检索结果-南通市图书馆

DE-NNs:基于动态证据神经网络的脑网络分析算法

在线全文

学校读者我要写书评

暂无评论

计算机研究与发展 2024年

作者：侯涛丁卫平黄嘉爽鞠恒荣南通大学人工智能与计算机学院模式分析与机器智能工业和信息化部重点实验室(南京航空航天大学)

动态功能连接（dynamic functional connections，dFCs）已广泛应用于静息态功能磁共振成像（rs-fMRI）分析，其可以将大脑功能连接视为在多个时间窗上动态变化的过程，探索大脑在不同时间段内的功能连接变化，为脑疾病诊断提供了新的... 详细信息

动态功能连接（dynamic functional connections，dFCs）已广泛应用于静息态功能磁共振成像（rs-fMRI）分析，其可以将大脑功能连接视为在多个时间窗上动态变化的过程，探索大脑在不同时间段内的功能连接变化，为脑疾病诊断提供了新的视角和策略．然而常见的动态脑网络分析方法无法有效利用动态数据之间的潜在关联和时序性，且忽视了各个窗口因为数据质量不一致而导致的不确定性因素．为此，提出一种基于动态证据神经网络（dynamic evidence neural networks，DE-NNs）的脑网络分析算法．该算法设计了一种动态脑网络多视图证据获取模块，将动态脑网络的每个时间窗视为一个视图，利用3个不同的卷积滤波器提取动态脑网络每个时间窗的特征图，充分获取动态层面的证据．为了充分利用动态证据，设计了一种动态证据融合机制，结合证据理论合成规则，针对dFC数据的时序性构造动态信任函数，在分类的决策层对多个窗口产生的证据进行融合，充分考虑不确定性信息，显著提高分类性能．为验证所提DE-NNs的有效性，在3个精神分裂症数据集上与现有的先进算法进行比较实验，结果表明DE-NNs在3个脑疾病诊断任务上的准确率和F1分数都得到了显著提升．

关键词：证据融合不确定性动态功能连接脑网络分析脑疾病诊断

粒-组协同的双向模糊粒舱并行属性约简加速方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

系统工程理论与实践 2024年

作者：鞠恒荣单婷婷刘克宇樊晓雪陈悦鹏丁卫平南通大学信息科学技术学院西南交通大学计算机与人工智能学院

大数据分析是目前最活跃的数据挖掘研究之一.由于大数据具有巨大规模和低价值密度的特点，海量数据分析对传统的数据挖掘和分析技术带来了严峻的挑战.本文基于Spark 分布式架构，提出了一种新颖的粒-组协同双向模糊粒舱并行属性约简加... 详细信息

大数据分析是目前最活跃的数据挖掘研究之一.由于大数据具有巨大规模和低价值密度的特点，海量数据分析对传统的数据挖掘和分析技术带来了严峻的挑战.本文基于Spark 分布式架构，提出了一种新颖的粒-组协同双向模糊粒舱并行属性约简加速方法，以加快属性约简算法的实现速度.本文的主要工作由以下四部分组成.首先，对数据集进行划分，将数据子集按决策类等比例分布给多个子节点，以进行并行计算.每个子节点独立执行可以加快整体计算速度.其次，利用虚拟样本构造双向模糊粒舱模型，通过减少计算样本间的模糊关系来实现粒度层面的加速. 然后，为了减少属性约简的计算时间，本文提出了一种粒-组协同的属性约简方法，将属性组和双向模糊粒舱相结合，实现属性层面的加速任务.最后，在主节点将各子节点的约简聚合，对排序后的结果再次进行属性评价，提高约简子集的稳定性.在9个公共数据集上进行实验验证，结果表明本文提出的算法相较于传统的属性约简算法，减少了计算成本，并且提高了运行效率和分类精度.

关键词： Spark分布式粒-组协同粒舱模糊关系属性约简加速器

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于多模态多粒度融合网络的癫痫识别方法

数据采集与处理 2024年第3期39卷 710-723页

作者：戚晓雨丁卫平鞠恒荣程学云黄嘉爽南通大学信息科学与技术学院南通226019

结构脑网络(Structural brain network,SC)和功能脑网络(Functional brain network,FC)能从不同角度反映癫痫对大脑结构信息的改变。目前,融合两类脑网络信息进行癫痫的辅助诊断已成为领域内的重要研究之一。然而,常见的融合模型仅在单... 详细信息

结构脑网络(Structural brain network,SC)和功能脑网络(Functional brain network,FC)能从不同角度反映癫痫对大脑结构信息的改变。目前,融合两类脑网络信息进行癫痫的辅助诊断已成为领域内的重要研究之一。然而,常见的融合模型仅在单一粒度上融合两类脑网络信息,忽略了脑网络的多粒度属性。本文提出一种基于多模态多粒度融合网络(Multi-modal multi-grained fusion network,MMFN)的癫痫识别方法,从全局和局部两个粒度对多模态脑网络特征进行融合,充分利用两类脑网络信息。局部粒度上,设计了连接边特征融合和节点特征融合,用以重构两类脑网络的连接边层和节点层的特征图,使两个模态交互式地学习特征;全局粒度上,设计了多模态分解双线性池化模块,学习两类脑网络的联合表示。实验结果表明,相比主流方法,所提方法可以显著提高对癫痫识别的准确率,辅助医生进行癫痫诊断。

关键词：多模态图像多粒度癫痫结构脑网络功能脑网络

FDiff-Fusion：基于模糊逻辑驱动的医学图像扩散融合网络分割模型

在线全文

学校读者我要写书评

暂无评论

计算机科学 2024年

作者：耿胜丁卫平鞠恒荣黄嘉爽姜舒王海鹏南通大学人工智能与计算机学院

医学图像分割在临床诊疗和病理分析中具有重要应用价值。近年来，去噪扩散模型在图像分割建模方面取得了显著的成功，其能够更好地捕获图像中的复杂结构和细节信息。然而利用去噪扩散模型用于医学图像分割的方法大多忽略了分割目标的边... 详细信息

医学图像分割在临床诊疗和病理分析中具有重要应用价值。近年来，去噪扩散模型在图像分割建模方面取得了显著的成功，其能够更好地捕获图像中的复杂结构和细节信息。然而利用去噪扩散模型用于医学图像分割的方法大多忽略了分割目标的边界不确定和区域模糊因素，从而造成了最终分割结果的不稳定性和不准确性。为了解决这一问题，文中提出了一种基于模糊逻辑驱动的医学图像扩散融合网络分割模型（FDiff-Fusion）。该模型通过将去噪扩散模型集成到经典U-Net网络中，有效地从输入医学图像中提取丰富的语义信息。由于医学图像的分割目标边界不确定性和区域模糊化现象普遍存在，所以在U-Net网络的跳跃路径上设计了一种模糊学习模块。该模块为输入的编码特征设置多个模糊隶属度函数，用以描述特征点之间的相似程度，并对模糊隶属度函数应用模糊规则处理，从而增强了模型对不确定边界和模糊区域的建模能力。此外，为了提高模型分割结果的准确性和鲁棒性，在测试阶段引入了基于迭代注意力特征融合的方法，该方法将局部上下文信息添加到注意力模块中的全局上下文信息中，以融合每个去噪时间步的预测结果。实验结果显示，与现有的先进分割网络相比，FDiff-Fusion在BRATS 2020脑肿瘤数据集上获得的平均Dice分数和HD95距离分别为84.16%和2.473mm，在BTCV腹部多器官数据集上获得的平均Dice分数和HD95距离分别为83.82%和7.98mm，表现出了良好的分割性能。

关键词：去噪扩散模型 U-Net网络医学图像分割模糊学习迭代注意力特征融合

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

融合稀疏约束的双向k近邻粗糙集模型

小型微型计算机系统 2024年第10期45卷 2370-2377页

作者：樊晓雪尹涛陆杨鞠恒荣丁卫平南通大学信息科学与技术学院江苏南通226019

k近邻粗糙集作为邻域粗糙集的拓展,被广泛应用于知识发现等领域.k近邻粗糙集模型的粒度构建是选取最近的k个样本.然而,传统k近邻粒度不能有效处理样本分布不均匀的数据.此外,单向粒度构建方法也会导致部分离群点被归入到粒度模型中,增... 详细信息

k近邻粗糙集作为邻域粗糙集的拓展,被广泛应用于知识发现等领域.k近邻粗糙集模型的粒度构建是选取最近的k个样本.然而,传统k近邻粒度不能有效处理样本分布不均匀的数据.此外,单向粒度构建方法也会导致部分离群点被归入到粒度模型中,增加了粒度的不确定性.为了解决上述问题,提升粒度模型的稳定性,本文提出了一种融合稀疏约束的双向k近邻粗糙集模型.首先,通过稀疏约束模型刻画样本之间联系,选取紧密关联的样本构造稀疏双向k近邻粒度.然后,基于双向互邻信息策略,剔除模型中不符合该策略的样本.最后,通过条件熵与互信息熵刻画粒度的不确定性程度.UCI数据集的实验结果证明,本文提出的融合稀疏约束的双向k近邻粗糙集模型能够降低信息的不确定性,也为k近邻粗糙集模型的改进提供了新的方向.

关键词： k近邻粗糙集稀疏约束双向策略条件熵互信息熵

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

融合内容与嵌入强化拓扑的半监督社团检测

郑州大学学报（理学版） 2024年第6期56卷 46-53页

作者：许伟忠陆杨曹金鑫鞠恒荣丁卫平金弟南通大学信息科学技术学院江苏南通226019 天津大学智能与计算学部天津300350

挖掘网络中的社团结构是复杂网络分析的关键任务,但在现实应用中如何进一步提高社团检测性能仍极具挑战性。鉴于属性网络中的节点内容和网络嵌入均蕴含有社团结构信息,提出一种基于非负矩阵分解融合节点内容和嵌入强化拓扑的半监督方法... 详细信息

挖掘网络中的社团结构是复杂网络分析的关键任务,但在现实应用中如何进一步提高社团检测性能仍极具挑战性。鉴于属性网络中的节点内容和网络嵌入均蕴含有社团结构信息,提出一种基于非负矩阵分解融合节点内容和嵌入强化拓扑的半监督方法。首先,基于生成框架重构拓扑和内容,以构建融合拓扑和内容的基本模型;然后,利用拓扑相似性构造must-link先验信息,同时由Node2Vec计算网络嵌入;最后,使用矩阵补全技术将先验信息和网络嵌入引入模型,形成融合内容、网络嵌入的半监督社团检测模型。在合成和真实网络上的实验结果充分验证了新模型的良好竞争力。

关键词：社团检测属性网络半监督节点内容嵌入强化

FTransCNN:基于模糊融合的Transformer-CNN不确定性医学图像分割模型

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2024年第6期45卷 1426-1435页

作者：王海鹏丁卫平黄嘉爽鞠恒荣曹金鑫刘传升南通大学信息科学技术学院江苏南通226019

准确的医学图像分割对于疾病的诊断和治疗至关重要,将多个模型提取的分割特征进行联合使用时存在异质性、不确定性等问题,针对这一问题,本文提出了一种基于模糊融合策略的Transformer-CNN模型(FTransCNN).首先以CNN和Transformer作为骨... 详细信息

准确的医学图像分割对于疾病的诊断和治疗至关重要,将多个模型提取的分割特征进行联合使用时存在异质性、不确定性等问题,针对这一问题,本文提出了一种基于模糊融合策略的Transformer-CNN模型(FTransCNN).首先以CNN和Transformer作为骨干网络,并行提取图片的特征信息;其次使用通道注意力促进Transformer全局关键信息,使用空间注意力增强CNN特征局部细节;接着应用Hadamard乘积对来自两个分支特征之间的细粒度交互进行建模,用Choquet模糊积分抑制融合特征的异质性以及融合特征的不确定性;然后使用Fuzzy Attention Fusion Module(FAFM)分级上采样,有效地捕获低级空间特征和高级语义上下文;最后反卷积得到最终的分割结果.在Chest X-ray数据集、Kvasir-SEG数据集和DRIVE数据集上的实验效果表明,FTransCNN与其它深度分割模型相比,在分割任务上有更好的效果.

关键词： Choquet模糊积分模糊融合医学图像分割 Transformer CNN

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

测试代价敏感的粗糙集方法

系统工程理论与实践 2017年第1期37卷 228-240页

作者：鞠恒荣周献中杨佩李华雄杨习贝南京大学工程管理学院南京210093 江苏科技大学计算机科学与工程学院镇江212003 南京大学智能装备新技术研究中心南京210093 南京大学软件新技术国家重点实验室南京210023

在粗糙集模型中,α量化不可分辨关系是强与弱不可分辨关系的推广形式.然而值得注意的是,基于这三种不可分辨关系的粗糙集并未考虑数据中属性的测试代价.为解决这一问题,提出了测试代价敏感的α量化粗糙集模型,从二元关系的角度使得粗糙... 详细信息

在粗糙集模型中,α量化不可分辨关系是强与弱不可分辨关系的推广形式.然而值得注意的是,基于这三种不可分辨关系的粗糙集并未考虑数据中属性的测试代价.为解决这一问题,提出了测试代价敏感的α量化粗糙集模型,从二元关系的角度使得粗糙集模型代价敏感,并将新模型与基于强不可分辨、弱不可分辨以及传统α量化不可分辨关系的粗糙集模型进行了对比分析.进一步地,通过分析传统启发式算法在求解约简的过程中未考虑降低代价这一不足之处,提出一种新的属性适应性函数,并将其应用于基于遗传算法的约简求解中.实验结果表明该方法不仅可以降低由边界域所带来的不确定性而且同时降低了约简后的测试代价.

关键词：粗糙集 α量化不可分辨关系测试代价敏感属性约简

在线全文

学校读者我要写书评

暂无评论

代价敏感粗糙集及其应用

代价敏感粗糙集及其应用

作者：鞠恒荣江苏科技大学

学位级别：硕士

作为智能信息处理的一种重要方法,粗糙集理论对于研究如何应用数学工具模仿人脑的思维活动和认知过程发挥着重要的作用.随着现实世界中大量应用数据在结构和形式上日益复杂化和多样化,经典粗糙集理论已经不再适应现实工程应用的需求.为... 详细信息

作为智能信息处理的一种重要方法,粗糙集理论对于研究如何应用数学工具模仿人脑的思维活动和认知过程发挥着重要的作用.随着现实世界中大量应用数据在结构和形式上日益复杂化和多样化,经典粗糙集理论已经不再适应现实工程应用的需求.为此,应用粗糙集理论处理复杂问题就必须拓展或泛化粗糙集理论的相关概念.本文从数据动态更新、测试代价敏感和决策代价敏感三个不同的视角,以粗糙集数据建模和属性约简为研究内容,获得了如下所示的研究成果:1.决策粗糙集非单调性属性约简.在决策粗糙集模型中,随着属性的单调增加,下、上近似集有可能增加也有可能减少.本文从优化角度提出了决策单调准则、一般性准则和代价准则的适应性函数并通过遗传算法求得三种准则下的约简.实验结果表明:决策单调准则约简获得了更多的正域规则;一般性准则约简获取了最多的正域规则;代价准则约简获得了最小的决策代价.2.多粒化模糊粗糙集数据动态更新.粗糙近似集和约简的动态更新是粗糙集理论非常重要的应用之一.近年来,根据不同的动态更新需求,研究者开展了大量工作.然而,基于多粒化模糊环境的动态更新的研究相对较少.本文以多粒化粗糙粗糙集为研究对象,提出了近似集动态更新的朴素算法和加速算法.在粒结构选择过程中,同样提出了朴素算法和加速算法.研究表明本文提出的加速算法大大提高了动态更新算法的运行效率,降低了算法运行消耗的时间.3.测试代价敏感粗糙集的数据建模.在不完备信息系统中,可变精度分类关系是限制容差关系的改进形式,但其并未考虑数据集中属性的测试代价.本文提出了基于测试代价敏感的可变精度分类粗糙集模型.进一步地,通过分析传统启发式算法没有考虑测试代价以及回溯算法的时间消耗等因素,提出一种新的属性重要度测量,并在此基础上设计了一种新的启发式算法.最后通过实验对比分析以说明新提出算法的有效性.4.决策粗糙集泛化模型研究.Yao等人提出的决策粗糙集模型基于传统的不可分辨关系,而不可分辨关系的定义要求过于严格.为此,本文提出了?-cut量化决策粗糙集模型.在属性约简过程中,本文在该模型下讨论了下近似单调约简和最小代价准则约简问题.实验结果表明,最小代价准则约简不仅可以获取最小的决策代价,同时能够得到很高的近似质量.

关键词：属性约简决策代价敏感动态更新粗糙集测试代价敏感