数据

来源：评论

学校读者我要写书评

暂无评论

一类三次微分系统的时间可逆与中心问题

引用

四川师范大学学报（自然科学版） 2020年第4期43卷 442-446页

作者：杨静杨鸣陆征一中国科学院成都计算机应用研究所四川成都610041 中国科学院大学北京100049 四川师范大学数学科学学院四川成都610066

利用时间可逆系统的性质和Regular Chain方法得到一类三次多项式微分系统在线性对合下为时间可逆系统的充要条件,此条件保证了原点必为该系统的中心.

关键词：三次系统时间可逆充要条件中心多项式微分系统

来源：评论

学校读者我要写书评

暂无评论

交替博弈中两类循环优势系统的动力学行为

引用

四川师范大学学报（自然科学版） 2020年第6期43卷 795-803页

作者：刘静刘春燕陆征一杨鸣武警警官学院部队管理系四川成都610213 四川师范大学数学科学学院四川成都610066 中国科学院成都计算机应用研究所四川成都610041

基于交替捐赠博弈在不同成本收益-比值k下给出具有正平衡点的三循环优势系统的完全分类,讨论四循环优势系统的永久生存性,并在交替囚徒困境博弈中,利用中心流形定理证明四循环优势系统[S4,S8,S10,S15]存在极限环.

关键词：进化博弈交替博弈循环优势极限环

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的织物缺陷在线检测算法

引用

计算机应用 2019年第7期39卷 2125-2128页

作者：王理顺钟勇李振东贺宜龙中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049

织物缺陷在线检测是纺织行业面临的重大难题,针对当前织物缺陷检测中存在的误检率高、漏检率高、实时性不强等问题,提出了一种基于深度学习的织物缺陷在线检测算法。首先基于GoogLeNet网络架构,并参考其他分类模型的经典算法,搭建出适... 详细信息

织物缺陷在线检测是纺织行业面临的重大难题,针对当前织物缺陷检测中存在的误检率高、漏检率高、实时性不强等问题,提出了一种基于深度学习的织物缺陷在线检测算法。首先基于GoogLeNet网络架构,并参考其他分类模型的经典算法,搭建出适用于实际生产环境的织物缺陷分类模型;其次利用质检人员标注的不同种类织物图片组建织物缺陷数据库,并用该数据库对织物缺陷分类模型进行训练;最后对高清相机在织物验布机上采集的图片进行分割,并将分割后的小图以批量的方式传入训练好的分类模型,实现对每张小图的分类,以此来检测缺陷并确定其位置。对该模型在织物缺陷数据库上进行了验证。实验结果表明:织物缺陷分类模型平均每张小图的测试时间为 0.37 ms ,平均测试时间比GoogLeNet减少了67%,比ResNet-50减少了93%;同时模型在测试集上的正确率达到 99.99%。说明其准确率与实时性均满足实际工业需求。

关键词：图像处理深度学习卷积神经网络缺陷检测

来源：评论

学校读者我要写书评

暂无评论

基于混合八叉树的动态对象碰撞检测算法

引用

计算机应用 2019年第A01期39卷 96-99页

作者：熊心一姚宇中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049

针对动态对象与静态场景碰撞检测计算中减少时间和空间消耗的问题,提出了静态八叉树与动态八叉树相混合的空间剖分算法。在初始化阶段,将静态场景剖分为深度较浅的静态八叉树空间结构;在碰撞检测初步阶段,找到与动态对象相交的静态八叉... 详细信息

针对动态对象与静态场景碰撞检测计算中减少时间和空间消耗的问题,提出了静态八叉树与动态八叉树相混合的空间剖分算法。在初始化阶段,将静态场景剖分为深度较浅的静态八叉树空间结构;在碰撞检测初步阶段,找到与动态对象相交的静态八叉树叶子节点,并以之为根节点生成动态八叉树,如果动态对象发生移动但与之相交的静态八叉树叶子节点没有发生变化,不需要更新动态八叉树;随后,利用更深层的动态八叉树筛去更多的不碰撞面片。实验数据验证了该算法的可行性,采用4层静态八叉树与2层动态八叉树混合的空间结构,与传统6层静态八叉树相比,能灵活应用于动态对象的碰撞检测计算,初始化时间减少约93.81%,节点数量减少约95.05%,只有在需要更新动态八叉树的时候计算耗时稍高;与传统动态八叉树相比,所需更新的树层数更少,在相交的静态八叉树叶子节点不变的情况下省去了更新,速度更快。

关键词：碰撞检测静态八叉树动态八叉树手术辅助教学系统空间复杂度

来源：评论

学校读者我要写书评

暂无评论

基于改进的矩阵分解模型在推荐系统中的应用

引用

计算机应用 2019年第A01期39卷 93-95页

作者：宋瑞雪李国勇中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049

在推荐系统的算法中,传统的矩阵分解模型虽然解决了评分矩阵的稀疏性问题,但建模时的损失函数只考虑了用户和物品的隐向量,并不能很好地表示用户对物品的喜好特征问题,为了解决这个问题,提出了一种可以在用户的隐向量部分里面增加该用... 详细信息

在推荐系统的算法中,传统的矩阵分解模型虽然解决了评分矩阵的稀疏性问题,但建模时的损失函数只考虑了用户和物品的隐向量,并不能很好地表示用户对物品的喜好特征问题,为了解决这个问题,提出了一种可以在用户的隐向量部分里面增加该用户评价过的物品的信息的矩阵分解办法。首先,把矩阵分解和不对称因子模型的各自优点相结合,在用户的隐向量表示中加入相关物品的隐向量来表达,使得在矩阵分解部分求出的用户隐向量和物品的隐向量能够更加准确地描述出相应的用户和物品;然后,评分预测时,使用该用户的隐向量与预测物品的隐向量来计算用户间和物品间的向量内积作为该用户对相关物品的预测评分;最后,用随机梯度下降方法优化损失函数来求得一个可以更好地表达用户和物品的隐向量。经实验分析,在3个推荐类常用的相关数据集中,用所提矩阵分解模型求出的结果的平均绝对值误差比传统的矩阵分解推荐模型的分别小0.0202、0.014和0.2326,所得均方根误差也均小于传统矩阵分解推荐模型的。

关键词：矩阵分解不对称因子隐向量隐式反馈推荐系统

来源：评论

学校读者我要写书评

暂无评论

基于随机矩阵的一种新型电子投票方案

引用

计算机应用 2019年第S02期39卷 280-283页

作者：付伟伟王晓京彭行一刘霆张嘉诚中国科学院成都计算机应用研究所成都610041 中国科学院大学成都100049

针对抵近物理投票中选票的隐私保护和计票过程复杂的问题,提出一种基于随机矩阵的新型选票和相应的电子投票方案。方案将选票拆分为两部分,一部分采用随机矩阵作为选票的底票,另一部分利用投票规则和选票的底票计算生成。计票时将随机... 详细信息

针对抵近物理投票中选票的隐私保护和计票过程复杂的问题,提出一种基于随机矩阵的新型选票和相应的电子投票方案。方案将选票拆分为两部分,一部分采用随机矩阵作为选票的底票,另一部分利用投票规则和选票的底票计算生成。计票时将随机矩阵和投票矩阵相加得到候选人符号矩阵,采用符号频率统计的方法得到投票结果。验证阶段选民通过投票时保留的子票,来验证选民的投票信息。方案不仅保证了选民投票隐私和选票信息的可验证,而且投票方案能够改进现有抵近物理投票的不足,实现简单,技术手段丰富,工作快捷,满足电子投票协议的需求。

关键词：电子选举随机矩阵符号频率统计隐私性可验证性

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：