基于关系网络的中医舌色苔色协同分类方法

1

作者 王恩慈 卓力 +3 位作者 李艳萍 王欣 杨洋 魏玮 《世界科学技术-中医药现代化》 北大核心 2025年第5期1207-1218,共12页

目的中医舌象诊察特征繁多,包括舌色、苔色、舌形态和舌动态等,约有30多种。目前普遍采用独立的方式分别进行分析,未能充分利用不同诊察特征之间的关联关系,同时也大大增加了分析系统的整体实现复杂度。方法为此,该文提出了一种基于关... 目的中医舌象诊察特征繁多,包括舌色、苔色、舌形态和舌动态等,约有30多种。目前普遍采用独立的方式分别进行分析,未能充分利用不同诊察特征之间的关联关系,同时也大大增加了分析系统的整体实现复杂度。方法为此,该文提出了一种基于关系网络的中医舌色苔色协同分类方法,通过关系网络来学习舌色苔色两个标签之间的非线性关联关系,可以在一个框架下同时实现舌色和苔色分类两个任务。首先,构建了一种双分支轻型卷积神经网络,通过设计低、高层特征融合模块,结合坐标注意力机制,能够以较低的模型复杂度实现较高的分类精度;其次,设计了一个舌色、苔色标签关系非线性学习网络,通过学习,挖掘出两者之间的关联关系信息,并将这一信息作为补充,用于舌色、苔色的协同分类。结果在两个自建的中医舌象分类数据集上的实验结果中,舌色分类的准确率分别达到了95.17%和93.67%,苔色分类的准确率则分别达到了91.11%和90.53%。结论提出的方法可以将整体复杂度降低50%左右,同时还可以提升两个分类任务的精度。 展开更多

关键词 中医舌诊 舌色苔色协同分类 深度学习 关系网络 特征融合

在线阅读 下载PDF 职称材料

基于双阶段元学习的小样本中医舌色域自适应分类方法 被引量：2

2

作者 卓力 张雷 +2 位作者 贾童瑶 李晓光 张辉 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第3期986-994,共9页

舌色是中医(TCM)望诊最关注的诊察特征之一。在实际应用中,通过一台设备采集到的舌象数据训练得到的舌色分类模型应用于另一台设备时,由于舌象数据分布特性不一致,分类性能往往急剧下降。为此,该文提出一种基于双阶段元学习的小样本中... 舌色是中医(TCM)望诊最关注的诊察特征之一。在实际应用中,通过一台设备采集到的舌象数据训练得到的舌色分类模型应用于另一台设备时,由于舌象数据分布特性不一致,分类性能往往急剧下降。为此,该文提出一种基于双阶段元学习的小样本中医舌色域自适应分类方法。首先,设计了一种双阶段元学习训练策略,从源域有标注样本中提取域不变特征,并利用目标域的少量有标注数据对网络模型进行微调,使得模型可以快速适应目标域的新样本特性,提高舌色分类模型的泛化能力并克服过拟合。接下来,提出了一种渐进高质量伪标签生成方法,利用训练好的模型对目标域的未标注样本进行预测,从中挑选出置信度高的预测结果作为伪标签,逐步生成高质量的伪标签。最后,利用这些高质量的伪标签,结合目标域的有标注数据对模型进行训练,得到舌色分类模型。考虑到伪标签中含有噪声问题,采用了对比正则化函数,可以有效抑制噪声样本在训练过程中产生的负面影响,提升目标域舌色分类准确率。在两个自建中医舌色分类数据集上的实验结果表明,在目标域仅提供20张有标注样本的情况下,舌色分类准确率达到了91.3%,与目标域有监督的分类性能仅差2.05%。 展开更多

关键词 中医舌色分类 小样本 域自适应 双阶段元学习

在线阅读 下载PDF 职称材料

基于噪声样本渐近修正的中医舌色分类方法

3

作者 孙亮亮 李艳萍 +1 位作者 张辉 卓力 《电子学报》 EI CAS CSCD 北大核心 2024年第5期1450-1459,共10页

基于深度学习的中医舌色分类模型具备良好的性能,但是依赖大量正确标注的样本.由于人工标注样本费时费力,不可避免地存在错误标注,导致模型在训练过程中对噪声样本过拟合,使其泛化能力变差.为此,本文提出了一种基于噪声样本渐近修正的... 基于深度学习的中医舌色分类模型具备良好的性能,但是依赖大量正确标注的样本.由于人工标注样本费时费力,不可避免地存在错误标注,导致模型在训练过程中对噪声样本过拟合,使其泛化能力变差.为此,本文提出了一种基于噪声样本渐近修正的中医舌色分类方法.首先,根据舌色分类的特点,提出了一种全局-局部特征融合方法,将其嵌入到ResNet18骨干网络中,构建了舌色分类网络,并采用集成学习范式,提高分类模型的可靠性和稳定性;其次,针对噪声样本下的舌色分类网络训练问题,提出了样本注意力机制和噪声样本标签重新标注机制,在训练过程中对干净样本和噪声样本加以区分,赋予不同的权重,并逐步对噪声样本标签进行修正;最后,采用Boostrapping损失函数降低模型对噪声样本的关注度,抑制噪声样本对分类性能的影响.将提出的方法在两个自建的舌色分类数据集上进行了实验验证,结果表明,该方法通过渐进地对噪声标签进行校正,可以获得比现有的有噪样本下图像分类方法更高的分类精度,Acc指标分别达到了94.6%和93.65%. 展开更多

关键词 中医舌色分类 噪声样本 样本注意力机制 重新标注机制 Boostrapping损失

在线阅读 下载PDF 职称材料

基于自组织递归小波神经网络的污水处理过程多变量控制 被引量：2

4

作者 苏尹 杨翠丽 乔俊飞 《自动化学报》 EI CAS CSCD 北大核心 2024年第6期1199-1209,共11页

污水处理过程(Wastewater treatment process,WWTP)是一个包含多个生化反应的复杂过程,具有非线性和动态特性.因此,实现污水处理过程的精准控制是一项挑战.为解决这个问题,提出一种基于自组织递归小波神经网络(Selforganized recurrent ... 污水处理过程(Wastewater treatment process,WWTP)是一个包含多个生化反应的复杂过程,具有非线性和动态特性.因此,实现污水处理过程的精准控制是一项挑战.为解决这个问题,提出一种基于自组织递归小波神经网络(Selforganized recurrent wavelet neural network,SRWNN)的污水处理过程多变量控制.首先,针对污水处理过程的动态特性,根据小波基的激活强度设计一种自组织机制来动态调整递归小波神经网络控制器的结构,提高控制的性能.然后,采用结合自适应学习率的在线学习算法,实现控制器的参数学习.此外,通过李雅普诺夫稳定性定理证明此控制器的稳定性.最后,采用基准仿真平台进行仿真验证,实验结果表明,此控制方法可以有效提高污水处理过程的控制绝对误差积分(Integral of absolute error,IAE)和积分平方误差(Integral of squared error,ISE)的精度. 展开更多

关键词 神经网络控制 污水处理过程 自组织机制 多变量控制

在线阅读 下载PDF 职称材料

基于Q学习算法和遗传算法的动态环境路径规划 被引量：17

5

作者 于乃功 王琛 +1 位作者 默凡凡 蔡建羡 《北京工业大学学报》 CAS CSCD 北大核心 2017年第7期1009-1016,共8页

针对Q学习算法在动态连续环境中应用时因状态连续、数量过多,导致Q值表出现存储空间不足和维数灾的问题,提出了一种新的Q值表设计方法,并设计了适用于连续环境的R值和动作.不同于以状态-动作为索引,将时间离散化为时刻,以时刻-动作为索... 针对Q学习算法在动态连续环境中应用时因状态连续、数量过多,导致Q值表出现存储空间不足和维数灾的问题,提出了一种新的Q值表设计方法,并设计了适用于连续环境的R值和动作.不同于以状态-动作为索引,将时间离散化为时刻,以时刻-动作为索引来建立Q值表.将在某状态应选择某一动作的问题转化为在某时刻应选择某一动作的问题,实现了Q学习算法在动态连续环境中的应用.采用了先利用遗传算法进行静态全局路径规划,然后利用Q学习算法进行动态避障.整个方法为一种先"离线"后"在线"的分层路径规划方法,成功实现了移动机器人的路径规划.仿真结果验证了所提出方法的有效性. 展开更多

关键词 动态环境 连续环境 路径规划 Q学习算法

在线阅读 下载PDF 职称材料

大鼠脑海马结构认知机理及其在机器人导航中的应用 被引量：4

6

作者 于乃功 方略 +2 位作者 罗子维 苑云鹤 蒋晓军 《北京工业大学学报》 CAS CSCD 北大核心 2017年第3期434-442,共9页

为了构建具有类似于人和动物环境认知机理的移动机器人,详细介绍了海马解剖学结构、信息传递回路、环境认知相关细胞空间放电认知机理.将鼠脑海马结构认知机理应用在机器人平台上,并通过介绍一种典型仿鼠脑海马结构认知机理的机器人导... 为了构建具有类似于人和动物环境认知机理的移动机器人,详细介绍了海马解剖学结构、信息传递回路、环境认知相关细胞空间放电认知机理.将鼠脑海马结构认知机理应用在机器人平台上,并通过介绍一种典型仿鼠脑海马结构认知机理的机器人导航模型来阐述大鼠脑海马结构在机器人导航中的应用.结果表明:机器人进入某一环境时能够自主地探索其所处空间环境,经过不断的探索,最终形成其对所处环境的表征,即成功构建所处空间环境的认知地图,根据认知地图实现机器人在复杂环境中面向目标对象的导航任务. 展开更多

关键词 海马结构 位置细胞 头朝向细胞 网格细胞 认知机理 机器人导航

在线阅读 下载PDF 职称材料

有噪声标注情况下的中医舌色分类方法 被引量：13

7

作者 卓力 孙亮亮 +2 位作者 张辉 李晓光 张菁 《电子与信息学报》 EI CSCD 北大核心 2022年第1期89-98,共10页

舌色是中医(TCM)望诊最关注的诊察特征之一,自动准确的舌色分类是舌诊客观化研究的重要内容。由于不同类别舌色之间的视觉界限存在模糊性以及医生标注者的主观性等,标注的舌象数据中常含有噪声,影响舌色分类模型的训练。为此,该文提出... 舌色是中医(TCM)望诊最关注的诊察特征之一,自动准确的舌色分类是舌诊客观化研究的重要内容。由于不同类别舌色之间的视觉界限存在模糊性以及医生标注者的主观性等,标注的舌象数据中常含有噪声,影响舌色分类模型的训练。为此,该文提出一种有噪声标注情况下的中医舌色分类方法:首先,提出一种两阶段的数据清洗方法,对含有噪声的标注样本进行识别,并进行清洗;其次,设计一种基于通道注意力机制的轻型卷积神经网络,通过增强特征的表达能力,实现舌色的准确分类;最后,提出一种带有噪声样本过滤机制的知识蒸馏策略,该策略中加入了由教师网络主导的噪声样本过滤机制,进一步剔除噪声样本,同时利用教师网络指导轻型卷积神经网络的训练,提升了分类性能。在自建的中医舌色分类数据集上的实验结果表明,该文提出的舌色分类方法能以较低的计算复杂度,显著提升分类的准确率,达到了93.88%。 展开更多

关键词 中医舌色分类 噪声标注样本 数据清洗 知识蒸馏 轻型卷积神经网络

在线阅读 下载PDF 职称材料

基于深度卷积神经网络的多元医学信号多级上下文自编码器 被引量：7

8

作者 袁野 贾克斌 刘鹏宇 《电子与信息学报》 EI CSCD 北大核心 2020年第2期371-378,共8页

多元医学信号的典型代表有多模态睡眠图和多通道脑电图等,采用无监督深度学习表征多元医学信号是目前健康信息学领域中的一个研究热点。为了解决现有模型没有充分结合医学信号多元时序结构特点的问题,该文提出了一种无监督的多级上下文... 多元医学信号的典型代表有多模态睡眠图和多通道脑电图等,采用无监督深度学习表征多元医学信号是目前健康信息学领域中的一个研究热点。为了解决现有模型没有充分结合医学信号多元时序结构特点的问题,该文提出了一种无监督的多级上下文深度卷积自编码器(mCtx-CAE)。首先改进传统卷积神经网络结构,提出一种多元卷积自编码模块,以提取信号片段内的多元上下文特征;其次,提出采用语义学习技术对信号片段间的时序信息进行自编码,进一步提取时序上下文特征;最后通过共享特征表示设计目标函数,训练端到端的多级上下文自编码器。实验结果表明,该文所提模型在两种应用于不同医疗场景下的多模态和多通道数据集(UCD和CHB-MIT)上表现均优于其它无监督特征学习方法,能有效提高多元医学信号的融合特征表达能力,对提高临床时序数据的分析效率有着重要意义。 展开更多

关键词 多元医学信号 自编码器 上下文学习 卷积神经网络 深度学习

在线阅读 下载PDF 职称材料

基于区域注意力机制的有噪样本下中医舌色分类算法研究 被引量：6

9

作者 卓力 李艳萍 +3 位作者 张辉 李晓光 杨洋 魏玮 《世界科学技术-中医药现代化》 CSCD 北大核心 2023年第8期2873-2882,共10页

目的由于舌色标注样本中常常包含有错误标签,这些噪声样本会导致舌色分类性能不高、模型泛化能力差等问题。因此,需要建立自动舌色分类模型,提升有噪标注样本下舌色分类的准确率,促进中医(TCM)舌诊客观化研究。方法从中医舌色分类的特... 目的由于舌色标注样本中常常包含有错误标签,这些噪声样本会导致舌色分类性能不高、模型泛化能力差等问题。因此,需要建立自动舌色分类模型,提升有噪标注样本下舌色分类的准确率,促进中医(TCM)舌诊客观化研究。方法从中医舌色分类的特点出发,提出了一种基于区域注意力机制的有噪样本下中医舌色分类方法。本方法的创新性包括两点:一方面,根据中医医生舌诊的习惯,提出了一种区域注意力机制,增强网络对于舌尖和舌两侧等舌色区域的特征提取能力,而抑制其他区域的特征;另一方面,针对噪声标注样本下的分类网络训练问题,设计了一种对称修正的交叉熵损失函数,用于对舌色分类网络进行优化训练,抑制噪声样本对分类性能的影响。结果在3个自建中医舌色分类数据集上的分类结果显示,准确率分别达到了94.96%、93.36%和93.92%,mAP分别达到了94.53%、93.05%和93.38%,Macro-F1分别达到了94.67%、93.16%和92.43%。结论设计的舌色分类方法能以较低的模型复杂度,显著提升分类精度,提升有噪声样本标注情况下的分类鲁棒性。 展开更多

关键词 中医舌诊 舌色分类 深度学习 有噪样本学习 区域注意力机制

在线阅读 下载PDF 职称材料

基于DAE和TCN的复杂工业过程故障预测 被引量：16

10

作者 高学金 马东阳 +1 位作者 韩华云 高慧慧 《仪器仪表学报》 CSCD 北大核心 2021年第6期140-151,共12页

为实时监测复杂工业过程的故障状态,精确预测故障趋势,提出基于降噪自编码和时间卷积网络的故障预测方法。首先,利用随机森林算法筛选故障相关特征。之后,利用堆栈降噪自编码网络提取非线性特征以及特征重构,并根据重构误差构造平方预... 为实时监测复杂工业过程的故障状态,精确预测故障趋势,提出基于降噪自编码和时间卷积网络的故障预测方法。首先,利用随机森林算法筛选故障相关特征。之后,利用堆栈降噪自编码网络提取非线性特征以及特征重构,并根据重构误差构造平方预测误差(SPE)统计量作为故障状态特征。最后,针对时间卷积网络残差模块中的ReLU激活函数在负区间内导数为零导致部分神经元无法被激活的问题,设计基于自门控激活函数(Swish)和滤波器响应(FRN)规范化的时间卷积网络(SFTCN)。将得到的SPE组成时间序列,利用SFTCN的预测模型实现其状态趋势预测。通过在TE仿真平台数据和美国密歇根大学智能维修中心实测的轴承全生命数据上的实验表明,与未改进的时间卷积网络对比,所提方法的预测平均绝对百分比误差至少降低20.9%,具有较高的应用价值。 展开更多

关键词 故障预测 随机森林算法 降噪自动编码 时间卷积网络 复杂工业过程

在线阅读 下载PDF 职称材料

基于跳跃连接金字塔模型的小目标检测 被引量：7

11

作者 单义 杨金福 +1 位作者 武随烁 许兵兵 《智能系统学报》 CSCD 北大核心 2019年第6期1144-1151,共8页

随着深度学习的发展,目标检测已经获得了较高的精度和效率。但是小目标的检测仍然是一个挑战。小目标检测准确率较低的重要原因是没有充分利用高层特征的语义信息和低层特征的细节信息之间的关系。针对上述问题,本文提出一种基于跳跃连... 随着深度学习的发展,目标检测已经获得了较高的精度和效率。但是小目标的检测仍然是一个挑战。小目标检测准确率较低的重要原因是没有充分利用高层特征的语义信息和低层特征的细节信息之间的关系。针对上述问题,本文提出一种基于跳跃连接金字塔模型的小目标检测方法。与其他的目标检测方法不同,本文提出利用跳跃连接金字塔结构来融合多层高层语义特征信息和低层特征图的细节信息。而且为了更好地提取不同尺度物体对应的特征信息,在网络模型中采用不同大小的卷积核和不同步长的空洞卷积来提取全局特征信息。在PASCAL VOC和MS COCO数据集上进行了实验,验证了算法的有效性。 展开更多

关键词 跳跃连接金字塔 全局感受野 目标检测 深度学习 特征提取 卷积神经网络 空洞卷积 图像处理

在线阅读 下载PDF 职称材料