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
结合SSFCM与随机游走的半监督图像分割算法
被引量：
2
1
作者
陈圣国
孙正兴
+1 位作者
周杰
李毅
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2013年第7期1074-1082,共9页
针对基于颜色特征空间的半监督聚类分割算法适合分割结果包含多个颜色特征相似目标的应用场合,但对高噪声图像却无法获得理想的分割结果,而基于随机游走理论的半监督图像分割算法需要用户对目标逐一进行标记的问题,提出一种半监督图像...
针对基于颜色特征空间的半监督聚类分割算法适合分割结果包含多个颜色特征相似目标的应用场合,但对高噪声图像却无法获得理想的分割结果,而基于随机游走理论的半监督图像分割算法需要用户对目标逐一进行标记的问题,提出一种半监督图像分割算法.首先根据用户标记采用半监督模糊C均值聚类(SSFCM)算法对图像颜色特征进行建模;然后引入一个确信度函数,并根据SSFCM算法得到的隶属度数据计算确信度函数值,再将像素分为2类,分别作为随机游走图像分割算法的已标记点和未标记点;最后采用随机游走算法完成最终的分割.实验结果表明,该算法对图像中的噪声具有良好的抑制作用,且无需用户对目标逐一进行标记.
展开更多
关键词
半
监督
图像分割
半监督模糊c均值
聚类
随机游走
在线阅读
下载PDF
职称材料
基于VMD散布熵与改进灰狼优化SVDD的轴承半监督故障诊断研究
被引量：
24
2
作者
付文龙
谭佳文
王凯
《振动与冲击》
EI
CSCD
北大核心
2019年第22期190-197,共8页
为充分挖掘未标记样本所蕴含的有效信息,进而提升诊断精度,研究提出一种基于变分模态分解(VMD)散布熵与改进灰狼优化支持向量数据描述(SVDD)的轴承半监督故障诊断方法。采用中心频率观察法确定VMD分解模态参数K,进而将原始信号分解为一...
为充分挖掘未标记样本所蕴含的有效信息,进而提升诊断精度,研究提出一种基于变分模态分解(VMD)散布熵与改进灰狼优化支持向量数据描述(SVDD)的轴承半监督故障诊断方法。采用中心频率观察法确定VMD分解模态参数K,进而将原始信号分解为一系列本征模态函数并计算各分量的散布熵值,构成测试样本和部分标记的训练样本;再由半监督模糊C均值(SSFCM)聚类对训练样本进行聚类分析,从而对所得聚类簇进行SVDD建模,同时采用k近邻准则进行决策优化,并由所提自适应变异灰狼算法优化SVDD模型参数;将基于最优参数训练的改进决策SVDD模型用于测试样本的故障模式识别。试验分析和对比结果表明,所提方法具有较好的诊断性能。
展开更多
关键词
变分模态分解
散布熵
支持向量数据描述
自适应变异灰狼算法
半监督模糊c均值
故障诊断
在线阅读
下载PDF
职称材料
基于改进深度卷积对抗生成网络的肺结节良恶性分类
被引量：
4
3
作者
李莉
张浩洋
乔璐
《计算机工程》
CAS
CSCD
北大核心
2020年第12期262-269,共8页
为提高肺结节良恶性识别的准确率,构建改进深度卷积对抗生成网络(DCGAN)框架与半监督模糊C均值(FCM)聚类结合的SFDG肺结节良恶性识别模型。将带有良恶性等级标签的肺结节图像输入到DCGAN框架,使得只有来源分类能力的判别器网络同时具备...
为提高肺结节良恶性识别的准确率,构建改进深度卷积对抗生成网络(DCGAN)框架与半监督模糊C均值(FCM)聚类结合的SFDG肺结节良恶性识别模型。将带有良恶性等级标签的肺结节图像输入到DCGAN框架,使得只有来源分类能力的判别器网络同时具备肺结节等级分类能力。在判别过程中运用半监督FCM聚类方法,对输入肺结节图像进行特征提取和量化,将输出的当前图像所属类别概率及判别结果与真实结果进行比较来调整网络参数。通过设定加权损失函数最大概率提高模型识别准确率,训练得出具有良好鲁棒性的网络模型。实验结果表明,改进模型的判别器网络具有良好的肺结节良恶性分类能力,准确率高达90.96%。
展开更多
关键词
良恶性分类
卷积神经网络
特征量化
深度卷积对抗生成网络
半监督模糊c均值
方法
在线阅读
下载PDF
职称材料
题名
结合SSFCM与随机游走的半监督图像分割算法
被引量：
2
1
作者
陈圣国
孙正兴
周杰
李毅
机构
南京大学计算机软件新技术国家重点实验室
金陵科技学院信息技术学院
出处
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2013年第7期1074-1082,共9页
基金
国家自然科学基金(61272219
61100110
+4 种基金
61021062)
国家"八六三"高技术研究发展计划(2007AA01Z334)
江苏省科技支持计划(BY2012190
BE2011058
2010072)
文摘
针对基于颜色特征空间的半监督聚类分割算法适合分割结果包含多个颜色特征相似目标的应用场合,但对高噪声图像却无法获得理想的分割结果,而基于随机游走理论的半监督图像分割算法需要用户对目标逐一进行标记的问题,提出一种半监督图像分割算法.首先根据用户标记采用半监督模糊C均值聚类(SSFCM)算法对图像颜色特征进行建模;然后引入一个确信度函数,并根据SSFCM算法得到的隶属度数据计算确信度函数值,再将像素分为2类,分别作为随机游走图像分割算法的已标记点和未标记点;最后采用随机游走算法完成最终的分割.实验结果表明,该算法对图像中的噪声具有良好的抑制作用,且无需用户对目标逐一进行标记.
关键词
半
监督
图像分割
半监督模糊c均值
聚类
随机游走
Keywords
semi-supervised image segmentation
semi-supervised fuzzy
c
-means
c
lustering （SSF
c
M）
random walks
分类号
TP391.7 [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
基于VMD散布熵与改进灰狼优化SVDD的轴承半监督故障诊断研究
被引量：
24
2
作者
付文龙
谭佳文
王凯
机构
三峡大学电气与新能源学院
三峡大学梯级水电站运行与控制湖北省重点实验室
出处
《振动与冲击》
EI
CSCD
北大核心
2019年第22期190-197,共8页
基金
国家自然科学基金(51741907)
梯级水电站运行与控制湖北省重点实验室开放基金(2017KJX06)
三峡大学学位论文培优基金(2019SSPY070)
文摘
为充分挖掘未标记样本所蕴含的有效信息,进而提升诊断精度,研究提出一种基于变分模态分解(VMD)散布熵与改进灰狼优化支持向量数据描述(SVDD)的轴承半监督故障诊断方法。采用中心频率观察法确定VMD分解模态参数K,进而将原始信号分解为一系列本征模态函数并计算各分量的散布熵值,构成测试样本和部分标记的训练样本;再由半监督模糊C均值(SSFCM)聚类对训练样本进行聚类分析,从而对所得聚类簇进行SVDD建模,同时采用k近邻准则进行决策优化,并由所提自适应变异灰狼算法优化SVDD模型参数;将基于最优参数训练的改进决策SVDD模型用于测试样本的故障模式识别。试验分析和对比结果表明,所提方法具有较好的诊断性能。
关键词
变分模态分解
散布熵
支持向量数据描述
自适应变异灰狼算法
半监督模糊c均值
故障诊断
Keywords
variational mode de
c
omposition
dispersion entropy
support ve
c
tor data des
c
ription
adaptive mutation grey wolf optimizer
semi-supervised fuzzy
c
means
c
lustering
fault diagnosis
分类号
TN911.7 [电子电信—通信与信息系统]
TP206.3 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
基于改进深度卷积对抗生成网络的肺结节良恶性分类
被引量：
4
3
作者
李莉
张浩洋
乔璐
机构
东北林业大学软件工程系
出处
《计算机工程》
CAS
CSCD
北大核心
2020年第12期262-269,共8页
基金
国家自然科学基金青年科学基金项目“基于高通量测序数据的启动子模式识别及调控功能研究”(61601110)。
文摘
为提高肺结节良恶性识别的准确率,构建改进深度卷积对抗生成网络(DCGAN)框架与半监督模糊C均值(FCM)聚类结合的SFDG肺结节良恶性识别模型。将带有良恶性等级标签的肺结节图像输入到DCGAN框架,使得只有来源分类能力的判别器网络同时具备肺结节等级分类能力。在判别过程中运用半监督FCM聚类方法,对输入肺结节图像进行特征提取和量化,将输出的当前图像所属类别概率及判别结果与真实结果进行比较来调整网络参数。通过设定加权损失函数最大概率提高模型识别准确率,训练得出具有良好鲁棒性的网络模型。实验结果表明,改进模型的判别器网络具有良好的肺结节良恶性分类能力,准确率高达90.96%。
关键词
良恶性分类
卷积神经网络
特征量化
深度卷积对抗生成网络
半监督模糊c均值
方法
Keywords
benign and malignant
c
lassifi
c
ation
c
onvolutional Neural Network(
c
NN)
feature quantization
Deep
c
onvolutional Generative Adversarial Network(D
c
GAN)
semi-supervised Fuzzy
c
Means(F
c
M)method
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
作者
出处
发文年
被引量
操作
1
结合SSFCM与随机游走的半监督图像分割算法
陈圣国
孙正兴
周杰
李毅
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2013
2
在线阅读
下载PDF
职称材料
2
基于VMD散布熵与改进灰狼优化SVDD的轴承半监督故障诊断研究
付文龙
谭佳文
王凯
《振动与冲击》
EI
CSCD
北大核心
2019
24
在线阅读
下载PDF
职称材料
3
基于改进深度卷积对抗生成网络的肺结节良恶性分类
李莉
张浩洋
乔璐
《计算机工程》
CAS
CSCD
北大核心
2020
4
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
