黑龙江省自然科学基金(F201347)
- 作品数：22 被引量：68H指数：5
- 相关作者：陈宇黄仲洋李红波江露钟秋波更多>>
- 相关机构：东北林业大学宁波工程学院哈尔滨理工大学更多>>
- 发文基金：哈尔滨市科技创新人才研究专项资金黑龙江省自然科学基金中央高校基本科研业务费专项资金更多>>
- 相关领域：自动化与计算机技术农业科学电子电信文化科学更多>>
- 基于DE-ELM的林业信息文本分类算法被引量：4
- 2015年
- 为解决传统林业信息文本分类算法准确率低和正确率分布不均匀的问题,提出基于差分演化优化极端学习机的林业信息文本分类算法。使用TF-IDF方法计算林业信息文本特征值,对构造的林业信息文本特征矩阵降维,结合差分演化算法对极端学习机算法进行优化,构造分类器进行精准快速的分类。实验结果表明,该算法能有效克服极端学习算法的缺点,具有较好的局部与全局收敛能力,相较BP、SVM算法,该算法有一定竞争力,为林业信息文本的分类研究提供了参考。
- 陈宇王明月许莉薇
- 关键词：文本分类极端学习机TF-IDF
- Huang族校正电容层析成像图像重建算法被引量：2
- 2018年
- 针对电容层析成像(ECT)技术中的"软场"效应和病态问题,提出了一种Huang族校正的电容层析成像图像重建算法。首先依据ECT系统的基本原理,推导出ECT问题中Huang族校正的校正公式,其次给出校正后用于ECT反问题求解仿真实验的迭代公式。最后,采用数字仿真模拟实验方式,验证提出方法的有效性。实验结果表明,Huang族校正方法对于极低位、低位、核心流而言,图像误差分别降到24. 39%、25. 81%和40. 91%,均低于LBP、Landweber、SD和CG方法;对于极低位、低位及柱状流而言,迭代次数分别为12、12、27次,比Landweber算法和SD法都要低,综合分析,可知Huang族校正方法实验效果良好。
- 陈宇李洪宇
- 关键词：电容层析成像图像重建
- 基于优化LM模糊神经网络的不均衡林业信息文本分类算法被引量：3
- 2015年
- 为解决不均衡林业信息文本分类中少数类分类正确率低问题,提出了一种基于优化LM模糊神经网络的不均衡林业信息文本分类算法。在阐述优化LM模糊神经网络算法原理的基础上,提取不均衡林业信息文本特征矩阵训练分类器的各项参数,实现对不均衡林业信息文本的精准与快速分类。实验结果表明该算法对少数类辨识准确率高,优于神经网络分类法以及SVM算法、模糊神经网络算法,为不均衡林业信息文本的分类提供了新思路。
- 陈宇许莉薇
- 关键词：分类器
- 基于RW-GN的电容层析成像流型辩识算法
- 2015年
- 为解决电容层析成像反问题流型识别困难的问题,提出一种基于修正加权高斯牛顿的神经网络(RW-GN)对电容层析成像流型辩识的算法。在研究高斯牛顿算法原理的基础上,对原算法进行优化,对优化之后算法的稳定性进行验证;在此基础上探讨将基于修正加权高斯牛顿的神经网络算法应用于电容层析成像流型辨识的可行性。实验结果表明,与BP神经网络、SVM、决策树识别算法相比,该算法对5种流型有较高的识别率。
- 黄仲洋陈宇许莉薇
- 关键词：电容层析成像稳定性可行性识别率
- 一种XNet-CNN糖尿病视网膜图像分类方法被引量：5
- 2020年
- 本文针对传统的视网膜图像处理过程繁琐、鲁棒性差的缺点,提出设计了一种基于深度卷积神经网络(Convolutional Neural Network,CNN)的视网膜图像自动识别系统。首先,对图像预处理包括去除噪声、数值归一化、数据量扩增;然后,设计提出了一种新的神经网络模型——XNet,XNet中和了LeNet和Inception网络的深度,网络参数根据训练样本进行适应性调整;最后,针对不同的网络结构进行了准确率和迭代次数的比较。实验结果表明,XNet网络的结构要优于LeNet和Inception,准确率可以达到91%;并通过实验证实了数据扩增的必要性。
- 陈宇周雨佳丁辉
- 关键词：卷积神经网络
- 一种深度学习的信息文本分类算法被引量：19
- 2017年
- 针对传统文本分类算法准确率低和正确率分布不均匀的问题,提出了基于深度学习的文本分类算法。深度信念网络具有强大的学习能力,可以从高维的原始特征中提取高度可区分的低维特征,不仅能够更全面的考虑到文本信息量,而且能够进行快速分类。采用TF-IDF方法计算文本特征值,利用深度信念网络构造分类器进行精准分类。实验结果表明,与支持向量机、神经网络和极端学习机等常用分类算法相比,该算法有更高的准确率和实用性,为文本的分类研究开拓了新思路。
- 吕淑宝王明月翟祥陈宇
- 关键词：文本分类分类器
- 基于修正隐式Landweber方法的ECT图像重建算法被引量：6
- 2018年
- 针对电容层析成像(ECT)技术中存在的软场效应及病态问题,提出一种基于修正隐式Landweber的电容层析成像算法。在分析电容层析成像系统基本原理的基础上,给出隐式Landweber方法解决ECT图像重建问题的求解公式,并对该公式进行迭代修正。同时对修正后的隐式Landweber电容层析成像算法的收敛性进行分析。仿真实验结果表明,修正隐式Landweber方法在解决ECT图像重建问题上,其精度与速度均优于经典Landerber、LBP等方法,且实现简单、稳定性好。
- 陈宇李洪宇夏宗基
- 关键词：电容层析成像图像重建迭代算法支持向量机
- 基于改进Runge-Kutta型landweber的电容层析成像图像重建算法被引量：14
- 2014年
- 针对电容层析成像(ECT)技术中的"软场"效应和病态问题,提出了一种改进的RungeKutta型landweber的电容层析成像算法。在分析ECT系统基本原理的基础上,推导出了解决电容层析成像问题的改进Runge-Kutta型landweber算法的数学模型,并采用迭代误差的单调性对算法的收敛性进行了分析。在此基础上探讨了ECT应用该算法的可行性,算法满足收敛条件且重建图像误差小。仿真和实验结果表明,该算法和LBP、landweber、最速下降法和共轭梯度算法相比,该算法兼备成像质量高、稳定性好等优点。
- 陈宇陈德运
- 关键词：电容层析成像图像重建迭代算法正则化
- SADE-ELM电容层析成像流型辨识算法被引量：1
- 2014年
- 针对电容层析成像反问题流型识别较难的问题,提出了一种新的ECT流型辨识算法——差分演化优化极端学习机算法,进而提出了基于自适应差分演化优化极端学习机(Sa DEEML)的ECT辨识算法.在论述极端学习机算法的基础上,结合差分演化算法对极端学习机算法进行优化,自适应差分演化算法中的关键参数,通过训练得到各类流型的分类器的参数,构造分类器进行精准与快速分类.实验结果表明:该算法能有效克服极端学习机算法的缺点并提高了局部与全局收敛能力,通过与BP、SVM算法比较,该算法具有竞争力,并为电容层析成像流型辨识的研究提供了新算法.
- 陈宇许莉薇黄仲洋江露
- 关键词：电容层析成像
- LBP-自适应增强模型的木材纹理分类被引量：4
- 2015年
- 针对传统木材纹理分类的准确率低且难度大的问题,依据LBP(局部二值)算子和ADABOOST(自适应增强)算法理论,提出了LBP-ADABOOST模型对木材纹理进行识别分类.通过均匀旋转不变特性与原始LBP算子相融合,提取纹理的特征值,结合自适应增强算法,从而训练得到每类纹理所对应的分类器模型参数,构造分类器,实现对木材纹理准确高效分类.实验结果表明相比于BP神经网络,SVM支持向量机等分类算法,该模型的实验结果误差率为4%左右,准确率高,实用性强.
- 向东陈宇陈广胜
- 关键词：LBP算子ADABOOST算法分类器
