-
题名深层次标签辅助分类任务的层次标签文本分类方法
被引量：1
- 1
-
-
作者
曹渝昆
魏子越
唐艺嘉
金成坤
李云峰
-
机构
上海电力大学计算机科学与技术学院
中国商飞上海航空工业(集团)有限公司信息中心
-
出处
《计算机工程与应用》
CSCD
北大核心
2024年第10期105-112,共8页
-
基金
国家自然科学基金青年基金(61802249)。
-
文摘
层次标签文本分类是自然语言处理领域中一项具有挑战性的任务,每个文档需要被正确分类到对应具有层次结构的多个标签中。然而在标签集中,由于标签包含的语义信息不充分,同时被归类到深层次标签的文档数量过少,深层次标签训练不充分,导致显著的标签训练不平衡问题。基于此,提出了深层次标签辅助分类任务的层次标签文本分类方法(DLAC)。该方法提出了一种深层次标签辅助分类器,在标签语义增强的基础上有效利用文本特征与深层次标签对应的父标签结点(即浅层次标签的丰富特征)来提升深层次标签的分类性能。与11种算法在三个数据集上的对比实验结果表明,模型能够有效提升深层次标签的分类性能,并取得良好效果。
-
关键词
层次标签文本分类
标签层次结构
全局标签分类通道
深层次标签辅助分类通道
-
Keywords
hierarchical label text classification
label hierarchy
global label classification channel
deep label assisted clas-sification channel
-
分类号
TP311.1
[自动化与计算机技术—计算机软件与理论]
-
-
题名面向领域标签辅助的服务聚类方法
被引量：30
- 2
-
-
作者
田刚
何克清
王健
孙承爱
徐建建
-
机构
武汉大学软件工程国家重点实验室
山东科技大学信息学院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2015年第7期1266-1274,共9页
-
基金
国家973重点基础研究发展计划(No.2014CB340404)
国家自然科学基金(No.61373037,No.61202031)
重点实验室开放课题(No.SKLSE 2014-10-07)
-
文摘
Web服务数量的激增对服务发现提出了更高的要求,服务聚类是促进服务发现的一种重要技术.但是,现有服务聚类方法只对单一类型的服务文档进行聚类,缺乏考虑服务的领域特性和服务标签的应用.针对这些问题,本文首先使用本体辅助的支持向量机和面向领域的服务特征降维技术建立服务的特征内容向量,然后使用一种标签辅助的主题服务聚类方法 T-LDA建立融合标签信息之后的隐含主题表示,并利用归一化方法消除通用主题的影响,综合上述方法建立一个面向领域标签辅助的Web服务聚类方法 DTWSC.实验结果表明,该框架能够提高针对不同类型的服务文档的聚类效果.与LDA、K-Means等方法相比,该方法在聚类纯度、熵和F-Measure指标上均具有更好的效果.
-
关键词
Web服务聚类
面向领域
标签辅助
主题模型
-
Keywords
Web service clustering
domain-oriented
tag aided
topical model
-
分类号
TP311.5
[自动化与计算机技术—计算机软件与理论]
-
-
题名类别标签辅助改进稠密网络的变工况轴承故障诊断
被引量：4
- 3
-
-
作者
孙洁娣
刘保
温江涛
时培明
闫盛楠
肖启阳
-
机构
燕山大学信息科学与工程学院
燕山大学河北省信息传输与信号处理重点实验室
燕山大学河北省测试计量技术及仪器重点实验室
河南大学人工智能学院
-
出处
《振动与冲击》
EI
CSCD
北大核心
2022年第17期204-212,共9页
-
基金
国家自然科学基金(61973262)
河北省自然科学基金(E2020203061)
+2 种基金
河北省高等学校科学技术研究项目(QN2019133)
河北省重点实验室项目(202250701010046)
河南省青年人才托举计划(2021HYTP014)。
-
文摘
基于数据驱动的滚动轴承智能故障诊断得到广泛研究,但多数研究中均假设训练数据与测试数据同分布,考虑到旋转机械实际运转中复杂多变的工况往往导致数据分布产生偏差,使得识别方法的通用性差、实际识别效果不佳。将域适应引入轴承故障诊断过程中,基于迁移学习提出了一种特征空间域和标签概率分布同步适应的迁移学习网络。该网络将一维稠密卷积网络及注意力机制融合实现复杂故障特征的自动提取;域适应处理通过联合最小化特征概率分布差异和标签概率分布差异来约束网络学习域不变特征;最终对变工况滚动轴承故障实现了高准确度的识别。实验结果表明了该方法的可行性及良好的性能。
-
关键词
轴承故障诊断
变工况
稠密卷积网络
注意力机制
类别标签辅助
-
Keywords
bearing fault diagnosis
variable working condition
dense convolution network
attention mechanism
class labels aided
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TH865
[机械工程—精密仪器及机械]
-
-
题名基于SAM2的腹腔镜手术多目标自动分割方法
- 4
-
-
作者
刘成
张家意
袁烽
张睿
高欣
-
机构
中国科学技术大学生物医学工程学院(苏州)生命科学与医学部
中国科学院苏州生物医学工程技术研究所
济南国科医工科技发展有限公司
-
出处
《图学学报》
北大核心
2025年第5期969-979,共11页
-
基金
国家自然科学基金(82372052,82402373)
山东省自然科学基金(ZR2022QF071,ZR2022QF099)
泰山产业创新领军人才项目(tscx202312131)。
-
文摘
腹腔镜术中场景的自动分割是手术机器人实现自主操作的关键基础,当前仍面临三重挑战:手术目标间纹理高度相似且边界模糊,导致相似目标难以精确分割;从亚毫米级缝合线到厘米级脏器组织存在显著尺度差异,制约了多目标同步分割精度提升;运动伪影和烟雾遮挡等干扰进一步影响术中多目标完整分割的鲁棒性。为此,提出基于视觉大模型SAM2的腹腔镜手术多目标自动分割方法(SAM2-MSNet)。采用LoRA+微调策略优化SAM2图像编码器,高效适配腹腔镜图像的纹理特征表达;设计跨尺度特征同步提取模块,实现多尺度目标的精确分割;构建特征关系全局感知模块,增强网络对运动伪影及烟雾遮挡等干扰的鲁棒性;并引入方向梯度直方图驱动的伪标签辅助监督机制,显著提升目标边缘分割精度。实验结果表明,SAM2-MSNet在Endovis2018和AutoLaparo数据集上分别取得了70.2%和69.6%的平均交并比(mIoU),和78.5%和75.0%的平均Dice系数(mDice)。在推理速度与SAM2-UNet相当(23帧/秒VS.25帧/秒)的前提下,其分割精度显著提升了3.0%和6.7%(mIoU)和2.8%和6.8%(mDice)。SAM2-MSNet实现了对腹腔镜手术场景高精度全自动分割,为手术机器人自主化进程提供了关键技术支撑。
-
关键词
腹腔镜手术场景分割
视觉大模型
跨尺度特征同步提取
特征关系全局感知
伪标签辅助监督
-
Keywords
laparoscopic surgical scene segmentation
visual large model
synchronous extraction of cross-scale features
global perception of feature relationships
pseudo-label assisted supervision
-
分类号
R656
[医药卫生—外科学]
TP391
[自动化与计算机技术—计算机应用技术]
-
