中国优秀射箭运动员紧张情绪的可视化特征研究 被引量：4

1

作者 梁建桃 王霆 何洋 《西安体育学院学报》 北大核心 2006年第6期123-126,共4页

通过应用脑电图(EEG)与脑象图(EEQG)技术,对我国部分优秀射箭运动员进行多次、多状态的跟踪采集与分析。结果发现,运动员惊的动力学特征是脑波运动不断地向外周扩张、离散,重症者可无规则地游荡到视界之外,此归类为逃逸型,逃逸型多见于... 通过应用脑电图(EEG)与脑象图(EEQG)技术,对我国部分优秀射箭运动员进行多次、多状态的跟踪采集与分析。结果发现,运动员惊的动力学特征是脑波运动不断地向外周扩张、离散,重症者可无规则地游荡到视界之外,此归类为逃逸型,逃逸型多见于临场惊慌失措、神不守舍的运动员身上;运动员恐的动力学特征是脑波运动不断向中心退缩集结,有秩序地闭郁在一条狭窄的脑区内,此归类为缩结型,缩结型多见于临场心理压力过大和成就动机过强的运动员身上。研究认为,脑电图与脑象图的应用对优秀射箭运动员的选材具有重要价值。 展开更多

关键词 射箭运动员 紧张情绪 生物信息采集 可视化特征

在线阅读 下载PDF 职称材料

基于特征可视化探究跳跃连接结构对深度神经网络特征提取的影响

2

作者 郭佩林 张德 王怀秀 《计算机工程》 北大核心 2025年第4期149-157,共9页

由于没有跳跃连接结构的深度神经网络在超过一定深度后难以训练,因此现有的深度神经网络模型大都采用跳跃连接结构来解决优化问题并提高泛化性能。然而,人们对于跳跃连接结构如何影响深度神经网络特征提取的研究还较少,在大多数情况下,... 由于没有跳跃连接结构的深度神经网络在超过一定深度后难以训练,因此现有的深度神经网络模型大都采用跳跃连接结构来解决优化问题并提高泛化性能。然而,人们对于跳跃连接结构如何影响深度神经网络特征提取的研究还较少,在大多数情况下,这些模型仍然被认为是黑盒。为了分析跳跃连接结构对深度神经网络特征提取的影响,从特征可视化的角度,以基于扰动的方法为切入点,提出一种在保持图像总体颜色分布和轮廓特征基本不变的前提下弱化图像细节特征的扰动方法,并将其命名为网格乱序模糊(GSB)方法。同时,研究结合特征可视化中的激活最大化(AM)方法和所提出的GSB扰动方法,分析了拥有不同程度跳跃连接结构的经典图像分类深度神经网络模型VGG 19, ResNet 50和DenseNet 201。实验结果表明,没有跳跃连接结构的深度神经网络只提取了图像中较强的特征,提取的特征数量比较少,而拥有跳跃连接结构的深度神经网络提取了图像中更多的特征,但是这些特征相对较弱;跳跃连接结构使模型更关注图像的局部颜色分布和全局总体轮廓,而不过多依赖图像细节特征,并且跳跃连接结构越密集,这种趋势越强。 展开更多

关键词 深度神经网络 跳跃连接结构 特征可视化 激活最大化 扰动方法 可解释性

在线阅读 下载PDF 职称材料

四面体网格化的粒子数据特征可视化 被引量：1

3

作者 李观 单桂华 +1 位作者 高阳 刘俊 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2017年第1期1-7,共7页

天文粒子数据的可视化对科学家研究宇宙的结构和演化的过程有非常大的帮助,特别是借助于时序可视化可以表现复杂的结构特征,是其他方法无法达到的.文中分析了现有的粒子绘制方式,提出了一种优化的四面体网格粒子绘制算法.算法在数据处... 天文粒子数据的可视化对科学家研究宇宙的结构和演化的过程有非常大的帮助,特别是借助于时序可视化可以表现复杂的结构特征,是其他方法无法达到的.文中分析了现有的粒子绘制方式,提出了一种优化的四面体网格粒子绘制算法.算法在数据处理阶段,按粒子编号切分成N个数据片,同时计算不同时刻同一粒子运动状态标记量;在组建四面体阶段,根据周期性边界条件和粒子的运动状态,将粒子数据组成四面体网格;保持不同时刻四面体的组成粒子不变,然后对这些四面体进行投影和绘制.文中算法内存占用小并且适合并行化处理.通过实验,将可视化结果与粒子投影的绘制算法对比,证明文中算法在展现宇宙的结构特征上有很大的优势,并且使宇宙的纤维结构更加连贯完整. 展开更多

关键词 大规模粒子数据 特征可视化 四面体网格 暗物质可视化

在线阅读 下载PDF 职称材料

基于特征可视化分析深度神经网络的内部表征 被引量：3

4

作者 尚骏远 杨乐涵 何琨 《计算机科学》 CSCD 北大核心 2020年第5期190-197,共8页

基于可视化的方式理解深度神经网络能直观地揭示其工作机理,即提供了黑盒模型做出决策的解释,在医疗诊断、自动驾驶等领域尤其重要。大部分现有工作均基于激活值最大化框架,即选定待观测神经元,通过优化输入值(如隐藏层特征图谱、原始图... 基于可视化的方式理解深度神经网络能直观地揭示其工作机理,即提供了黑盒模型做出决策的解释,在医疗诊断、自动驾驶等领域尤其重要。大部分现有工作均基于激活值最大化框架,即选定待观测神经元,通过优化输入值(如隐藏层特征图谱、原始图片),定性地将待观测神经元产生最大激活值时输入值的改变作为一种解释。然而,这种方法缺乏对深度神经网络深入的定量分析。文中提出了结构可视化和基于规则可视化两种可视化的元方法。结构可视化从浅至深依层可视化,发现浅层神经元具有一般性的全局特征,而深层神经元更针对细节特征。基于规则可视化包括交集与差集规则,可以帮助发现共享神经元与抑制神经元的存在,它们分别学习了不同类别的共有特征与抑制不相关的特征。实验针对代表性卷积网络VGG和残差网络ResNet在ImageNet和微软COCO数据集上进行了分析。通过量化分析发现,ResNet和VGG均有很高的稀疏性,通过屏蔽一些低激活值的“噪音”神经元,发现其对深度神经网络分类准确率均没有影响,甚至有一定程度的提高作用。文中通过可视化和量化分析深度神经网络的隐藏层特征,揭示其内部特征表达,从而为高性能深度神经网络的设计提供指导和借鉴。 展开更多

关键词 深度神经网络 特征可视化 内部表征 共用神经元 抑制神经元

在线阅读 下载PDF 职称材料

基于深度学习与特征可视化方法的草地贪夜蛾及其近缘种成虫识别 被引量：9

5

作者 魏靖 王玉亭 +2 位作者 袁会珠 张梦蕾 王振营 《智慧农业（中英文）》 2020年第3期75-85,共11页

草地贪夜蛾是对粮食安全具有巨大威胁的害虫,早发现、早防治对虫情控制具有重要意义。目前,利用深度学习方法进行草地贪夜蛾及其近缘种成虫识别的相关研究存在数据量严重偏小的情况,有可能造成模型未能真正学习到草地贪夜蛾及其近缘种... 草地贪夜蛾是对粮食安全具有巨大威胁的害虫,早发现、早防治对虫情控制具有重要意义。目前,利用深度学习方法进行草地贪夜蛾及其近缘种成虫识别的相关研究存在数据量严重偏小的情况,有可能造成模型未能真正学习到草地贪夜蛾及其近缘种成虫的环形纹、肾形纹等关键视觉特征。针对上述问题,本研究在建立包含草地贪夜蛾在内的7种夜蛾科成虫,10,177幅图像组成的数据库基础上,采用迁移学习方式建立了VGG-16、ResNet-50和DenseNet-121,3种夜蛾成虫识别深度学习模型,并用相同的测试集测试了所有模型。结果表明,构建的模型识别准确率均超过了98%。此外,本研究用特征可视化技术展现了模型习得的特征,并验证了这些特征和专家进行人工识别的关键视觉特征的一致性——ResNet-50和DenseNet-121的平均特征识别率在85%左右,进一步支持了用深度学习进行草地贪夜蛾成虫实时识别的可行性。研究发现,不同模型对夜蛾科成虫视觉特征的学习能力不一样,在评价模型时不能仅看识别率,还需要加入视觉特征识别率指标对模型的学习内容进行评价。本研究通过试验证明可视化分析可以直观认识模型的特征学习情况,可为行业内或其他领域的研究人员提供参考。 展开更多

关键词 草地贪夜蛾 夜蛾 成虫识别 深度学习 视觉特征 特征可视化 迁移学习

在线阅读 下载PDF 职称材料

流场特征可视化技术研究与实现

6

作者 孙日辉 黄毓瑜 董海涛 《工程图学学报》 CSCD 2001年第4期47-52,共6页

流场是可视化的一个重要应用领域,面对流场中庞大的数据集,特征可视化成为一个活跃的研究方向。本文总结了流场特征可视化的几种方法,并对计算流体动力学CFD提供的数据集实现了有效的特征结构——3D激波的可视化。

关键词 特征识别 矢量场 激波 计算流体动力学 数据集 特征可视化 流场

在线阅读 下载PDF 职称材料

有界区域流场拓扑Voronoi图可视化 被引量：1

7

作者 徐华勋 马千里 +1 位作者 蔡勋 李思昆 《计算机研究与发展》 EI CSCD 北大核心 2011年第4期666-674,共9页

特征可视化能揭示流场的拓扑结构,是流场可视化的重要手段之一.传统特征可视化侧重于描述流场中各临界点间的拓扑关系,而较少重视各特征的区域范围.作为特征的重要属性,合理定义描述特征的有效影响范围,对于研究流场特征性质及其变化非... 特征可视化能揭示流场的拓扑结构,是流场可视化的重要手段之一.传统特征可视化侧重于描述流场中各临界点间的拓扑关系,而较少重视各特征的区域范围.作为特征的重要属性,合理定义描述特征的有效影响范围,对于研究流场特征性质及其变化非常重要.为此,分析了平面流场拓扑特征,定义了流场典型特征的有效区域范围,提出了一种描述流场性质及变化的新方法——拓扑Voronoi图.该方法借鉴了传统Voronoi图区域分割的思想,针对流场矢量性特点引入了流线距离概念.然后在此基础上,与临界点方法相结合,量化给出了流场内各临界点的特征区域范围.设计了有效的拓扑Voronoi图生成算法.实验数据与合成数据测试表明:该方法能有效描述流场特征结构,对分析流场性质变化具有重要的意义. 展开更多

关键词 流场 拓扑图 拓扑Voronoi图 特征可视化 特征提取

在线阅读 下载PDF 职称材料

东巴轮廓型字素可视化部件提取算法研究

8

作者 康厚良 杨玉婷 《计算机应用与软件》 北大核心 2023年第2期197-205,共9页

东巴文是一种十分原始的图画象形文字,提取东巴基本字素的可视化部件对于设计高效的东巴字识别算法,研究东巴字的结构、笔画、偏旁部首等有着非常重要的意义。因此,以部件表示法为理论基础,结合文字的可视化特征及东巴字特征曲线提取及... 东巴文是一种十分原始的图画象形文字,提取东巴基本字素的可视化部件对于设计高效的东巴字识别算法,研究东巴字的结构、笔画、偏旁部首等有着非常重要的意义。因此,以部件表示法为理论基础,结合文字的可视化特征及东巴字特征曲线提取及简化算法给出了适用于东巴轮廓型字素的可视化部件提取算法,该算法简单、直观、易于实现,不仅解决了两类东巴基本字素在整体和局部上的一致性表示问题,还可以有效提高文字识别算法的健壮性和精确度。准确性、健壮性和对比性实验表明,该算法准确性高、健壮性好,具有良好的尺度、平移和旋转不变性。 展开更多

关键词 东巴文字 轮廓型字素 可视化特征 局部特征曲线 部件提取

在线阅读 下载PDF 职称材料

基于卷积神经网络的高层建筑智能控制算法研究 被引量：1

9

作者 刘康生 涂建维 +1 位作者 张家瑞 李召 《重庆大学学报》 北大核心 2025年第1期66-75,共10页

浅层学习神经网络对高维数据进行预测时,会出现预测精度低,泛化能力差等问题。为此,在一维卷积神经网络(one-dimensional convolutional neural networks,1D-CNN)和Deep Dream视觉算法的基础上,提出一种基于CNN深度学习网络的高层建筑... 浅层学习神经网络对高维数据进行预测时,会出现预测精度低,泛化能力差等问题。为此,在一维卷积神经网络(one-dimensional convolutional neural networks,1D-CNN)和Deep Dream视觉算法的基础上,提出一种基于CNN深度学习网络的高层建筑智能控制算法,并完成高精度网络模型训练和1D-CNN数据特征可视化;以20层benchmark模型为对象,研究了不同工况下1D-CNN深度学习智能控制算法的减震效果,并与BP(back propagation,BP)和RBF(radial basis function,RBF)等浅层学习进行对比。结果表明,1D-CNN凭借一维卷积和池化特性,可自动提取数据深层次特征并对海量数据进行降维处理;在外界激励作用下,1D-CNN控制器加速度和位移最高减震率分别为69.0%和55.6%,控制性能远高于BP和RBF;改变激励作用后,3种控制器控制性能均有所降低,但1D-CNN性能降幅最小且减震率最高,说明1D-CNN具备更好的泛化性能。 展开更多

关键词 深度学习 一维卷积神经网络 智能控制 数据特征可视化 泛化性能

在线阅读 下载PDF 职称材料

复杂流场特征区域模糊描述与提取方法 被引量：4

10

作者 徐华勋 李思昆 +1 位作者 马千里 蔡勋 《软件学报》 EI CSCD 北大核心 2011年第8期1960-1972,共13页

引入模糊理论对流场特征的描述,提出了一种流场特征区域描述与提取算法.通过采用模糊理论对流场特征区域进行描述,从基本属性Φ、衍生属性?、关联属性Π这3个层次建立了测度规则,然后对各规则分析建立了相应的特征向量,并基于特征向量... 引入模糊理论对流场特征的描述,提出了一种流场特征区域描述与提取算法.通过采用模糊理论对流场特征区域进行描述,从基本属性Φ、衍生属性?、关联属性Π这3个层次建立了测度规则,然后对各规则分析建立了相应的特征向量,并基于特征向量偏差给出了模糊测度隶属度的确定方法.理论分析表明,该描述与提取算法在最小平方和准则下是对流场区域的最优模糊划分,并具有良好的划分性质.实验结果表明,与传统的提取方法相比,该方法能够更准确地提取各种流场的典型特征区域,既可以有效地支持流场特征强度变化的定量分析,又易于设计转换函数,从而有效地解决3D流场可视化存在的遮挡和混淆问题. 展开更多

关键词 流场 特征可视化 特征结构 模糊理论

在线阅读 下载PDF 职称材料

基于特征金字塔卷积循环神经网络的故障诊断方法 被引量：14

11

作者 刘秀丽 徐小力 《上海交通大学学报》 EI CAS CSCD 北大核心 2022年第2期182-190,共9页

变工况、变载荷设备部件不同故障的特征在信号中所占比例和位置不固定,且包括大量不同场景下的原始振动信号的多尺度复杂性.对此,提出一种基于特征金字塔网络(FPN)的卷积循环神经网络(CRNN)滚动轴承故障诊断方法.利用卷积神经网络(CNN)... 变工况、变载荷设备部件不同故障的特征在信号中所占比例和位置不固定,且包括大量不同场景下的原始振动信号的多尺度复杂性.对此,提出一种基于特征金字塔网络(FPN)的卷积循环神经网络(CRNN)滚动轴承故障诊断方法.利用卷积神经网络(CNN)框架,并联CNN的卷积层和循环神经网络(RNN)中的长短时记忆(LSTM)层,形成新的CRNN,以充分利用CNN对空间域信息和RNN对时域信息的学习能力;在每一层中权值共享,减少网络参数;利用FPN构建全新特征图,输入一维信号和堆叠后形成的二维信号,对传感器采集的信号进行特征提取,实现故障诊断.利用行星齿轮箱进行故障试验,并进行5折交叉验证,该方法的诊断准确率平均值为99.20%,比基本神经网络模型至少高3.62%,表明该方法诊断精度高、鲁棒性强;利用凯斯西储大学轴承数据集进行验证,证明该方法具有良好的泛用性;利用t-SNE方法对模型的特征学习效果进行可视化分析,结果表明不同故障类别特征具有良好的聚类效果. 展开更多

关键词 卷积循环神经网络 特征金字塔 故障诊断 特征可视化

在线阅读 下载PDF 职称材料

流体的旋涡特征提取方法综述 被引量：9

12

作者 邵绪强 刘艺林 +1 位作者 杨艳 林丽娜 《图学学报》 CSCD 北大核心 2020年第5期687-701,共15页

近年来,流体可视化已成为计算机图形学领域的一个研究热点,其最重要的目的之一是旋涡特征的提取与可视化。由于目前仍未有一个通用的定义描述旋涡,导致文献对旋涡是否存在的判断依据各不相同。为了对流体的旋涡特征提取方法进行较为系... 近年来,流体可视化已成为计算机图形学领域的一个研究热点,其最重要的目的之一是旋涡特征的提取与可视化。由于目前仍未有一个通用的定义描述旋涡,导致文献对旋涡是否存在的判断依据各不相同。为了对流体的旋涡特征提取方法进行较为系统的综述,首先对旋涡提取研究方向的相关概念进行解释,回顾流体旋涡特征提取方法的发展情况再进行总结,将常用的旋涡提取方法分为基于点、线、几何和基于机器学习的方法。对于新近提出的参考系不变性,将旋涡提取方法分为伽利略不变性、旋转不变性和拉格朗日不变性。为了比较不同方法的优势和缺陷,在综述每一类方法时分别给出若干经典方法,为研究者提供了一个清晰的研究思路。最后总结每类方法存在的难点和问题,并指出今后的研究重点。 展开更多

关键词 旋涡提取方法 特征可视化 参考系不变性 流体特征 涡核

在线阅读 下载PDF 职称材料

基于CEEMDAN与改进一维多尺度卷积神经网络结合的滚动轴承故障诊断

13

作者 马宁 赵荣珍 郑玉巧 《兰州理工大学学报》 北大核心 2025年第1期45-54,共10页

针对滚动轴承信号微弱故障特征提取困难、故障诊断依靠大量专家经验和故障识别率低等问题,提出了融合自适应噪声完备集合经验模态分解与改进一维多尺度卷积神经网络的滚动轴承故障诊断方法.首先,采用自适应噪声完备集合经验模态分解对... 针对滚动轴承信号微弱故障特征提取困难、故障诊断依靠大量专家经验和故障识别率低等问题,提出了融合自适应噪声完备集合经验模态分解与改进一维多尺度卷积神经网络的滚动轴承故障诊断方法.首先,采用自适应噪声完备集合经验模态分解对轴承信号进行消噪处理,并利用皮尔逊相关系数法对所得IMF分量进行信号重构;其次,在网络首层将大尺寸卷积核与空洞卷积结合,并引入金字塔场景解析网络提出改进的一维多尺度卷积神经网络,对故障特征信息进行提取,采用PSO算法对卷积核进行参数寻优;最后,融合多尺度特征信息完成网络学习,并输入Sofmax分类器,实现滚动轴承故障诊断.采用西储大学轴承数据集和HZXT-DS-001型双跨综合故障模拟实验台的滚动轴承故障数据进行了验证.结果表明,相比传统故障诊断方法该方法可以得到良好的诊断结果. 展开更多

关键词 自适应噪声完备集合经验模态分解 一维卷积神经网络 多尺度特征提取 特征可视化 故障诊断

在线阅读 下载PDF 职称材料

基于无人机航拍的河道施工水污染图像智能识别与定位

14

作者 侯建刚 马子茹 +2 位作者 刘东海 邵琦 陈俊杰 《水利水电技术(中英文)》 北大核心 2025年第S1期67-75,共9页

小流域河道整治中施工废水等会给河道水体带来污染,且工区往往沿长线性河道呈点状分布形态,交通不便,人工巡检难以保证施工水污染管控的时效性。目前通常采用智能巡检手段对水面漂浮物进行图像识别,但对于污水、水华等水污染的识别仍存... 小流域河道整治中施工废水等会给河道水体带来污染,且工区往往沿长线性河道呈点状分布形态,交通不便,人工巡检难以保证施工水污染管控的时效性。目前通常采用智能巡检手段对水面漂浮物进行图像识别,但对于污水、水华等水污染的识别仍存在困难。针对上述问题提出基于无人机航拍与深度学习的河道施工水污染异常图像智能识别与定位方法。利用无人机巡检采集工区航拍图像,基于SENet注意力机制优化的MBConv模块,建立了施工水污染图像的智能快速识别分类EfficientNet-B0模型,并利用迁移学习方法进行模型训练,可以使模型提取的污染相关特征指向性更强,提升模型的训练速度及精度;同时,基于Grad-CAM(Class Activation Mapping,类激活热力图)方法和全连接条件随机场(Conditional Random Fields, CRF)方法得到的污染区域特征图,可修正错分区域,实现更为精细的污染区域快速标记定位。实例应用表明,水污染图像分类准确率可达98%,追踪标记评价指标ORI值可达96.91%。结果表明:研究成果能够为工程管理人员快速管控长线性河道整治工程的施工水污染提供了先进的技术手段。 展开更多

关键词 河道整治工程 施工水污染 图像识别 图像定位 无人机航拍 特征可视化

在线阅读 下载PDF 职称材料

虚拟现实环境中涡流特征的多通道感知技术研究

15

作者 鲍劲松 金烨 +3 位作者 孙鹏飞 韩正伟 马登哲 严隽琪 《系统仿真学报》 CAS CSCD 2001年第S2期564-567,569,共5页

科学计算可视化给工程师提供一个洞察产品性能的有效途径。然而传统的可视化技术几乎都在视觉上传递信息,多元显示、全局视角、交互等都约束了对产品更深一步的观察。本文提出了一种结合涡流特征提取、涡流基于特征的可视化、涡流特征... 科学计算可视化给工程师提供一个洞察产品性能的有效途径。然而传统的可视化技术几乎都在视觉上传递信息,多元显示、全局视角、交互等都约束了对产品更深一步的观察。本文提出了一种结合涡流特征提取、涡流基于特征的可视化、涡流特征的声音表达得多通道感知技术,对三维矢量场的多维数据更深一步探测。结合虚拟现实技术,提供用户栩栩如生、身临其境、高交互的多通道感知矢量场的环境。 展开更多

关键词 虚拟现实 科学计算可视化 涡流 基于特征的可视化 多通道 可听化 多元显示

在线阅读 下载PDF 职称材料

基于轻量化神经网络的公路监控场景天气识别研究

16

作者 符锌砂 曾彦杰 +3 位作者 马丽 胡弘毅 胡嘉诚 唐峰 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2022年第3期1-2,3,4,5,6,7,8,共8页

针对深层卷积神经网络模型参数量大、对硬件设备要求高而难以部署于边缘端的问题,本文结合高速公路监控图像这一应用场景,对基于轻量化神经网络的天气识别算法进行研究。首先对经典的轻量化神经网络模型MobileNet进行理论分析,由参数量... 针对深层卷积神经网络模型参数量大、对硬件设备要求高而难以部署于边缘端的问题,本文结合高速公路监控图像这一应用场景,对基于轻量化神经网络的天气识别算法进行研究。首先对经典的轻量化神经网络模型MobileNet进行理论分析,由参数量和计算次数的角度分析其深度可分离卷积与标准卷积操作的不同。同时,收集并标注基于公路监控图像的天气识别数据集。在此基础上,搭建并训练包含多个轻量化神经网络在内的模型进行对比实验,实验结果验证了MobileNet在识别精度、速度以及模型参数量等指标上的优势。此外,本文通过可视化算法t-SNE从类别响应分析和特征分布两个方面探讨MobileNet的特征表征能力以及特征的类间可分性和类内可聚性,其结果进一步支撑了上述分析。 展开更多

关键词 轻量化网络 天气识别 公路监控图像 特征分布可视化

在线阅读 下载PDF 职称材料

拓扑分析在海洋特征提取中的应用 被引量：4

17

作者 薛红娟 顾耀林 《计算机工程》 CAS CSCD 北大核心 2009年第3期263-265,281,共4页

针对庞大复杂的海洋数据流场,利用三维标量场的拓扑分析方法,对海洋目标水团进行提取,达到特征可视化的目的。结合Morse理论对流形构造Morse-Smale复形,实现区域内水团的自动划分,并通过删除复形上的一系列临界点对对初始水团进行合并... 针对庞大复杂的海洋数据流场,利用三维标量场的拓扑分析方法,对海洋目标水团进行提取,达到特征可视化的目的。结合Morse理论对流形构造Morse-Smale复形,实现区域内水团的自动划分,并通过删除复形上的一系列临界点对对初始水团进行合并处理。实验结果验证了该方法的可行性和高效性。 展开更多

关键词 三维标量场 MORSE理论 Morse—Smale复形 特征可视化

在线阅读 下载PDF 职称材料

行人再识别中的多尺度特征融合网络 被引量：2

18

作者 贾熹滨 鲁臣 +1 位作者 Siluyele Ntazana Mazimba Windi 《北京工业大学学报》 CAS CSCD 北大核心 2020年第7期788-794,共7页

针对行人再识别中待识别对象和目标对象的体态、衣服的颜色等外貌特征非常相似时,模型难以正确识别行人身份这一难点问题,提出了一个基于残差网络ResNet50改进的多尺度特征融合网络.通过利用最后一层特征协同多个中间层特征,采用顶层到... 针对行人再识别中待识别对象和目标对象的体态、衣服的颜色等外貌特征非常相似时,模型难以正确识别行人身份这一难点问题,提出了一个基于残差网络ResNet50改进的多尺度特征融合网络.通过利用最后一层特征协同多个中间层特征,采用顶层到下层递进式加和的特征层融合机制来提取行人图像特征,确保模型在总体特征表述基础上,提高对微小细节信息的表征能力.在3个主流的行人再识别公共数据集Market-1501、CUHK03(D)和DukeMTMC-reID上进行了实验,与2018年同类型的行人再识别网络DaRe相比,提出的方法比Market-1501数据集的Rank-1指标提升了2.82%,mAP指标提升了4.32%;比DukeMTMC-reID数据集的Rank-1指标提升了5.45%,mAP指标提升了6.4%.实验结果证明了所提出方法的有效性. 展开更多

关键词 行人再识别 多尺度特征融合 卷积神经网络 局部特征 特征可视化 细节信息

在线阅读 下载PDF 职称材料

基于语义特征向量的DNA与转录因子结合特异性预测

19

作者 孙晓雨 权丽君 +2 位作者 梅杰 黄立群 吕强 《计算机应用与软件》 北大核心 2022年第2期38-43,112,共7页

基因表达的生物系统受到DNA和转录因子(Transcription Factor,TF)相互作用的调控,但是对于DNA和TF的结合机制,人们仍然不够了解。为此,提出一个结合深度学习和SVC的模型预测TF与DNA序列结合特异性,并将这一方法命名为semanticSVC。在ENC... 基因表达的生物系统受到DNA和转录因子(Transcription Factor,TF)相互作用的调控,但是对于DNA和TF的结合机制,人们仍然不够了解。为此,提出一个结合深度学习和SVC的模型预测TF与DNA序列结合特异性,并将这一方法命名为semanticSVC。在ENCODE项目中的多个TF实验数据集的集合上进行深度学习模型训练,从而挖掘出跨越多个TF的全局语义特征。基于这些语义特征通过浅层学习模型SVC快速对目标任务构建预测模型,进行预测结果的可视化分析。与现有方法相比,该方法在预测结合特异性方面取得了更优的性能。 展开更多

关键词 DNA特异性 转录因子 深度学习 SVC t-SNE降维 特征向量可视化 单点突变

在线阅读 下载PDF 职称材料

基于特征对抗对的视觉特征归因网络研究

20

作者 张宪 史沧红 李孝杰 《计算机研究与发展》 EI CSCD 北大核心 2020年第3期604-615,共12页

可视化图像关键特征区域是计算机视觉一个重要而需要深入研究的问题.图像关键特征区域可视化的技术已经在弱监督定位和理解数据隐藏特征的领域中得到广泛应用.近年来,基于神经网络分类器的特征定位显示已成为最新的技术,并且通常用于医... 可视化图像关键特征区域是计算机视觉一个重要而需要深入研究的问题.图像关键特征区域可视化的技术已经在弱监督定位和理解数据隐藏特征的领域中得到广泛应用.近年来,基于神经网络分类器的特征定位显示已成为最新的技术,并且通常用于医学和自然图像数据集上.但存在特征定位显示不精确的缺陷.针对传统神经网络分类器在可视化图像关键特征区域标注方法上的局限性,提出了一种基于生成对抗对特征的关键特征区域可视化方法(即视觉特征归因方法).该方法通过构造关键特征区域对抗对,采用生成和鉴别对抗网络生成关键特征区域,可有效过滤冗余信息并实现精准定位,有效解决了疾病特征可视化问题.在该方法中,为了解决传统生成对抗网络难以达到负载均衡的缺陷,采用了Wasserstein距离解决协调其训练平衡的问题,同时使用梯度惩罚加速收敛过程.在人工合成数据集、肺部数据集和心脏数据集上的实验结果表明,提出的方法在视觉显示的定性和定量的问题中,均产生了理想的真实效果图,非常接近观察到的效果. 展开更多

关键词 生成对抗对 特征可视化 弱监督 Wasserstein生成对抗网络 梯度惩罚

在线阅读 下载PDF 职称材料