期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于增强关联规则的医学图像分类新方法 被引量:1
1
作者 蒋芸 李战怀 +1 位作者 王勇 张龙波 《西北工业大学学报》 EI CAS CSCD 北大核心 2006年第3期401-404,共4页
由于乳腺X光图像的复杂性,直接从图像中看出肿瘤及其良、恶性质是很困难的,因此建立高效的肿瘤自动诊断系统非常必要。文中将关联规则分类器和粗糙集理论相结合构造了增强关联规则分类器(EAC),应用于乳腺X光图像分类。实验结果表明,EAC... 由于乳腺X光图像的复杂性,直接从图像中看出肿瘤及其良、恶性质是很困难的,因此建立高效的肿瘤自动诊断系统非常必要。文中将关联规则分类器和粗糙集理论相结合构造了增强关联规则分类器(EAC),应用于乳腺X光图像分类。实验结果表明,EAC的分类精确度可达到77.48%,比单独使用关联规则的分类精确度(69.11%)要高近10%,同时规则数也明显减少。 展开更多
关键词 增强关联规则分类器 粗糙集理论 乳腺X光图像
在线阅读 下载PDF
剪枝与欠采样相结合的不平衡数据分类方法 被引量:4
2
作者 张健 方宏彬 《计算机应用研究》 CSCD 北大核心 2012年第3期847-848,共2页
通过剪枝技术与欠采样技术相结合来选择合适数据,以提高少数类分类精度,研究欠采样技术在不平衡数据集环境下的影响。结果表明,与直接欠采样算法相比,本文算法不仅在accuracy值上有所提高,更重要的是大大改善了g-means值,特别是对非平... 通过剪枝技术与欠采样技术相结合来选择合适数据,以提高少数类分类精度,研究欠采样技术在不平衡数据集环境下的影响。结果表明,与直接欠采样算法相比,本文算法不仅在accuracy值上有所提高,更重要的是大大改善了g-means值,特别是对非平衡率较大的数据集效果会更好。 展开更多
关键词 机器学习 不平衡数据集 剪枝技术 欠采样技术 交叉验证 合并分类器增强算法
在线阅读 下载PDF
基于双维度EKNN的滚动轴承早期故障分类算法 被引量:3
3
作者 彭成 贺婧 +2 位作者 唐朝晖 陈青 桂卫华 《计算机集成制造系统》 EI CSCD 北大核心 2021年第1期90-101,共12页
为提高对滚动轴承早期故障识别的精确度,提出一种基于混合特征提取的故障分类模型。该模型利用类内紧致性和类间重叠性识别出次优特征组,作为增强K近邻分类器(EKNN)的输入,并以距离和密度双维度计算,得到最大平均分类精确度,进而输出最... 为提高对滚动轴承早期故障识别的精确度,提出一种基于混合特征提取的故障分类模型。该模型利用类内紧致性和类间重叠性识别出次优特征组,作为增强K近邻分类器(EKNN)的输入,并以距离和密度双维度计算,得到最大平均分类精确度,进而输出最优早期故障特征组,对未知数据进行分类来检测故障。实验采集滚动轴承在低速运行下的早期故障声发射(AE)信号,对所提算法以及现有5种算法进行对比分析,验证了其对滚动轴承早期故障诊断具有更好的表现。 展开更多
关键词 声发射信号 增强K近邻分类器 滚动轴承 早期故障分类 故障诊断
在线阅读 下载PDF
基于改进Cascade RCNN的输电线路防振锤脱落检测方法 被引量:5
4
作者 阎光伟 刘润泽 +1 位作者 焦润海 何慧 《图学学报》 CSCD 北大核心 2023年第5期849-860,共12页
无人机巡检输电线路时,因拍摄角度和距离问题,容易出现被输电线遮挡和远距离拍摄的防振锤脱落目标,导致目标特征被遮挡且分辨率较低,且部分防振锤出现滑移现象,导致目标识别准确率降低。针对以上问题,提出一种基于改进Cascade RCNN的防... 无人机巡检输电线路时,因拍摄角度和距离问题,容易出现被输电线遮挡和远距离拍摄的防振锤脱落目标,导致目标特征被遮挡且分辨率较低,且部分防振锤出现滑移现象,导致目标识别准确率降低。针对以上问题,提出一种基于改进Cascade RCNN的防振锤脱落检测网络。第一,设计了对比学习网络,将正负样本与真实样本的特征进行对比学习,利用对比损失函数训练网络,使其能更加关注到被遮挡的防振锤脱落目标,提升其特征提取能力;第二,进行了分类器增强操作,筛选出网络级联结构中回归效果较好的感兴趣区域并送入最后的分类回归队列中,提高了分类器的分类能力,进而提升检测目标的分类分数;第三,设计了并行注意力机制模块,整合网络提取的特征,增大关键特征的权重,使网络关注到图像中更关键的区域;在特征金字塔中,将双线性插值方法代替为反卷积,提升特征还原能力。经交叉验证实验结果表明,改进后的模型召回率、精确率和平均精度达到了97.5%,91.0%和92.0%,相比基线模型分别提高了6.9%,28.4%和8.0%。 展开更多
关键词 输电线路 防振锤脱落 Cascade RCNN 对比学习网络 并行注意力模块 分类器增强 样本相似度
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部