国家自然科学基金(61272315)
- 作品数：24 被引量：114H指数：7
- 相关作者：陆慧娟金群严珂郑文斌陈晓青更多>>
- 相关机构：中国计量大学中国计量学院早稻田大学更多>>
- 发文基金：国家自然科学基金浙江省自然科学基金浙江省科技计划项目更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- Faster-RCNN的癌症影像检测方法被引量：14
- 2018年
- 医学影像是癌症早期检测的一个重要方式.现提出一种基于更快速区域卷积神经网络(FasterRCNN)的癌症影像检测方法,通过添加拉普拉斯卷积层锐化结节边缘、突出结节轮廓,修改锚框大小,调试超参数提高了检测效果.该方法在保证精度的情况下,提高了诊断效率,为计算机辅助诊断提供了参考.
- 王黎陆慧娟叶敏超严珂
- 关键词：医学影像
- 基于差异性和准确性的加权调和平均度量的基因表达数据选择性集成算法被引量：7
- 2018年
- 基分类器之间的差异性和单个基分类器自身的准确性是影响集成系统泛化性能的两个重要因素,针对差异性和准确性难以平衡的问题,提出了一种基于差异性和准确性的加权调和平均(D-A-WHA)度量基因表达数据的选择性集成算法。以核超限学习机(KELM)作为基分类器,通过D-A-WHA度量调节基分类器之间的差异性和准确性,最后选择一组准确性较高并且与其他基分类器差异性较大的基分类器组合进行集成。通过在UCI基因数据集上进行仿真实验,实验结果表明,与传统的Bagging、Adaboost等集成算法相比,基于D-A-WHA度量的选择性集成算法分类精度和稳定性都有显著的提高,且能有效应用于癌症基因数据的分类中。
- 高慧云陆慧娟严珂叶敏超
- 关键词：基因表达数据
- 基于卷积神经网络的乳腺癌组织病理图像分类被引量：8
- 2020年
- 为提高对乳腺癌组织病理图像分类的准确率,提升治疗效果,设计一个基于卷积神经网络的图像分类模型,将乳腺癌图像分为良性和恶性。乳腺癌图像拥有复杂的纹理结构,利用Inception网络结构强大的特征提取能力处理图像,使用数据增强扩充数据集,使用迁移学习初始化网络参数,抑制在神经网络中的欠拟合和过拟合。实验结果表明,该模型可以自动地分类乳腺癌组织病理图像,分类准确率较先前的模型有大幅提升。
- 邹文凯陆慧娟叶敏超严珂
- 关键词：乳腺癌图像分类卷积神经网络INCEPTION
- 基于ACO的智能终端旅游行程规划系统设计被引量：6
- 2016年
- 旅游行程规划对自助游客来说是一件非常繁琐的事情。针对该问题,对行程规划模型、行程规划算法和实现方案进行研究,构建城市内的旅游行程规划服务平台。结合蚁群优化ACO(Ant Colony Optimization)算法、百度地图API、Android开发、Web Service和JSON等技术,改进ACO算法,实现了基于Android智能终端的城市内自助游行程规划系统。实验结果表明,实现的智能终端行程规划系统在城市区域内的旅游行程规划方面具有规划效率高、规划结果合理、信息展示直观、使用方便等优点,具有一定的推广价值。
- 睢先先宋夫华
- 关键词：ACO算法
- 局部感知的类限制极限学习机被引量：1
- 2018年
- 极限学习机(ELM)因其高效的训练方式被广泛应用于分类回归,然而不同的输入权值在很大程度上会影响其学习性能。为了进一步提高ELM的学习性能,针对ELM的输入权值进行了研究,充分利用图像局部感知的稀疏性,将局部感知的方法运用到基于自动编码器的ELM(ELM-AE)上,提出了局部感知的类限制极限学习机(RF-C2ELM)。通过对MNIST数据集进行分类问题分析实验,结果表明,在具有相同隐层节点数的条件下,提出的方法能够获得更高的分类精度。
- 卢海峰卫伟杨梦月
- 关键词：极限学习机神经网络
- 基于小样本知识蒸馏的乳腺癌组织病理图像分类
- 2022年
- 目的:研究一种用于乳腺癌病理图像分类的小样本知识蒸馏方法。方法:采用一种双级蒸馏策略来实现小样本环境下的知识蒸馏。在多教师知识蒸馏中提出一种简单有效的多教师软目标整合方法,以提高优秀教师网络在知识蒸馏中的指导作用。第一步,将学生区块逐一嫁接到教师网络身上,并与其他教师区块交织在一起训练,训练过程只更新嫁接区块的参数。第二步,将训练好的学生区块依次嫁接到教师网络上,让习得的学生区块相互适应,最终取代教师网络,得到一个更轻量化的网络结构。结果:得到一个优秀的轻量化网络用于分类乳腺癌组织病理图像。在BreaKHis数据集上的实验结果表明,通过基于小样本的双级蒸馏策略成功地将教师网络的知识传递到学生网络,并获得了与教师网络几乎相当的决策性能,且其网络结构更加轻量化。结论:这种嫁接策略,可以更好地利用多个教师模型中训练有素的参数,并且还可以显著缩小学生模型的参数空间。
- 王雷奇陆慧娟朱文杰霍万里
- 关键词：乳腺癌图像分类
- PSO和Cholesky分解的KELM的基因表达数据分类被引量：2
- 2016年
- 核极限学习机(KELM)可使低维空间中线性不可分的数据变得线性可分,增加了ELM算法的鲁棒性,但KELM算法的输入权值参数采用随机初始化,容易导致算法不稳定.为此,本研究提出用粒子群优化算法对KELM中的权值初始参数进行优化、设定,以得到优化的分类器PSO-KELM.由于该算法输出权值求解采用传统的矩阵求逆运算,导致计算复杂,因此再对KELM的输出权值采用Cholesky分解进行优化.经一些标准基因数据集的实验表明,提出的PSO-KELM算法与已有的ELM、KELM、PSO-ELM相比分类精度更高,适用于基因表达数据分类.
- 杜帮俊陆慧娟严珂郑文斌
- 关键词：粒子群优化算法CHOLESKY分解
- 基于Boruta-PSO-SVM的股票收益率研究被引量：10
- 2018年
- 针对股票收益率的分类预测研究中支持向量机(SVM)存在的参数选择困难以及分类性能较差的问题,提出了一种基于特征选择(Boruta算法)和粒子群优化(PSO)算法SVM的新算法。通过Boruta算法对训练集进行特征选择,剔除无价值的特征以降低输入维度,同时引入PSO算法优化SVM核函数参数,从而提高SVM的分类性能。实验结果表明:相比决策树、神经网络及极限学习机算法,新算法取得了更高的分类精度,可以有效提高股票收益率的分类预测性能。
- 郭海山高波涌陆慧娟
- 关键词：支持向量机粒子群优化股票收益
- 面向基因选择的结合Relief-F和决策树的APSO算法被引量：4
- 2019年
- 由于基因表达数据高维度、高噪声、小样本的特点,基因选择一直是肿瘤分类的一大挑战。为了提高肿瘤分类的精度,同时保证基因选择的效率,提出一种结合Relief-F和CART决策树的自适应粒子群优化(APSO)算法(R-C-APSO)。该方法首先利用Relief-F快速过滤大量无关基因和噪声,缩小基因选择范围;然后以CART决策树为适应度函数,用APSO算法对基因进行最终搜索。通过六个数据集的分析实验,结果表明R-C-APSO拥有较高的分类精度和较快的基因选择速度,且具有良好的稳定性。
- 叶超超潘巨龙
- 关键词：基因选择决策树肿瘤分类
- 基于多层特征表征与级联模型的医疗简历筛选
- 2022年
- 本文研究医疗简历筛选,提出了基于多级特征表征与级联模型的方法.首先,面向医疗简历教育与工作背景、科研能力、业务能力等多组与多层特征表征问题,提出基于注意力网络的多级特征表征方法,实现特征级、特征组级与特征组组合等多级表征的融合.其次,提出了级联分类模型建模细粒度筛选过程,将现有简单的“通过与不通过”粗略筛选改进为“优秀、良好、中等、一般”的细粒度筛选,更加符合现今医院招聘初审、笔试、面试的多级筛选过程,有利于后续对不同等级人才的考量,也解决了数据不平衡带来的分类错误.最后,在包含13552条简历的数据集上验证了所提出方法,以支持向量机为分类方法的级联模型平均F1值达82.46%.特别是能够提升优秀类简历的分类效果,对可能被录用的竞聘者识别的更好,对于简历筛选的实际应用帮助更大.
- 张晓莹陆慧娟
