张道强
- 作品数：203 被引量：385H指数：10
- 供职机构：南京航空航天大学更多>>
- 发文基金：国家自然科学基金江苏省自然科学基金中央级公益性科研院所基本科研业务费专项更多>>
- 相关领域：自动化与计算机技术医药卫生文化科学理学更多>>
- 一种基于专家眼动数据的微创手术错误预判与技能评价网络及其方法
- 本发明公开了一种基于专家眼动数据的微创手术错误预判与技能评价网络及其方法，所述方法包括以下步骤，S1、数据采集与预处理步骤：对影像设备视频帧预处理，获取手术专家分析视频时的眼动信号，生成与每一视频帧对应的眼动热图；S2、...
- 陈芳徐天泽张道强曹治
- 一种大脑局部功能动态性实时测量系统
- 本发明公开了一种大脑局部功能动态性实时测量系统，包括：实验范式设计模块、核磁图像处理模块、脑区定位模块、脑区功能动态性评估模块和分析结果显示模块；实验范式设计模块用于确定实验对象参与的实验内容和流程，根据研究人员的实验目...
- 温旭云张道强杨明刘玉婷
- 原空间中的核SOM分类器被引量：23
- 2004年
- 自组织特征映射 (SOM)是Kohonen提出的一种人工神经网络模型 ,其整个学习过程是在输入样本空间内进行 ,并以欧氏距离为度量 .这将导致当输入样本分布结构呈高度非线性时 ,其分类能力下降 .核方法通过核函数实现了一个从低维输入空间到高维特征空间的映射 ,从而使输入空间中复杂的样本结构在特征空间中变得简单 .Donald等人通过核映射将低维输入空间中的非线性问题变换至高维特征空间中 ,从而使SOM聚类形成于映射后的高维特征空间中 .但其缺点是失去了对原输入空间聚类中心及结果的直观刻画 ;本文采用核方法的目的是为原输入空间诱导出一类异于欧氏距离的新的距离度量 ,并使原SOM成为特例 .而核的多样性进一步可诱导出原空间中不同的度量 ,导致各种对应SOM分类器的生成 .最后 ,本文侧重通过几种经典的核函数在Benchmark上的试验 。
- 潘志松陈松灿张道强
- 关键词：SOM核方法
- 一种不依赖外部定位设备的超声三维结构快速获取系统的方法
- 本发明公开了一种不依赖外部定位设备的超声三维结构快速获取系统的方法，在不配备辅助定位设备的情况下，利用现有二维超声成像系统，即可实现三维组织结构快速获取与呈现，用于病灶精确定位，辅助精准的手术导航。该发明将有利于推动超声...
- 陈芳陈凌钰赵俊勇张道强
- 文献传递
- 一种基于多视图聚类的个体和群体脑图谱构建系统
- 本发明公开了一种基于多视图聚类的个体和群体脑图谱构建系统，包括：实验范式设计模块、图像处理模块、种子点获取模块、脑功能图谱构建模块和脑功能图谱实时显示模块；实验范式设计模块用于确定多个受试者参与的实验内容和流程，根据研究...
- 温旭云杨梦婷张道强
- 在大脑神经传导信号分类中的判别性子图挖掘方法
- 一种在大脑神经传导信号分类中的判别性子图挖掘方法，首先对每个样本构建结构连接网络，然后根据的它们的标签把训练样本分为两个组即正常信号发生人群组和异常信号发生人群组，并对每个组分别利用频繁子图挖掘算法挖掘出两组频繁子网络，...
- 张道强费飞王立鹏接标
- 文献传递
- 一种分析基因对多模态脑影像表型影响的方法
- 本发明公开了一种分析基因对多模态脑影像表型影响的方法，首先提出了一种图扩散方法，用于在给定多模态表型的情况下增强样本之间的相似性度量，并将多个输入相似性图融合到具有不同成像表型之间几何结构的统一图；其次，使用统一图来表示...
- 汪美玲张道强
- 一种联合脑电和混合现实显示的术中引导方法及引导装置
- 本发明公开了一种联合脑电和混合现实显示的术中引导方法及引导装置，方法包括如下步骤：步骤1、对病灶信息进行混合现实显示；步骤2、采集操作者的脑电信号；步骤3、对步骤2采集到的脑电信号做预处理；步骤4、利用分类算法提取关键解...
- 徐天泽杜庆节张赛楠曹治韩浩杰陈芳张道强
- 一般多值双向联想记忆模型及其在IP地址识别中的应用被引量：2
- 2004年
- 通过引入模式相似度的概念,给出了一个一般的多值双向联想记忆模型.该模型囊括了Wang的指数式多值双向联想记忆(Mv-eBAM)以及多项式多值双向联想记忆(PBHC),并衍生出几种新的多值双向联想记忆模型,即正切联想记忆(HTBAM)和柯西联想记忆等.其中侧重对比讨论了HTBAM和Wang的PBHC模型,模拟结果显示HTBAM具有和PBHC相当的存储容量,且纠错性能显著提高.最后利用此性能,将HTBAM用于IP地址识别中,给出了一种新颖的联想IP路由查找方法.
- 张道强陈松灿潘志松
- 关键词：相似度能量函数
- 局部判别型典型相关分析算法被引量：6
- 2008年
- 在典型相关分析(CCA)的基础上,通过引入样本的类信息,并结合局部化思想,充分考虑了同类样本之间的局部相关与不同类样本之间的局部相关关系及其对分类的影响,提出了一种新的有监督学习方法——局部判别型CCA(Locality Discriminative CCA,简记为LDCCA)。LDCCA提取的特征能够实现同类样本之间相关最大化,同时使得不同类样本之间相关最小化,这将有利于模式的分类。在人工数据集,手写体数字数据集上和ORL,Yale和AR人脸数据集的实验结果表明,LDCCA能有效地利用类信息来提高分类性能。
- 彭岩张道强
- 关键词：特征提取降维
