检索结果-内蒙古大学图书馆

国际眼科杂志 2022年第5期22卷 711-715页

作者：何楷吴茂念郑博杨卫华朱绍军金玲湖州师范学院信息工程学院中国浙江省湖州市313000 浙江省现代农业资源智慧管理与应用研究重点实验室中国浙江省湖州市313000 南京医科大学附属眼科医院眼科人工智能大数据实验室中国江苏省南京市210029

目的:评估基于深度学习的翼状胬肉自动分类诊断系统的应用价值。方法:在2020-05/2021-04期间,从南京医科大学附属眼科医院共收集750张翼状胬肉正常、观察期和手术期眼前节图片。在原始数据集和增强数据集上分别训练7个三分类模型。测试... 详细信息

目的:评估基于深度学习的翼状胬肉自动分类诊断系统的应用价值。方法:在2020-05/2021-04期间,从南京医科大学附属眼科医院共收集750张翼状胬肉正常、观察期和手术期眼前节图片。在原始数据集和增强数据集上分别训练7个三分类模型。测试临床470张图片,比较数据增强前后模型的泛化能力,确定可用于翼状胬肉自动分类系统的最好模型。结果:在原始数据集上训练最好模型的灵敏度平均值为92.55%,特异度平均值为96.86%,AUC平均值为94.70%。数据增强后,不同模型灵敏度、特异度和AUC平均提升3.7%、1.9%和2.7%。在增强数据集上训练的EfficientNetB7模型灵敏度平均值为93.63%,特异度平均值为97.34%,AUC平均值为95.47%。结论:在增强数据集上训练的EfficientNetB7模型取得最好的分类效果,可用于翼状胬肉自动分类系统。该自动分类系统能较好地诊断翼状胬肉疾病,有望成为基层医疗的有效筛查工具,也为翼状胬肉的细化分级研究提供参考。

关键词：人工智能深度学习翼状胬肉分类模型数据增强迁移学习

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翼状胬肉病灶分割研究

引用

国际眼科杂志 2022年第6期22卷 1016-1019页

作者：朱绍军方新闻郑博吴茂念杨卫华湖州师范学院信息工程学院中国浙江省湖州市313000 浙江省现代农业资源智慧管理与应用研究重点实验室中国浙江省湖州市313000 南京医科大学附属眼科医院眼科人工智能大数据实验室中国江苏省南京市210029

目的:通过深度卷积神经网络方法对翼状胬肉病灶进行精准分割。方法:在PSPNet模型结构的基础上构建Phase-fusion PSPNet网络结构用于翼状胬肉病灶的分割,该网络在金字塔池化模块后接入阶段上采样模块,以分阶段增大为原则逐步上采样,减少... 详细信息

目的:通过深度卷积神经网络方法对翼状胬肉病灶进行精准分割。方法:在PSPNet模型结构的基础上构建Phase-fusion PSPNet网络结构用于翼状胬肉病灶的分割,该网络在金字塔池化模块后接入阶段上采样模块,以分阶段增大为原则逐步上采样,减少信息丢失,适合于边缘模糊的分割任务。将南京医科大学附属眼科医院提供的翼状胬肉眼表图像517张分为训练集(330张)、验证集(37张)、测试集(150张),其中训练集和验证集图像用于训练,测试集图像仅用于测试。比较翼状胬肉病灶智能分割和专家标注的结果。结果:构建Phase-fusion PSPNet网络结构针对测试数据集的翼状胬肉病灶分割单类平均交并比(MIOU)和平均像素精确度(MPA)分别为86.31%和91.91%;翼状胬肉单类交并比(IOU)和像素精确度(PA)分别为77.64%和86.10%。结论:卷积神经网络可以实现翼状胬肉病灶的精准分割,有助于为医生进行进一步疾病诊断和手术建议提供重要参考,同时实现翼状胬肉智能诊断的可视化。

关键词：翼状胬肉图像分割深度学习卷积神经网络 PSPNet

来源：评论

学校读者我要写书评

暂无评论

基于Word2Vec与深度神经网络的协同推荐模型

引用

湖州师范学院学报 2022年第8期44卷 45-54页

作者：金楠王瑞琴陆悦聪湖州师范学院信息工程学院浙江湖州313000 浙江省现代农业资源智慧管理与应用研究重点实验室浙江湖州313000

针对目前推荐系统广泛存在的数据稀疏性、预测评分不准确和神经网络模型复杂度较高等问题,提出深度神经网络模型ProfileDNN.模型借鉴自然语言处理中的Word2Vec表征学习方法预训练物品的嵌入向量,并利用物品的嵌入向量构建物品和用户画像... 详细信息

针对目前推荐系统广泛存在的数据稀疏性、预测评分不准确和神经网络模型复杂度较高等问题,提出深度神经网络模型ProfileDNN.模型借鉴自然语言处理中的Word2Vec表征学习方法预训练物品的嵌入向量,并利用物品的嵌入向量构建物品和用户画像,最后基于深度神经网络模型学习用户对物品的预测评分.基于3个公共数据集的对比实验表明,相比同类模型,ProfileDNN模型的复杂度更低,且推荐准确率最高提升达1.1%.

关键词：推荐系统嵌入向量 Word2Vec 表征学习深度神经网络

来源：评论

学校读者我要写书评

暂无评论

基于高斯过程的多任务联合学习

引用

信息技术与信息化 2023年第8期 84-90页

作者：刘闯胡文军王闯湖州师范学院信息工程学院浙江湖州313000 浙江省现代农业资源智慧管理与应用研究重点实验室浙江湖州313000

针对传统多任务学习方法只利用关系或者特征进行多任务学习的局限性,提出了一种基于高斯过程并且同时学习任务特征和任务关系协方差矩阵的多任务学习方法。该方法通过高速过程对多个线性函数进行建模,同时构建任务关系协方差矩阵和特征... 详细信息

针对传统多任务学习方法只利用关系或者特征进行多任务学习的局限性,提出了一种基于高斯过程并且同时学习任务特征和任务关系协方差矩阵的多任务学习方法。该方法通过高速过程对多个线性函数进行建模,同时构建任务关系协方差矩阵和特征关系协方差矩阵,在训练的同时学习线性方程的参数、任务关系协方差矩阵和特征关系协方差矩阵,该方法称为基于高斯过程的多任务联合学习(multi-task joint learning based on gaussian process,MJLGP)。实验结果表明,所提方法在精度上比对比实验具有更好的优势。

关键词：协方差矩阵高斯过程多任务学习

来源：评论

学校读者我要写书评

暂无评论

基于多特征融合与级联森林的睡眠分期方法

引用

信息技术与信息化 2023年第4期 4-9页

作者：李兰亭苗敏敏胡文军湖州师范学院信息工程学院浙江湖州313000 浙江省现代农业资源智慧管理与应用研究重点实验室浙江湖州313000

为了提高睡眠分期模型的准确率和鲁棒性,提出了一种基于多特征融合与级联森林模型的睡眠脑电分期方法。首先采用小波阈值去噪对原始脑电信号(electroencephalogram,EEG)进行预处理,提取预处理后的EEG信号的时域特征和非线性特征共15个... 详细信息

为了提高睡眠分期模型的准确率和鲁棒性,提出了一种基于多特征融合与级联森林模型的睡眠脑电分期方法。首先采用小波阈值去噪对原始脑电信号(electroencephalogram,EEG)进行预处理,提取预处理后的EEG信号的时域特征和非线性特征共15个特征参数。再利用离散小波变换分解提取原始EEG信号的四种基本节律波(α波、β波、θ波、δ波),并计算四种节律波的偏度、峰度、均值、排列熵共16个特征参数,最终融合得到31个特征参数。然后采用互信息特征选择算法选择出与睡眠阶段高度相关的特征。将选择后的特征参数分别输入到级联森林、支持向量机(support vector machines,SVM)、逻辑回归分类算法中。按照AASM分期准则进行睡眠分期,比较和分析三种分类算法的分期效果。实验使用Sleep-EDF库中的数据进行测试,级联森林分期模型的准确率达到96.04%,SVM和逻辑回归的分期模型准确率分别为93.59%和84.85%。结果表明基于多特征融合与级联森林模型的自动睡眠脑电分期方法具有较好的分期效果。

关键词：睡眠分期脑电信号互信息级联森林

来源：评论

学校读者我要写书评

暂无评论

基于警告距离感知的安全行驶模型

引用

湖州师范学院学报 2022年第8期44卷 63-69页

作者：徐会彬湖州师范学院信息工程学院浙江湖州313000 浙江省现代农业资源智慧管理与应用研究重点实验室浙江湖州313000

针对车载网(V2X)的异构特性,提出基于蜂窝和802.11p协议的V2X通信安全行驶模型(Cellular and 802.11p based V2X safe navigation model,CSNM).通过CSNM模型分析异构V2X各类场景的特性,从而推导各类场景的警告距离.车辆通过接收包警告... 详细信息

针对车载网(V2X)的异构特性,提出基于蜂窝和802.11p协议的V2X通信安全行驶模型(Cellular and 802.11p based V2X safe navigation model,CSNM).通过CSNM模型分析异构V2X各类场景的特性,从而推导各类场景的警告距离.车辆通过接收包警告距离的消息,提升行驶安全.仿真结果表明,同时采用V2V和V2N模式的通信,能够提升交互安全消息的可靠性,降低传输消息的时延,减少估计警告距离的误差.

关键词：车联网安全行驶 802.11p协议蜂窝警告距离

来源：评论

学校读者我要写书评

暂无评论

基于手机加速度异常极值处理的步态身份识别

引用

智能计算机与应用 2023年第6期13卷 13-18,29页

作者：陈志强苗敏敏胡文军湖州师范学院信息工程学院浙江湖州313000 浙江省现代农业资源智慧管理与应用研究重点实验室浙江湖州313000

针对手机加速度信号预处理后仍有小范围异常极值的现象,提出一种基于四分位数去除异常极值的新方法。该方法利用四分位数特性优化信号,削弱了极端值和异常值的影响来提高识别准确率。首先,在福坦莫大学无线数据挖掘实验室开放的公用数... 详细信息

针对手机加速度信号预处理后仍有小范围异常极值的现象,提出一种基于四分位数去除异常极值的新方法。该方法利用四分位数特性优化信号,削弱了极端值和异常值的影响来提高识别准确率。首先,在福坦莫大学无线数据挖掘实验室开放的公用数据集中筛选步态为步行的数据,将数据经过滤波算法过滤后,采用本文所提方法进行异常值处理,随后进行模板划分以及时域与频域特征的提取,最后实现身份识别。此外,自行采集人体真实步行数据进行实验验证。实验结果表明,在公用数据集和自采数据集上,与未经本文算法处理的数据相比,本文所提方法在支持向量机、BP神经网络和级联森林3种分类模型上均能提高识别准确率,当采用级联森林分类器时,准确率分别达到99.31%和99.23%。

关键词：步态身份识别四分位数级联森林手机加速度支持向量机

来源：评论

学校读者我要写书评

暂无评论

多模态耦合特征子空间正则的SVDD

引用

湖州师范学院学报 2023年第8期45卷 51-61页

作者：王闯胡文军刘闯王余波湖州师范学院信息工程学院浙江湖州313000 浙江省现代农业资源智慧管理与应用研究重点实验室浙江湖州313000

针对传统支持向量数据描述(SVDD)方法无法用于多模态数据异常检测的问题,提出一种新颖的用于处理多模态数据的SVDD方法.该方法将多模态数据通过投影矩阵映射到公共低维子空间,再利用多模态图正则SVDD来保持模态内与模态间的结构关系,同... 详细信息

针对传统支持向量数据描述(SVDD)方法无法用于多模态数据异常检测的问题,提出一种新颖的用于处理多模态数据的SVDD方法.该方法将多模态数据通过投影矩阵映射到公共低维子空间,再利用多模态图正则SVDD来保持模态内与模态间的结构关系,同时利用稀疏投影矩阵正则SVDD来降低原始空间中的特征耦合影响.该方法称为耦合特征子空间正则的支持向量数据描述(CFSR-SVDD).实验结果表明,所提出的方法在精度和稳定性上具有更好的优势.

关键词：一类分类多模态数据支持向量数据描述子空间学习多模态图

来源：评论

学校读者我要写书评

暂无评论

基于最近邻子空间的邻域保持嵌入

引用

湖州师范学院学报 2022年第10期44卷 43-51页

作者：徐剑豪胡文军胡天杰王哲昀湖州师范学院信息工程学院浙江湖州313000 浙江省现代农业资源智慧管理与应用研究重点实验室浙江湖州313000

针对流形学习算法定义局部存在的置信度不足问题,通过保持局部的内部关系和空间关系来捕捉数据的低维流形,由此提出一种最近邻子空间邻域保持嵌入方法.将数据中的每个样本点和K个近邻视为一个局部,从而形成一个最近邻子空间;利用格拉姆... 详细信息

针对流形学习算法定义局部存在的置信度不足问题,通过保持局部的内部关系和空间关系来捕捉数据的低维流形,由此提出一种最近邻子空间邻域保持嵌入方法.将数据中的每个样本点和K个近邻视为一个局部,从而形成一个最近邻子空间;利用格拉姆行列式对所有最近邻子空间的体积进行度量;对体积进行归一化处理,并集成到邻域保持嵌入算法的模型中.真实数据的聚类和分类实验结果表明,采用该方法提取的特征更具鉴别能力.

关键词：流形学习最近邻子空间格拉姆行列式邻域保持嵌入

来源：评论

学校读者我要写书评

暂无评论

基于艾宾浩斯遗忘曲线和注意力机制的推荐算法

引用

电信科学 2022年第10期38卷 89-97页

作者：金楠王瑞琴陆悦聪湖州师范学院信息工程学院浙江湖州313000 浙江省现代农业资源智慧管理与应用研究重点实验室浙江湖州313000

传统基于注意力机制的推荐算法只利用位置嵌入对用户行为序列进行建模,忽略了具体的时间戳信息,导致推荐性能不佳和模型训练过拟合等问题。提出基于时间注意力的多任务矩阵分解推荐模型,利用注意力机制提取邻域信息对用户和物品进行嵌... 详细信息

传统基于注意力机制的推荐算法只利用位置嵌入对用户行为序列进行建模,忽略了具体的时间戳信息,导致推荐性能不佳和模型训练过拟合等问题。提出基于时间注意力的多任务矩阵分解推荐模型,利用注意力机制提取邻域信息对用户和物品进行嵌入编码,借助艾宾浩斯遗忘曲线描述用户兴趣随时间的变化特性,在模型训练过程中引入经验回放的强化学习策略模拟人类的记忆复习过程。真实数据集上的实验结果表明,该模型比现有推荐模型具有更好的推荐性能。

关键词：艾宾浩斯遗忘曲线注意力机制强化学习经验回放

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：