甘肃省高等学校研究生导师科研项目计划(1201-16)
- 作品数：21 被引量：142H指数：7
- 相关作者：蒋芸胡学伟沈健陈娜李志磊更多>>
- 相关机构：西北师范大学更多>>
- 发文基金：甘肃省高等学校研究生导师科研项目计划国家自然科学基金甘肃省高校基本科研业务费专项资金项目更多>>
- 相关领域：自动化与计算机技术医药卫生更多>>
- 一种基于样本加权的合成多核学习方法被引量：1
- 2017年
- 多核学习是目前基于内核学习的机器学习领域中的一个新的研究热点。内核学习方法可以把数据映射到高维空间来增加线性分类器如支持向量机的计算性能,它是目前处理非线性模式识别与分类问题的一种便捷、高效的方法。然而,在某些特殊情况下,基于单一核函数的内核学习方法并不能完全有效地处理如数据异构或者不规则、样本规模大、样本分布不平坦等实际问题,所以通过将多个核函数以加权的形式合成一个核函数,来得到更好的识别精度以及效率,是当前研究的一个发展趋势。因此,提出一种基于样本加权的合成多核学习方法,通过单一核函数对样本的拟合以及适应能力(对样本的学习精度),对每一个核函数按照对应的拟合以及适应能力加权,最终得到基于样本加权的合成多核决策函数。为了验证基于样本加权的合成多核学习方法的有效性和可靠性,在多个数据集上进行了实验分析,实验结果表明,与已有的多核学习方法相比较,本文提出的方法取得了更好的分类结果。
- 沈健蒋芸张亚男胡学伟
- 关键词：多核学习映射数据异构
- 基于邻域关系模糊粗糙集的医学图像分类研究被引量：9
- 2016年
- 对医学图像进行分类时,特征选择是影响分类准确率的非常重要的因素。针对医学图像的特殊性,以及目前提出的特征选择算法在应用于医学图像分类时效果不够理想等问题,提出一种基于邻域关系的模糊粗糙集模型,基于该模型给出特征选择算法,并将其应用于乳腺X光图像。实验结果表明,同已有的算法相比,该方法能有效选择特征,分类精度有较大的提升。
- 胡学伟蒋芸邹丽李志磊沈健
- 关键词：医学图像分类邻域关系
- 基于卷积神经网络的图像数据增强算法被引量：14
- 2019年
- 提升卷积神经网络的泛化能力和降低过拟合的风险是深度卷积神经网络的研究重点。遮挡是影响卷积神经网络泛化能力的关键因素之一,通常希望经过复杂训练得到的模型能够对遮挡图像有良好的泛化性。为了降低模型过拟合的风险和提升模型对随机遮挡图像识别的鲁棒性,提出了激活区域处理算法,在训练过程中对某一卷积层的最大激活特征图进行处理后对输入图像进行遮挡,然后将被遮挡的新图像作为网络的新输入并继续训练模型。实验结果表明,提出的算法能够提高多种卷积神经网络模型在不同数据集上的分类性能,并且训练好的模型对随机遮挡图像的识别具有非常好的鲁棒性。
- 蒋芸张海陈莉陶生鑫
- 关键词：卷积神经网络图像分类
- 变精度复合粗糙集模型及其应用
- 2016年
- 针对复合信息系统中的噪声数据以及复合粗糙集近似边界要求严格等问题,对复合粗糙集模型进行了扩展,提出变精度复合粗糙集模型。在该模型中,通过设置阈值参数β(0.5<β≤1),定义了基于矩阵方法的变精度复合粗糙集的β-上近似、β-下近似、β-正区域、β-负区域、β-边界区域、β-精确度和β-粗糙度等概念;同时,对变精度复合粗糙集的相关性质进行了研究。最后,通过实例说明了该模型在信息处理中的应用,进一步说明该模型具有一定的容错性,抗干扰能力增强,应用范围扩大。
- 赵静蒋芸李志磊胡学伟
- 关键词：变精度粗糙集近似算子
- 基于UPnP的通用型桥接器设计与实现被引量：1
- 2014年
- 在现代物联网中,各类异构网络协议在设备互联上存在不兼容性问题。为此,设计一种能够同时支持多种异构网络协议互联的新型通用型桥接器,该桥接器以UPnP协议为标准。在协议的通用性桥接上,桥接器采用分层处理的方法,在底层为每个异构网络协议编写独立的、协议相关的插件模块,并动态加载到桥接器中,形成一个半开放式的转接引擎。实验结果表明,在不改变原有内部结构的情况下,该桥接器可动态加载或取消对任一异构网络协议的桥接,并对新协议的支持具有完全的开放性和独立性。桥接器可较好地完成各类异构网络设备间的互联,实现资源的共享和异构网络的融合。
- 李想蒋芸周泽寻谢国城陈娜陈珊
- 关键词：UPNP协议ZIGBEE协议异构网络网络融合
- 复合覆盖粗糙集模型及其应用被引量：3
- 2017年
- 针对覆盖粗糙集仅适用于单一数据类型的论域覆盖的问题,提出复合覆盖粗糙集模型。在研究邻域覆盖粗糙集、集值覆盖粗糙集、区间值覆盖粗糙集的基础上,在复合数据模型下,通过建立多种覆盖关系(邻域覆盖、集值覆盖、区间值覆盖等),提出复合覆盖粗糙集模型,并给出复合覆盖粗糙集相关概念及性质。该模型适用于多种数据类型(符号数据、区间数据、集合数据、数值数据等)的论域覆盖问题,通过实例说明了该模型在复合信息系统中的应用,进一步加深对复合覆盖粗糙集相关概念的理解。
- 赵静蒋芸
- 关键词：覆盖粗糙集
- 基于条件深度卷积生成对抗网络的视网膜血管分割被引量：10
- 2021年
- 视网膜血管的分割帮助医生对眼底疾病进行诊断有着重要的意义.但现有方法对视网膜血管的分割存在着各种问题,例如对血管分割不足,抗噪声干扰能力弱,对病灶敏感等.针对现有血管分割方法的缺陷,本文提出使用条件深度卷积生成对抗网络的方法对视网膜血管进行分割.我们主要对生成器的网络结构进行了改进,在卷积层引入残差模块进行差值学习使得网络结构对输出的改变变得敏感,从而更好地对生成器的权重进行调整.为了降低参数数目和计算,在使用大卷积核之前使用小卷积核对输入特征图的通道数进行减半处理.通过使用U型网络的思想将卷积层的输出与反卷积层的输出进行连接从而避免低级信息共享.通过在DRIVE和STARE数据集上对本文的方法进行了验证,其分割准确率分别为96.08%、97.71%,灵敏性分别达到了82.74%、85.34%,F度量分别达到了82.08%和85.02%,灵敏度比R2U-Net的灵敏度分别高了4.82%,2.4%.
- 蒋芸谭宁
- 关键词：卷积神经网络
- 基于判别式受限玻尔兹曼机的医学图像分类法被引量：11
- 2015年
- 随着计算机技术的发展,越来越多的医学图像分析技术应运而生。利用数据挖掘方法对医学图像做分析是目前研究的热点之一,该方法首先从医学图像中提取统计特征,在此基础上进一步挖掘,这种方法对所提取的特征有很强的依赖性而且受到经验等主观因素的影响。针对乳腺X光图像,采用一种可以从图像中自动学习特征并利用学习到的特征对图像进行分类的医学图像分析新方法——判别式受限玻尔兹曼机(Discriminative Restricted Boltzmann Machine,DRBM)。DRBM是一种无向判别模型,它可以自动地从图像中学习特征。在乳腺X光图像标准数据集上的实验结果表明,DRBM对医学图像的分类准确率明显高于其它基于统计特征提取的医学图像分类方法。
- 陈娜蒋芸邹丽沈建胡学伟李志磊
- 关键词：数据挖掘
- 融合标记独有属性特征的k近邻多标记分类新算法被引量：7
- 2019年
- 在多标记学习系统中,每个样本同时与多个类别标记相关,却均由一个属性特征向量描述。大部分已有的多标记分类算法采用的共同策略是使用相同的属性特征集合预测所有的类别标记,但它并非最佳选择,原因在于每个标记可能与其自身独有的属性特征相关性最大。针对这一问题,提出了融合标记独有属性特征的k近邻多标记分类算法—IML-kNN。首先对多标记数据的特征向量进行预处理,分别为每类标记构造对该类标记最具有判别能力的属性特征;然后基于得到的属性特征使用改进后的ML-kNN算法进行分类。实验结果表明,IML-kNN算法在yeast和image数据集上的性能明显优于ML-kNN算法以及其他3种常用的多标记分类算法。
- 蒋芸肖潇侯金泉陈莉
- 关键词：多标记学习
- 基于决策树对支持向量机的医学图像分类新方法被引量：9
- 2016年
- 针对传统对支持向量机多类分类算法(Multi-TWSVM)中出现的模糊性问题,提出了一种基于遗传算法的决策树对支持向量机(GA-DTTSVM)多类分类算法。GA-DTTSVM用遗传算法对特征数据建立决策树,通过构建决策树可以分离样本的模糊区域,提高模糊区域样本的识别率。在决策树的每个节点上用对支持向量机(TWSVM)训练分类器,最后用训练的分类器进行分类和预测。实验结果表明,与决策树对支持向量机(DTTSVM)多类分类算法以及Multi-TWSVM相比,GA-DTTSVM多类分类算法具有较高的分类精度和较快的训练速度。
- 邹丽蒋芸陈娜沈健胡学伟李志磊
- 关键词：遗传算法
