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
融合级联上采样与下采样的改进随机森林不平衡数据分类算法
被引量：
16
1
作者
郑建华
李小敏
+1 位作者
刘双印
李迪
《计算机科学》
CSCD
北大核心
2021年第7期145-154,共10页
数据不平衡会严重影响传统分类算法的性能,不平衡数据分类是机器学习领域的一个热点和难点问题。为提高不平衡数据集中少数类样本的检出率,提出一种改进的随机森林算法。该算法的核心是对每一棵通过Bootstrap采样后的随机森林子树数据...
数据不平衡会严重影响传统分类算法的性能,不平衡数据分类是机器学习领域的一个热点和难点问题。为提高不平衡数据集中少数类样本的检出率,提出一种改进的随机森林算法。该算法的核心是对每一棵通过Bootstrap采样后的随机森林子树数据集进行混合采样。首先采用基于高斯混合模型的逆权重上采样,然后基于SMOTE-borderline1算法进行级联上采样,再用随机下采样方式进行下采样,得到每棵子树的平衡训练子集,最后以决策树为基学习器实现改进机随机森林不平衡数据分类算法。此外,以G-mean和AUC为评价指标,在15个公开数据集上将所提算法与10种不同算法进行比较,结果显示其两项指标的平均排名和平均值均为第一。进一步,在其中9个数据集上将其与6种state-of-the-art算法进行比较,在32次结果对比中,所提算法有28次取得的成绩都优于其他算法。实验结果表明,所提算法有助于提高少数类的检出率,具有更好的分类性能。
展开更多
关键词
级联上采样
随机森林
不平衡数据
分类算法
在线阅读
下载PDF
职称材料
CoT-TransUNet:轻量化的上下文Transformer医学图像分割网络
被引量：
17
2
作者
杨鹤
柏正尧
《计算机工程与应用》
CSCD
北大核心
2023年第3期218-225,共8页
针对以往医学图像分割网络中卷积的感受野太小以及Transformer的特征丢失问题,提出了一种端到端的轻量化上下文Transformer医学图像分割网络(lightweight context Transformer medical image segmentation network,CoT-TransUNet)。该...
针对以往医学图像分割网络中卷积的感受野太小以及Transformer的特征丢失问题,提出了一种端到端的轻量化上下文Transformer医学图像分割网络(lightweight context Transformer medical image segmentation network,CoT-TransUNet)。该网络由编码器、解码器以及跳跃连接三部分组成。对于输入图像,编码器使用CoTNetTransformer的混合模块,采用CoTNet作为特征提取器来生成特征图。Transformer块则把特征图编码为输入序列。解码器通过一个级联上采样器,将编码后的特征进行上采样。该上采样器级联了多个上采样块,每个上采样块都采用CARAFE上采样算子。通过跳跃连接实现编码器与解码器在不同分辨率上的特征聚合。CoT-TransUNet通过在特征提取阶段采用全局与局部上下文信息相结合的CoTNet;在上采样阶段采用具有更大感受野的CARAFE算子。实现了生成更好的输入特征图,以及基于内容的上采样,并保持轻量化。在多器官分割任务的实验中,CoTTransUNet取得了优于其他网络的性能。
展开更多
关键词
医学图像分割
上下文Transformer网络
级联上采样
器
轻量化
在线阅读
下载PDF
职称材料
题名
融合级联上采样与下采样的改进随机森林不平衡数据分类算法
被引量：
16
1
作者
郑建华
李小敏
刘双印
李迪
机构
仲恺农业工程学院信息科学与技术学院
广东省高校智慧农业工程技术研究中心
仲恺农业工程学院机电工程学院
华南理工大学机械与汽车工程学院
出处
《计算机科学》
CSCD
北大核心
2021年第7期145-154,共10页
基金
国家重点研发计划(2018YFB1700500)
国家自然科学基金(61471133,61871475)
+2 种基金
广东省科技计划项目(2017A070712019,2017B010126001,2020A1414050062)
广东省教育厅项目(2016KZDXM001,2017GCZX001,2020KZDZX1121)
广州市科技计划项目(201704030098)。
文摘
数据不平衡会严重影响传统分类算法的性能,不平衡数据分类是机器学习领域的一个热点和难点问题。为提高不平衡数据集中少数类样本的检出率,提出一种改进的随机森林算法。该算法的核心是对每一棵通过Bootstrap采样后的随机森林子树数据集进行混合采样。首先采用基于高斯混合模型的逆权重上采样,然后基于SMOTE-borderline1算法进行级联上采样,再用随机下采样方式进行下采样,得到每棵子树的平衡训练子集,最后以决策树为基学习器实现改进机随机森林不平衡数据分类算法。此外,以G-mean和AUC为评价指标,在15个公开数据集上将所提算法与10种不同算法进行比较,结果显示其两项指标的平均排名和平均值均为第一。进一步,在其中9个数据集上将其与6种state-of-the-art算法进行比较,在32次结果对比中,所提算法有28次取得的成绩都优于其他算法。实验结果表明,所提算法有助于提高少数类的检出率,具有更好的分类性能。
关键词
级联上采样
随机森林
不平衡数据
分类算法
Keywords
Cascaded up-sampling
Random forest
Imbalance data
Classification algorithm
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
CoT-TransUNet:轻量化的上下文Transformer医学图像分割网络
被引量：
17
2
作者
杨鹤
柏正尧
机构
云南大学信息学院
出处
《计算机工程与应用》
CSCD
北大核心
2023年第3期218-225,共8页
基金
云南省重大科技专项计划(202002AD080001)。
文摘
针对以往医学图像分割网络中卷积的感受野太小以及Transformer的特征丢失问题,提出了一种端到端的轻量化上下文Transformer医学图像分割网络(lightweight context Transformer medical image segmentation network,CoT-TransUNet)。该网络由编码器、解码器以及跳跃连接三部分组成。对于输入图像,编码器使用CoTNetTransformer的混合模块,采用CoTNet作为特征提取器来生成特征图。Transformer块则把特征图编码为输入序列。解码器通过一个级联上采样器,将编码后的特征进行上采样。该上采样器级联了多个上采样块,每个上采样块都采用CARAFE上采样算子。通过跳跃连接实现编码器与解码器在不同分辨率上的特征聚合。CoT-TransUNet通过在特征提取阶段采用全局与局部上下文信息相结合的CoTNet;在上采样阶段采用具有更大感受野的CARAFE算子。实现了生成更好的输入特征图,以及基于内容的上采样,并保持轻量化。在多器官分割任务的实验中,CoTTransUNet取得了优于其他网络的性能。
关键词
医学图像分割
上下文Transformer网络
级联上采样
器
轻量化
Keywords
medical image segmentation
context Transformer network
cascaded upsampler
lightweight
分类号
TP391.4 [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
融合级联上采样与下采样的改进随机森林不平衡数据分类算法
郑建华
李小敏
刘双印
李迪
《计算机科学》
CSCD
北大核心
2021
16
在线阅读
下载PDF
职称材料
2
CoT-TransUNet:轻量化的上下文Transformer医学图像分割网络
杨鹤
柏正尧
《计算机工程与应用》
CSCD
北大核心
2023
17
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
