检索结果-维普期刊中文期刊服务平台

基于AEViT与先验知识的胶质瘤IDH1突变状态预测: 1; 作者徐华畅许倩 +3 位作者赵钰琳梁峰宁徐凯朱红《智能系统学报》 CSCD 北大核心 2024年第4期952-960,共9页; 针对目前预测胶质瘤异柠檬酸脱氢酶1(isocitrate dehydrogenase1,IDH1)突变状态存在的数据不足、准确率较低等问题,提出一种基于AEViT(auto-encoder vision Transformer)与先验知识的胶质瘤IDH1突变状态预测方法。首先使用改进的K-Mean... 展开更多; 关键词胶质瘤异柠檬酸脱氢酶1 K-MEANS聚类算法伪标签 auto-encoder vision Transformer 果蝇优化算法先验知识; 在线阅读下载PDF 职称材料

基于图关系选择的深度聚类网络: 2; 作者孙艳丰杜鹏飞《北京工业大学学报》 CAS CSCD 北大核心 2024年第12期1428-1436,共9页; 针对在深度聚类中基于图卷积网络(graph convolutional network,GCN)编码图结构信息的方法存在过拟合的问题,提出一种通过对比学习将图邻接关系融合到传统深度网络中对图结构进行编码的方法。首先,该方法中使用自动编码器(auto-encoder,... 展开更多; 关键词节点聚类图卷积网络(graph convolutional network GCN) 自动编码器(auto-encoder AE) 图关系对比学习自监督; 在线阅读下载PDF 职称材料

基于数据均衡的增进式深度自动图像标注被引量：7: 3; 作者周铭柯柯逍杜明智《软件学报》 EI CSCD 北大核心 2017年第7期1862-1880,共19页; 自动图像标注是一个包含众多标签、多样特征的富有挑战性的研究问题,是新一代图像检索与图像理解的关键步骤.针对传统的基于浅层机器学习标注算法标注效率低下、难以处理复杂分类任务的问题,提出了基于栈式自动编码器(stacked auto-enco... 展开更多; 关键词 SAE(stacked auto-encoder) 深度学习数据均衡图像标注语义传播; 在线阅读下载PDF 职称材料

基于SAE与底层视觉特征融合的无人机目标识别算法(英文) 被引量：1: 4; 作者谢冰段哲民《红外与激光工程》 EI CSCD 北大核心 2018年第S1期205-213,共9页; 无人机在复杂战场环境下,因敌方无人机外形、颜色等特征较为相似,现有基于底层视觉特征无法快速地对其进而准确的识别,从而造成误检测甚至误打击等事件的发生。针对这一问题,文中提出基于稀疏自动编码器融合底层视觉特征的算法,对无人... 展开更多; 关键词无人机目标对象目标识别 SPARSE auto-encoder 底层视觉描述子 PCA; 在线阅读下载PDF 职称材料

基于多通道图卷积网络的节点聚类: 5; 作者孙艳丰杜鹏飞《北京工业大学学报》 CAS CSCD 北大核心 2023年第3期355-362,共8页; 针对在深度聚类中大部分基于图卷积网络(graph convolutional network,GCN)的方法仅使用拓扑图而忽略了特征空间中存在的结构信息的问题,提出一种通过引入特征图更充分地利用特征空间中存在的结构信息的节点聚类方法.首先,该方法使用自... 展开更多; 关键词节点聚类图卷积网络(graph convolutional network GCN) 注意力机制自动编码器(auto-encoder AE) 特征融合图结构; 在线阅读下载PDF 职称材料

题名基于AEViT与先验知识的胶质瘤IDH1突变状态预测: 1; 作者徐华畅许倩赵钰琳梁峰宁徐凯朱红; 机构徐州医科大学医学信息与工程学院徐州医科大学附属医院医学影像科; 出处《智能系统学报》 CSCD 北大核心 2024年第4期952-960,共9页; 基金江苏省卫生健康委医学科研项目(Z2020032) 徐州市重点研发计划项目(KC22117) 徐州市卫生健康委员会青年医学科技创新项目(XWKYHT20210586).; 文摘针对目前预测胶质瘤异柠檬酸脱氢酶1(isocitrate dehydrogenase1,IDH1)突变状态存在的数据不足、准确率较低等问题,提出一种基于AEViT(auto-encoder vision Transformer)与先验知识的胶质瘤IDH1突变状态预测方法。首先使用改进的K-Means聚类算法为无IDH1突变状态标签的胶质瘤磁共振成像(magnetic resonance imaging,MRI)数据标注伪标签,并采用ViT(vision Transformer)网络对伪标签进行修正,得到最终的胶质瘤IDH1突变状态。为避免不准确的伪标签数据影响模型精度,采用果蝇优化算法为伪标签数据赋予最优权重;然后提出基于Auto-Encoder和ViT的分类模型AEViT,利用Auto-Encoder提取胶质瘤MRI特征;再将特征输入ViT中对胶质瘤IDH1突变状态进行分类;最后将基于胶质瘤位置信息的先验知识加入模型,达到99.01%的预测准确率。结果表明该方法优于其他现有模型,能够实现胶质瘤数据扩增和术前无创、准确地预测胶质瘤IDH1突变状态,从而辅助诊疗过程。; 关键词胶质瘤异柠檬酸脱氢酶1 K-MEANS聚类算法伪标签 auto-encoder vision Transformer 果蝇优化算法先验知识; Keywords glioma IDH1 K-Means clustering algorithm pseudo-label auto-encoder vision Transformer fruit fly optimization algorithm priori knowledge; 分类号 TP18 [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

题名基于图关系选择的深度聚类网络: 2; 作者孙艳丰杜鹏飞; 机构北京工业大学信息学部; 出处《北京工业大学学报》 CAS CSCD 北大核心 2024年第12期1428-1436,共9页; 基金国家自然科学基金资助项目(62172023)。; 文摘针对在深度聚类中基于图卷积网络(graph convolutional network,GCN)编码图结构信息的方法存在过拟合的问题,提出一种通过对比学习将图邻接关系融合到传统深度网络中对图结构进行编码的方法。首先,该方法中使用自动编码器(auto-encoder,AE)来学习节点特征的深层次潜在表示;然后,通过对比学习从图关系中学习有区分性的节点表示,同时设计了更细致的节点间影响力关系,从而为对比学习提供有力的正负样本选择依据;最后,通过自监督的方式训练网络以实现聚类任务。在6个基准数据集上进行了大量实验,结果表明,提出的方法显著地提高了聚类精度。; 关键词节点聚类图卷积网络(graph convolutional network GCN) 自动编码器(auto-encoder AE) 图关系对比学习自监督; Keywords node clustering graph convolutional network(GCN) auto-encoder(AE) graph relationship contrastive learning self-supervised learning; 分类号 TP183 [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

题名基于数据均衡的增进式深度自动图像标注被引量：7: 3; 作者周铭柯柯逍杜明智; 机构福州大学数学与计算机科学学院福建省网络计算与智能信息处理重点实验室(福州大学); 出处《软件学报》 EI CSCD 北大核心 2017年第7期1862-1880,共19页; 基金国家自然科学基金(61502105) 福建省科技引导性项目(2017H0015) 福建省中青年教师教育科研项目(JA15075)~~; 文摘自动图像标注是一个包含众多标签、多样特征的富有挑战性的研究问题,是新一代图像检索与图像理解的关键步骤.针对传统的基于浅层机器学习标注算法标注效率低下、难以处理复杂分类任务的问题,提出了基于栈式自动编码器(stacked auto-encoder,简称SAE)的自动图像标注算法,提升了标注效率和标注效果.主要针对图像标注数据不平衡问题,提出两种解决思路:对于标注模型,提出一种增强训练中低频标签的平衡栈式自动编码器(B-SAE),较好地改善了中低频标签的标注效果.并在该模型的基础上提出一种分组强化训练B-SAE子模型的鲁棒平衡栈式自动编码器算法(RB-SAE),提升了标注的稳定性,从而保证模型本身具有较强的处理不平衡数据的能力;对于标注过程,以未知图像作为出发点,首先构造未知图像的局部均衡数据集,并判定该图像的高低频属性以决定不同的标注过程,局部语义传播算法(SP)标注中低频图像,RB-SAE算法标注高频图像,形成属性判别的标注框架(ADA),保证了标注过程具有较强的应对不平衡数据的能力,从而提升整体图像标注效果.通过在3个公共数据集上进行实验验证,结果表明,该方法在许多指标上相比以往方法均有较大提高.; 关键词 SAE(stacked auto-encoder) 深度学习数据均衡图像标注语义传播; Keywords SAE （stacked auto-encoder） deep learning balance data image annotation semantic propagation; 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

题名基于SAE与底层视觉特征融合的无人机目标识别算法(英文) 被引量：1: 4; 作者谢冰段哲民; 机构西北工业大学电子信息学院; 出处《红外与激光工程》 EI CSCD 北大核心 2018年第S1期205-213,共9页; 基金瞬态冲击技术重点实验室基金(61426060103162606007); 文摘无人机在复杂战场环境下,因敌方无人机外形、颜色等特征较为相似,现有基于底层视觉特征无法快速地对其进而准确的识别,从而造成误检测甚至误打击等事件的发生。针对这一问题,文中提出基于稀疏自动编码器融合底层视觉特征的算法,对无人机目标对象进行识别。算法首先利用底层视觉特征描述子(GIST、LBP)以及稀疏自动编码器(Sparse Auto-Encoder,SAE)提取目标对象的底层视觉特征和高层视觉特征;然后,采用主成分分析(PAC)法对全局特征进行降维融合;最后,将全局特征响应送入softmax回归模型完成无人机目标对象的分类。实验表明,与传统SAE算法及传统基于底层视觉特征描述子识别算法相比,新算法具有更高的准确性及鲁棒性。; 关键词无人机目标对象目标识别 SPARSE auto-encoder 底层视觉描述子 PCA; Keywords UAV target object target recognition Sparse auto-encoder underlying visual descriptor PCA; 分类号 TP391.41 [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

题名基于多通道图卷积网络的节点聚类: 5; 作者孙艳丰杜鹏飞; 机构北京工业大学信息学部北京工业大学多媒体与智能软件技术北京市重点实验室; 出处《北京工业大学学报》 CAS CSCD 北大核心 2023年第3期355-362,共8页; 基金国家自然科学基金资助项目(62172023)。; 文摘针对在深度聚类中大部分基于图卷积网络(graph convolutional network,GCN)的方法仅使用拓扑图而忽略了特征空间中存在的结构信息的问题,提出一种通过引入特征图更充分地利用特征空间中存在的结构信息的节点聚类方法.首先,该方法使用自动编码器(auto-encoder,AE)来学习节点特征的潜在表示,同时在特征图、拓扑图及节点属性3个层面获得节点嵌入;然后,使用融合机制对学习到的节点嵌入进行融合;最后,通过自监督的方式训练网络实现节点聚类.在6个基准数据集上的大量实验表明,该方法明显提高了聚类精度.; 关键词节点聚类图卷积网络(graph convolutional network GCN) 注意力机制自动编码器(auto-encoder AE) 特征融合图结构; Keywords node clustering graph convolutional network(GCN) attention mechanism auto-encoder(AE) feature fusion graph structure; 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	基于AEViT与先验知识的胶质瘤IDH1突变状态预测	徐华畅许倩赵钰琳梁峰宁徐凯朱红	《智能系统学报》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
2	基于图关系选择的深度聚类网络	孙艳丰杜鹏飞	《北京工业大学学报》 CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
3	基于数据均衡的增进式深度自动图像标注	周铭柯柯逍杜明智	《软件学报》 EI CSCD 北大核心	2017	7	在线阅读下载PDF 职称材料
4	基于SAE与底层视觉特征融合的无人机目标识别算法(英文)	谢冰段哲民	《红外与激光工程》 EI CSCD 北大核心	2018	1	在线阅读下载PDF 职称材料
5	基于多通道图卷积网络的节点聚类	孙艳丰杜鹏飞	《北京工业大学学报》 CAS CSCD 北大核心	2023	0	在线阅读下载PDF 职称材料