期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于一致性预测器的中医证素组合诊断模型
1
作者 王华珍 吕兵 洪燕珠 《厦门大学学报(自然科学版)》 CAS CSCD 北大核心 2014年第1期41-45,共5页
构建中医证素组合智能诊断模型需要特殊的域预测分类器而非传统的点预测分类器.引入一致性预测器(conformal predictor,CP),以算法随机性水平值为证素的重要性度量,以算法风险水平为阈值进行域预测输出,以中医慢性疲劳样本集为研究对象... 构建中医证素组合智能诊断模型需要特殊的域预测分类器而非传统的点预测分类器.引入一致性预测器(conformal predictor,CP),以算法随机性水平值为证素的重要性度量,以算法风险水平为阈值进行域预测输出,以中医慢性疲劳样本集为研究对象,随机森林(random forest,RF)等传统机器学习算法被嵌入到CP框架中计算样本奇异值.实验结果表明,CP-RF模型不仅拟合率比其他域预测分类器高,还对阈值具有很好的鲁棒性,克服了阈值对预测域的波动性,解决了中医多证素组合诊断关键的技术难题之一,同时CP-RF模型的预测域错误率能够被算法风险水平阈值所校准,表明其阈值具有明确的统计意义和可解释性,能够被中医医生所接受. 展开更多
关键词 一致性预测器 证素 中医 慢性疲劳
在线阅读 下载PDF
基于一致性预测器的卷烟牌号的鉴别研究
2
作者 李鑫鑫 丁香乾 张磊 《现代电子技术》 2012年第10期97-99,共3页
目前对于卷烟牌号的鉴别多应用一些传统分类算法,这些传统算法用于归纳一个通用规则的训练样本数据较少,造成分类模型的准确度较低,且预测结果没有置信度衡量,在高风险领域的应用不足。针对传统分类算法的局限性,提出了基于转导推理的... 目前对于卷烟牌号的鉴别多应用一些传统分类算法,这些传统算法用于归纳一个通用规则的训练样本数据较少,造成分类模型的准确度较低,且预测结果没有置信度衡量,在高风险领域的应用不足。针对传统分类算法的局限性,提出了基于转导推理的一致性预测算法。通过探索待测数据和样本序列之间的内在联系,运用Kolmogorov算法的随机性理论建立一种置信度机制,并应用随机性检测函数对置信度进行估算,这样可以很好地对烟叶和成品卷烟进行定性判别和分类。 展开更多
关键词 近红外 一致性预测器 卷烟 牌号鉴别
在线阅读 下载PDF
基于主动半监督深度学习的归纳一致性预测算法及其应用 被引量:2
3
作者 李国强 龚宁 《高技术通讯》 CAS 2021年第5期500-508,共9页
在图像分类中,图像标签的获取是昂贵的和费时的。为了减少标注成本,提出了一种主动半监督深度学习的归纳一致性预测算法(ICP-ASSDL),该算法使用一种新颖的奇异值度量来产生可靠的置信度。ICP-ASSDL用4个标准(信息质量、边缘抽样、多样... 在图像分类中,图像标签的获取是昂贵的和费时的。为了减少标注成本,提出了一种主动半监督深度学习的归纳一致性预测算法(ICP-ASSDL),该算法使用一种新颖的奇异值度量来产生可靠的置信度。ICP-ASSDL用4个标准(信息质量、边缘抽样、多样性和面向类别度量)从未标记池中选取实例来提高分类性能。面向类别度量采用蒙德里安一致性预测算法来减弱非平衡问题的影响。最后通过4个图像数据集(MNIST、FashionMNIST、SVHN和CIFAR10)进行了实验,实验结果表明,相对于其他方法,本文所提出的方法在只有少量标签样本的情况下,可以获得更高的分类精度。 展开更多
关键词 主动学习 半监督学习 图像分类 一致性预测器 深度学习
在线阅读 下载PDF
MLICP-CNN:基于CNN与ICP的多标记胸片置信诊断模型 被引量:2
4
作者 吴能光 王华珍 +3 位作者 许晓泓 刘俊龙 何霆 吴谨准 《计算机应用与软件》 北大核心 2019年第7期177-182,191,共7页
针对胸片的多标记预测集缺少可校准性的缺陷,提出一种基于卷积神经网络(Convolutional Neural Networks,CNN)与归纳一致性预测器(Inductive Conformal Prediction,ICP)的多标记胸片置信诊断模型MLICP-CNN。该模型将学习数据划分为训练... 针对胸片的多标记预测集缺少可校准性的缺陷,提出一种基于卷积神经网络(Convolutional Neural Networks,CNN)与归纳一致性预测器(Inductive Conformal Prediction,ICP)的多标记胸片置信诊断模型MLICP-CNN。该模型将学习数据划分为训练集和校准集,通过使用CNN从训练集中学习出规则D。基于规则D和校准集使用算法随机性对被测数据进行置信预测,即为每个被测数据提供附带置信度的多标记预测集。在对Chest X-ray14胸片数据集的实验结果表明,该模型在临床常用的95%置信度下,模型准确率为95%,体现了置信度评估的恰好可校准性。在CNN架构为Resenet50并采用LS-MLICP为奇异值映射函数下,模型性能最好,其确定预测率为96.43%,理想预测率为92.31%。另外,CNN架构对预测效率的影响程度远远小于奇异值映射函数。 展开更多
关键词 多标记学习 归纳一致性预测器 卷积神经网络 X线胸片诊断 置信预测
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部