期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于低秩交叉重构的领域自适应算法
被引量：
2
1
作者
郭蔚颖
房小兆
+1 位作者
吴宝昌
滕少华
《江西师范大学学报（自然科学版）》
CAS
北大核心
2021年第4期390-397,共8页
为了解决现有领域在自适应方法中忽略了整个数据域内部结构的信息和源域与目标域之间的差异问题,提出了一种新的基于低秩交叉重构的领域自适应方法.通过对源域和目标域的交叉重构来构造新的源域与目标域,使得同类数据相互交织,缩短了同...
为了解决现有领域在自适应方法中忽略了整个数据域内部结构的信息和源域与目标域之间的差异问题,提出了一种新的基于低秩交叉重构的领域自适应方法.通过对源域和目标域的交叉重构来构造新的源域与目标域,使得同类数据相互交织,缩短了同类数据之间的距离;通过对重构矩阵施加低秩约束,将2个域的同类数据对齐,以此来充分挖掘源域和目标域同类数据之间的内在结构信息,并利用该结构信息来学习分类器,从而取得更好的跨域识别效果.在5个公开数据集上的实验结果表明:该方法具有较高的跨域识别准确率.
展开更多
关键词
领域自适应
交叉重构
低秩约束
跨域识别
在线阅读
下载PDF
职称材料
面向纠删码存储集群的节点并发重构
被引量：
1
2
作者
黄建忠
曹强
+1 位作者
黄思倜
谢长生
《计算机研究与发展》
EI
CSCD
北大核心
2016年第9期1918-1929,共12页
纠删码存储集群的一个关键设计目标是降低重构I/O所引起的网络流量,因为降低网络流量有助于缩短重构时间,进而提高可靠性.针对2个或多个失效节点并发重构这一研究话题,提出一种交叉式重构方案(interleaved reconstruction scheme,IRS)....
纠删码存储集群的一个关键设计目标是降低重构I/O所引起的网络流量,因为降低网络流量有助于缩短重构时间,进而提高可靠性.针对2个或多个失效节点并发重构这一研究话题,提出一种交叉式重构方案(interleaved reconstruction scheme,IRS).所有替换节点能协同、并行地重构所有失效分块.通过对现有集中式重构方案(centralized reconstruction scheme,CRec)和分散式重构方案(decentralizedreconstruction scheme,DRec)的I/O流进行分析,分析发现CRec中存储管理器和DRec中替换节点是重构性能的瓶颈.针对此,IRS从2个方面进行改进:1)替换节点充当重构节点进行并行式重构,消除CRec中管理器这一重构瓶颈;2)利用纠删码的编码结构特性,所有替换节点协同地重构所有失效分块,确保重构时只传输一次所需存活分块.在Reed-Solomon码存储集群上实现了上述3个重构方案,并用真实I/O trace进行对比测试.实验结果表明:当纠删码存储集群的编码参数为k=9和r=3时,IRS方案的双节点重构性能是其他2种重构方案的1.63倍;而3节点重构性能是其他2种重构方案的2.14倍.
展开更多
关键词
纠删编码
集群存储
存储可靠性
节点
重构
交叉
式
重构
在线阅读
下载PDF
职称材料
基于倒金字塔深度学习网络的三维医学图像分割
被引量：
6
3
作者
张相芬
刘艳
袁非牛
《计算机工程》
CAS
CSCD
北大核心
2022年第12期304-311,共8页
基于深度学习的医学图像分割对医学研究和临床疾病诊断具有重要意义。然而,现有三维脑图像分割网络仅依赖单一模态信息,且最后一层网络的特征表达不准确,导致分割精度降低。引入注意力机制,提出一种基于深度学习的多模态交叉重构的倒金...
基于深度学习的医学图像分割对医学研究和临床疾病诊断具有重要意义。然而,现有三维脑图像分割网络仅依赖单一模态信息,且最后一层网络的特征表达不准确,导致分割精度降低。引入注意力机制,提出一种基于深度学习的多模态交叉重构的倒金字塔网络MCRAIP-Net。以多模态磁共振图像作为输入,通过三个独立的编码器结构提取各模态的特征信息,并将提取的特征信息在同一分辨率级进行初步融合。利用双通道交叉重构注意力模块实现多模态特征的细化与融合。在此基础上,采用倒金字塔解码器对解码器各阶段不同分辨率的特征进行整合,完成脑组织的分割任务。在MRBrainS13和IBSR18数据集上的实验结果表明,相比3D U-Net、MMAN、SW-3DUnet等网络,MCRAIP-Net能够充分利用多模态图像的互补信息,获取更准确丰富的细节特征且具有较优的分割精度,白质、灰质、脑脊液的Dice系数分别达到91.67%、88.95%、84.79%。
展开更多
关键词
多模态融合
交叉重构
注意力
倒金字塔解码器
医学图像分割
深度学习
在线阅读
下载PDF
职称材料
题名
基于低秩交叉重构的领域自适应算法
被引量：
2
1
作者
郭蔚颖
房小兆
吴宝昌
滕少华
机构
广东工业大学计算机学院
广东工业大学自动化学院
广东金融学院公共管理学院
出处
《江西师范大学学报（自然科学版）》
CAS
北大核心
2021年第4期390-397,共8页
基金
国家自然科学基金(61772141,U1911401,61972102)
广东省科技计划(2019B020208001,2019B110210002)
+1 种基金
广东省重点领域研发计划(2019B010121001,2019B010118001,2019B010119001)
广州市科技计划(201903010107)资助项目。
文摘
为了解决现有领域在自适应方法中忽略了整个数据域内部结构的信息和源域与目标域之间的差异问题,提出了一种新的基于低秩交叉重构的领域自适应方法.通过对源域和目标域的交叉重构来构造新的源域与目标域,使得同类数据相互交织,缩短了同类数据之间的距离;通过对重构矩阵施加低秩约束,将2个域的同类数据对齐,以此来充分挖掘源域和目标域同类数据之间的内在结构信息,并利用该结构信息来学习分类器,从而取得更好的跨域识别效果.在5个公开数据集上的实验结果表明:该方法具有较高的跨域识别准确率.
关键词
领域自适应
交叉重构
低秩约束
跨域识别
Keywords
domain adaptation
cross reconstruction
low-rank constraint
cross-domain recognition
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
面向纠删码存储集群的节点并发重构
被引量：
1
2
作者
黄建忠
曹强
黄思倜
谢长生
机构
武汉光电国家实验室(华中科技大学)
出处
《计算机研究与发展》
EI
CSCD
北大核心
2016年第9期1918-1929,共12页
基金
国家自然科学基金项目(61572209)
国家"八六三"高技术研究发展计划基金项目(2013AA013203)
国家"九七三"重点基础研究发展计划基金项目(2011CB302303)~~
文摘
纠删码存储集群的一个关键设计目标是降低重构I/O所引起的网络流量,因为降低网络流量有助于缩短重构时间,进而提高可靠性.针对2个或多个失效节点并发重构这一研究话题,提出一种交叉式重构方案(interleaved reconstruction scheme,IRS).所有替换节点能协同、并行地重构所有失效分块.通过对现有集中式重构方案(centralized reconstruction scheme,CRec)和分散式重构方案(decentralizedreconstruction scheme,DRec)的I/O流进行分析,分析发现CRec中存储管理器和DRec中替换节点是重构性能的瓶颈.针对此,IRS从2个方面进行改进:1)替换节点充当重构节点进行并行式重构,消除CRec中管理器这一重构瓶颈;2)利用纠删码的编码结构特性,所有替换节点协同地重构所有失效分块,确保重构时只传输一次所需存活分块.在Reed-Solomon码存储集群上实现了上述3个重构方案,并用真实I/O trace进行对比测试.实验结果表明:当纠删码存储集群的编码参数为k=9和r=3时,IRS方案的双节点重构性能是其他2种重构方案的1.63倍;而3节点重构性能是其他2种重构方案的2.14倍.
关键词
纠删编码
集群存储
存储可靠性
节点
重构
交叉
式
重构
Keywords
erasure codes
clustered storage
storage reliability
node reconstruction
interleavedreconstruction
分类号
TP333 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
基于倒金字塔深度学习网络的三维医学图像分割
被引量：
6
3
作者
张相芬
刘艳
袁非牛
机构
上海师范大学信息与机电工程学院
出处
《计算机工程》
CAS
CSCD
北大核心
2022年第12期304-311,共8页
基金
国家自然科学基金(61862029,62171285)
上海师范大学普通研究基金(KF2021100)。
文摘
基于深度学习的医学图像分割对医学研究和临床疾病诊断具有重要意义。然而,现有三维脑图像分割网络仅依赖单一模态信息,且最后一层网络的特征表达不准确,导致分割精度降低。引入注意力机制,提出一种基于深度学习的多模态交叉重构的倒金字塔网络MCRAIP-Net。以多模态磁共振图像作为输入,通过三个独立的编码器结构提取各模态的特征信息,并将提取的特征信息在同一分辨率级进行初步融合。利用双通道交叉重构注意力模块实现多模态特征的细化与融合。在此基础上,采用倒金字塔解码器对解码器各阶段不同分辨率的特征进行整合,完成脑组织的分割任务。在MRBrainS13和IBSR18数据集上的实验结果表明,相比3D U-Net、MMAN、SW-3DUnet等网络,MCRAIP-Net能够充分利用多模态图像的互补信息,获取更准确丰富的细节特征且具有较优的分割精度,白质、灰质、脑脊液的Dice系数分别达到91.67%、88.95%、84.79%。
关键词
多模态融合
交叉重构
注意力
倒金字塔解码器
医学图像分割
深度学习
Keywords
multi-modality fusion
cross reconstruction attention
inverted pyramid decoder
medical image segmentation
deep learning
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于低秩交叉重构的领域自适应算法
郭蔚颖
房小兆
吴宝昌
滕少华
《江西师范大学学报（自然科学版）》
CAS
北大核心
2021
2
在线阅读
下载PDF
职称材料
2
面向纠删码存储集群的节点并发重构
黄建忠
曹强
黄思倜
谢长生
《计算机研究与发展》
EI
CSCD
北大核心
2016
1
在线阅读
下载PDF
职称材料
3
基于倒金字塔深度学习网络的三维医学图像分割
张相芬
刘艳
袁非牛
《计算机工程》
CAS
CSCD
北大核心
2022
6
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
