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
2
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
台湾海峡西部海域表层沉积物中硅藻和硅鞭毛藻的分布
被引量：
6
1
作者
蓝东兆
《应用海洋学学报》
CSCD
1989年第4期38-44,共7页
本文根据61个站位资料分析,首次报道了该区硅藻和硅鞭毛藻的数量与优势种分布、4个组合分区,并探讨了硅藻的丰度与环境因子的关系。
关键词
环境因子
威氏双壁
藻
具槽直链
藻
小等刺硅鞭藻
洛氏圆筛
藻
表层沉积物
条纹小环
藻
金德祥
琴式菱形
藻
桥弯
藻
属
在线阅读
下载PDF
职称材料
基于深度学习VGG网络模型的海洋单细胞藻类识别算法
被引量：
9
2
作者
王羽徵
程远
+2 位作者
毕海
于秋玉
刘丹
《大连海洋大学学报》
CAS
CSCD
北大核心
2021年第2期334-339,共6页
为更好地对海洋中单细胞藻类进行有效识别,本研究提出了基于改进式VGG16网络模型的单细胞藻类识别算法—AlgaeNet,在传统VGG网络模型基础上,通过减少卷积核数量,并添加BatchNormalization层进行神经网络模型加速。结果表明:在相同试验...
为更好地对海洋中单细胞藻类进行有效识别,本研究提出了基于改进式VGG16网络模型的单细胞藻类识别算法—AlgaeNet,在传统VGG网络模型基础上,通过减少卷积核数量,并添加BatchNormalization层进行神经网络模型加速。结果表明:在相同试验条件下,本研究中提出的AlgaeNet算法在训练过程中的损失值收敛速度及对测试集样本(卵形小球藻Chlorella ovalis与小等刺硅鞭藻Dictyocha fibula Ehrenberg)的预测准确率上升速度较传统VGG、AlexNet网络模型优势明显,识别准确率可达99.317%。研究表明,基于改进式VGG16网络模型的单细胞藻类识别算法AlgaeNet在单细胞藻类识别领域具有较好的分类识别性能,可实现海洋中藻类的准确识别。
展开更多
关键词
卵形小球
藻
小等刺硅鞭藻
VGG
深度学习
识别
在线阅读
下载PDF
职称材料
题名
台湾海峡西部海域表层沉积物中硅藻和硅鞭毛藻的分布
被引量：
6
1
作者
蓝东兆
机构
国家海洋局第三海洋研究所
出处
《应用海洋学学报》
CSCD
1989年第4期38-44,共7页
基金
福建省自然科学基金
文摘
本文根据61个站位资料分析,首次报道了该区硅藻和硅鞭毛藻的数量与优势种分布、4个组合分区,并探讨了硅藻的丰度与环境因子的关系。
关键词
环境因子
威氏双壁
藻
具槽直链
藻
小等刺硅鞭藻
洛氏圆筛
藻
表层沉积物
条纹小环
藻
金德祥
琴式菱形
藻
桥弯
藻
属
分类号
P7 [天文地球—海洋科学]
在线阅读
下载PDF
职称材料
题名
基于深度学习VGG网络模型的海洋单细胞藻类识别算法
被引量：
9
2
作者
王羽徵
程远
毕海
于秋玉
刘丹
机构
大连海洋大学信息工程学院
近海(大连)生态发展有限公司
智慧视通大连研究院
出处
《大连海洋大学学报》
CAS
CSCD
北大核心
2021年第2期334-339,共6页
基金
辽宁省自然科学基金(20180550573)
辽宁省博士科研启动基金(2019-BS-031)
辽宁省教育厅科研项目(JL201918)。
文摘
为更好地对海洋中单细胞藻类进行有效识别,本研究提出了基于改进式VGG16网络模型的单细胞藻类识别算法—AlgaeNet,在传统VGG网络模型基础上,通过减少卷积核数量,并添加BatchNormalization层进行神经网络模型加速。结果表明:在相同试验条件下,本研究中提出的AlgaeNet算法在训练过程中的损失值收敛速度及对测试集样本(卵形小球藻Chlorella ovalis与小等刺硅鞭藻Dictyocha fibula Ehrenberg)的预测准确率上升速度较传统VGG、AlexNet网络模型优势明显,识别准确率可达99.317%。研究表明,基于改进式VGG16网络模型的单细胞藻类识别算法AlgaeNet在单细胞藻类识别领域具有较好的分类识别性能,可实现海洋中藻类的准确识别。
关键词
卵形小球
藻
小等刺硅鞭藻
VGG
深度学习
识别
Keywords
Chlorella ovalis
Dictyocha fibula Ehrenberg
VGG
deep learning
recognition
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
S931.1 [农业科学—渔业资源]
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
台湾海峡西部海域表层沉积物中硅藻和硅鞭毛藻的分布
蓝东兆
《应用海洋学学报》
CSCD
1989
6
在线阅读
下载PDF
职称材料
2
基于深度学习VGG网络模型的海洋单细胞藻类识别算法
王羽徵
程远
毕海
于秋玉
刘丹
《大连海洋大学学报》
CAS
CSCD
北大核心
2021
9
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
