热孜万古丽·夏米西丁
- 作品数：2 被引量：1H指数：1
- 供职机构：新疆师范大学计算机科学技术学院更多>>
- 发文基金：国家自然科学基金中国博士后科学基金全国统计科学研究计划项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于全卷积自加权分类器的三维颅骨性别鉴定
- 2022年
- 传统颅骨性别鉴定通常需要人为指定或者测量颅骨的几何形态指标,难以全面地提取颅骨性别特征,无法保证性别鉴定的准确率。为此,提出一种基于深度学习的颅骨性别鉴定方法,用三通道的二维图像表示三维颅骨数据,解决了神经网络难以有效处理拓扑复杂的三维颅骨模型的问题;设计了专用的全卷积自加权分类器,分别判别颅骨的不同部位;加入权值网络和patch自加权损失,提升了颅骨性别鉴定的准确率。与文献中的颅骨性别鉴定方法和经典分类网络的对比实验结果表明,本文方法鉴定结果准确率较高(完整颅骨鉴别准确率98.30%,缺损颅骨鉴别准确率98.98%)。
- 张念凯乔学军热孜万古丽·夏米西丁赵俊莉
- 关键词：性别鉴定
- 结合颅骨形态特征与神经网络的民族判别被引量：1
- 2021年
- 针对颅骨民族判别问题,提出结合颅骨形态特征与神经网络的判别方法,可以推进法医人类学的发展,加快探索民族发展历程。首先,根据颅骨形态学相关研究,提取36个维吾尔族和汉族颅骨数据的几何特征;其次,采用反向传播神经网络(BPNN)对特征向量进行民族判别,并通过Adam算法对网络进行优化,避免陷入局部最优值,添加正则化项保证算法稳定性;最后,分别采用2种网络结构进行对比实验,输入层、隐藏层和输出层的神经元个数分别为36、6、2和36、12、2,并设置不同初始学习率进行对比实验。结果表明:隐藏层神经元个数为12、学习率为0.0001时,分类精度最高,测试阶段平均准确率最高为97.5%。为了验证所提方法的普适性,生成116例国外颅骨数据进行实验,测试阶段平均准确率为90.96%。相比较于支持向量机(SVM)、决策树、KNN、Fisher等机器学习方法,所提方法学习能力更强且分类精度有明显提升。
- 孙慧杰赵俊莉郑鑫热孜万古丽·夏米西丁李奕周明全
