检索结果-南通市图书馆

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

基于注意力机制的语义对比学习算法

山西大学学报(自然科学版) 2024年第1期47卷 81-92页

作者：陈俊芬吕巧莉谢博鋆孙劲松河北大学数学与信息科学学院河北省机器学习与计算智能重点实验室

对比学习中不合适的数据增强会导致语义信息的失真，同一图像在不同类型的数据增强下语义信息有巨大的语义差距；此外，卷积神经网络（CNN）对纹理有强烈偏好，无法精准学习到下游任务所需的深层语义特征表示，针对以上问题，本文提出... 详细信息

对比学习中不合适的数据增强会导致语义信息的失真，同一图像在不同类型的数据增强下语义信息有巨大的语义差距；此外，卷积神经网络（CNN）对纹理有强烈偏好，无法精准学习到下游任务所需的深层语义特征表示，针对以上问题，本文提出一种基于注意力的语义对比学习方法（Semantic attention contrastive learning method,SACL）。SACL首先利用卷积神经网络提取特征，然后注意力模块挖掘全局特征，获得更高级的语义特征，实现了对低级特征的补充和深层特征的语义融合。其次使用截然不同的数据增强方式构造正负样本对，将弱增强（几何增强）生成的正样本和强增强（纹理增强）生成的负样本进行对比，获得差异更为显著的图像输入。网格化增强视图增加了正样本的个数，加快网络收敛速度。在四个数据集上验证了所提出的语义对比学习算法的有效性，结果表明在ImageNet-100数据集上平均精度可以达到78.3%，可以有效提高模型的分类准确率。

关键词：对比学习注意力机制语义特征表示数据增强纹理网格化

Graph Convolutional Network Combined with Semantic Feature Guidance for Deep Clustering

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

Tsinghua Science and Technology 2022年第5期27卷 855-868页

作者： junfen chen Jie Han Xiangjie Meng Yan Li Haifeng Li Key Laboratory of Machine Learning and Computational Intelligence of Hebei Province the College of Mathematics and Information ScienceHebei UniversityBaoding 071002China School of Applied Mathematics Beijing Normal University ZhuhaiZhuhai 519087China Department of Computer Teaching Hebei UniversityBaoding 071002China

The performances of semisupervised clustering for unlabeled data are often superior to those of unsupervised learning,which indicates that semantic information attached to clusters can significantly improve feature representation *** a graph convolutional network(GCN),each node contains information about itself and its neighbors that is beneficial to common and unique features among *** these findings,we propose a deep clustering method based on GCN and semantic feature guidance(GFDC) in which a deep convolutional network is used as a feature generator,and a GCN with a softmax layer performs clustering ***,the diversity and amount of input information are enhanced to generate highly useful representations for downstream ***,the topological graph is constructed to express the spatial relationship of *** a pair of datasets,feature correspondence constraints are used to regularize clustering loss,and clustering outputs are iteratively *** external evaluation indicators,i.e.,clustering accuracy,normalized mutual information,and the adjusted Rand index,and an internal indicator,i.e., the Davidson-Bouldin index(DBI),are employed to evaluate clustering *** results on eight public datasets show that the GFDC algorithm is significantly better than the majority of competitive clustering methods,i.e.,its clustering accuracy is20% higher than the best clustering method on the United States Postal Service *** GFDC algorithm also has the highest accuracy on the smaller Amazon and Caltech ***,DBI indicates the dispersion of cluster distribution and compactness within the cluster.

关键词： self-supervised clustering graph convolutional network feature correspondence semantic feature guidance confusion matrix evaluation indicator

直流等离子体原子发射光谱在纯钕中稀土杂质分析的应用

在线全文

学校读者我要写书评

暂无评论

岩矿测试 1998年第4期17卷 254-258页

作者：陈俊芬西北有色地质研究所

应用直流等离子体中阶梯光栅直读光谱仪进行纯钕中１４个稀土杂质元素的分析，选定了干扰小、检出限低的最佳分析线，对干扰的来源和性质作了研究，从而拟定了纯钕中稀土杂质元素的分析方法。该方法的检出限在３～８１μｇ／Ｌ，ＲＳＤ... 详细信息

应用直流等离子体中阶梯光栅直读光谱仪进行纯钕中１４个稀土杂质元素的分析，选定了干扰小、检出限低的最佳分析线，对干扰的来源和性质作了研究，从而拟定了纯钕中稀土杂质元素的分析方法。该方法的检出限在３～８１μｇ／Ｌ，ＲＳＤ（ｎ＝１１）在１％～３．６％，加标回收率为９２％～１０８％。方法已用于纯金属钕和氧化钕中杂质稀土的分析。

关键词：原子发射光谱纯钕基体稀土杂质钕

在线全文

学校读者我要写书评

暂无评论

非对称卷积编码器的聚类算法

智能系统学报 2022年第5期17卷 900-907页

作者：杨梦茵陈俊芬翟俊海河北大学数学与信息科学学院河北保定071002 河北省机器学习与计算智能重点实验室河北保定071002

基于深度神经网络的非监督学习方法通过联合优化特征表示和聚类指派,大大提升了聚类任务的性能。但大量的参数降低了运行速度,另外,深度模型提取的特征的区分能力也影响聚类性能。为此,提出一种新的聚类算法(asymmetric fully-connected... 详细信息

基于深度神经网络的非监督学习方法通过联合优化特征表示和聚类指派,大大提升了聚类任务的性能。但大量的参数降低了运行速度,另外,深度模型提取的特征的区分能力也影响聚类性能。为此,提出一种新的聚类算法(asymmetric fully-connected layers convolutional auto-encoder,AFCAE),其中卷积编码器结合非对称全连接进行无监督的特征提取,然后K-means算法对所得特征执行聚类。网络采用3×3和2×2的小卷积核,大大减少了参数个数,降低了算法复杂性。在MNIST上AFCAE获得0.960的聚类精度,比联合训练的DEC(deep embedding clustering)方法(0.840)提高了12个百分点。在6个图像数据集上实验结果表明AFCAE网络有优异的特征表示能力,能出色完成下游的聚类任务。

关键词：无监督聚类深度神经网络卷积神经网络自编码器特征学习特征表示算法复杂性

在线全文

学校读者我要写书评

暂无评论

基于无监督学习视觉特征的深度聚类方法

南京航空航天大学学报 2021年第5期53卷 718-725页

作者：陈俊芬赵佳成翟俊海李艳河北大学数学与信息科学学院河北省机器学习与计算智能重点实验室保定071002 北京师范大学珠海分校应用数学学院珠海519087

基于自编码器的特征提取技术广泛应用于图像聚类分析,在较简单的图像集上取得了令人满意的聚类结果,但自编码器的特征表示能力有限,很难捕捉到复杂低质图像的局部特征。本文提出一种基于非对称结构卷积自编码器(Convolutional auto-enco... 详细信息

基于自编码器的特征提取技术广泛应用于图像聚类分析,在较简单的图像集上取得了令人满意的聚类结果,但自编码器的特征表示能力有限,很难捕捉到复杂低质图像的局部特征。本文提出一种基于非对称结构卷积自编码器(Convolutional auto-encoder with an asymmetric structure,ASCAE)的学习视觉特征的深度聚类方法,其中非对称结构的卷积自编码器用于学习特征表示,然后使用K-means算法对特征数据进行聚类分析。为进一步提高特征表示能力,ASCAE方法的网络采用变步长的卷积层和全连接的重构误差正则约束网络的重构误差。在7个公开图像集上的实验结果表明该网络有很好的特征表示能力,并且使得K-means算法能提供很好的聚类结果。在COIL-20和MNIST图像集上,聚类方法ASCAE的聚类精度分别为0.754和0.918,优于同类型的4种深度聚类方法(AEC、IEC、DEC和DEN)。

关键词：图像聚类卷积自编码器特征表示 K-means算法聚类精度

在线全文

学校读者我要写书评

暂无评论

结合降噪和自注意力的深度聚类算法

计算机科学与探索 2021年第9期15卷 1717-1727页

作者：陈俊芬张明赵佳成谢博鋆李艳河北大学数学与信息科学学院河北省机器学习与计算智能重点实验室河北保定071002 北京师范大学珠海分校应用数学学院广东珠海519087

近几年,联合聚类划分和表示学习的深度聚类方法提供了出色的聚类性能,但随着图像质量的下降(比如噪声图像),聚类结果还不能令人满意。为此,提出一种新的深度聚类算法(DDC)。深度卷积降噪自编码器学习噪声数据的特征表示;自注意力机制提... 详细信息

近几年,联合聚类划分和表示学习的深度聚类方法提供了出色的聚类性能,但随着图像质量的下降(比如噪声图像),聚类结果还不能令人满意。为此,提出一种新的深度聚类算法(DDC)。深度卷积降噪自编码器学习噪声数据的特征表示;自注意力机制提高网络捕获局部关键信息的能力;端到端的联合训练得到合适的特征表示并完成聚类分配;对数据点和类中心的相似度赋予不同的权重,扩大同类和异类之间的差异。在公开图像数据集上的实验表明DDC算法的聚类性能更高;并与其他深度聚类算法进行对比,例如在COIL-20上DDC的聚类精度是0.803,而DEC算法仅是0.597。总之,结合自注意力和深度卷积降噪自编码器的DDC算法能对噪声图像进行更有效的聚类分析,扩大了图像聚类的应用范围。

关键词：深度聚类特征表示卷积降噪自编码器自注意力机制聚类精度

在线全文

学校读者我要写书评

暂无评论

基于深度特征表示的Softmax聚类算法

南京大学学报（自然科学版） 2020年第4期56卷 533-540页

作者：陈俊芬赵佳成韩洁翟俊海河北省机器学习与计算智能重点实验室河北大学数学与信息科学学院保定071002

图像和语音已成为日常生活和科研的常见数据类型,图像的聚类分析是数据挖掘和图像处理领域的重要任务之一.基于自编码器的深度聚类方法具有表征能力有限的缺点,并且特征的生成与聚类指派是分步进行的.为此,提出一种基于新颖卷积自编码... 详细信息

图像和语音已成为日常生活和科研的常见数据类型,图像的聚类分析是数据挖掘和图像处理领域的重要任务之一.基于自编码器的深度聚类方法具有表征能力有限的缺点,并且特征的生成与聚类指派是分步进行的.为此,提出一种基于新颖卷积自编码器的深度Softmax聚类算法(ASCAE‐Softmax).首先设计一种非对称的卷积自编码器网络结构(ASCAE),通过优化卷积和添加全连接层,使整个网络呈非对称;接着使用Softmax聚类器把特征映射成聚类概率分布,构造辅助目标概率分布,将特征学习与聚类判别联合在一起.通过迭代最小化KL(Kullback‐Leibler)散度损失达到清晰的聚类划分.实验结果表明,该方法能够学习出使同类更加紧凑、异类更加稀疏的特征表示,且聚类结果优于经典的深度聚类算法.

关键词：无监督学习特征表示卷积自编码器图像聚类 Softmax 分类器

Effect of long-acting polyethylene glycol recombinant human growth hormone dosages in pediatric practice:A pooled analysis of two phase IV randomized controlled trials

在线全文

学校读者我要写书评

暂无评论

Chinese Medical Journal 2024年第17期137卷 2125-2127页

作者： Ling Hou Xuefeng chen Hongwei Du Jianping Zhang Xinran cheng Jiayan Pan Hui Pan Wei Liao Xiaoping Luo junfen Fu on Behalf of the 045 Study Group Department of Pediatrics Tongji HospitalTongji Medical CollegeHuazhong University of Science and TechnologyWuhanHubei 430030China Department of Endocrinology Children’s Hospital of Zhejiang University School of MedicineNational Clinical Research Center for Child HealthZhejiang University School of MedicineHangzhouZhejiang 310052China Department of Paediatrics First Hospital of Jilin UniversityChangchunJilin 130021China Department of Pediatrics Ningbo Women&Children’s HospitalNingboZhejiang 315012China Department of Pediatric Endocrine Genetics and Metabolism Chengdu Women’s and Children’s Center HospitalChengduSichuan 610074China Department of Pediatrics Wuhu First People’s HospitalWuhuAnhui 241000China Department of Endocrinology Key Laboratory of Endocrinology of National Health CommissionState Key Laboratory of Complex Severe and Rare DiseasesPeking Union Medical College HospitalChinese Academy of Medical Science and Peking Union Medical CollegeBeijing 100730China Department of Pediatrics The First Affiliated Hospital of Army Medical University(Third Military Medical University)Chongqing 400038China 不详

To the Editor:Growth hormone deficiency(GHD)impairs growth and development,affecting approximately 1 in 4000 children worldwide.[1]Recombinant human growth hormone(rhGH)has been standard practice since 1985.[2]However,compliance has been challenged by the need for frequent *** glycol rhGH(PEG-rhGH)was developed,improving protein stability and extending *** studies suggested that a weekly dosage of 0.20 mg/kg of PEG-rhGH offers improved growth rates and increased insulin-like growth factor-1 standard deviation score(IGF-1 SDS)without novel toxicities.[3]Here,we present a pooled analysis of two phase IV trials evaluating the efficacy and safety of various PEG-rhGH dosages in GHD.

关键词： dosage analysis glycol

nCPAP干预治疗对非急性期脑梗死合并OSAHS患者神经功能的影响

在线全文

学校读者我要写书评

暂无评论

重庆医学 2016年第6期45卷 772-774页

作者：吴格怡成俊芬黎雄斌彭敏广东医学院第二附属医院呼吸内科广东湛江524000

目的探讨经鼻持续气道正压通气(nCPAP)干预治疗对非急性期脑梗死(CI)合并阻塞性睡眠呼吸暂停低通气综合征(OSAHS)患者神经功能的影响。方法 68例患者经头颅CT或MRI确诊为CI且处于非急性期后,经多导睡眠图(PSG)诊断为OSAHS,将其分为观察... 详细信息

目的探讨经鼻持续气道正压通气(nCPAP)干预治疗对非急性期脑梗死(CI)合并阻塞性睡眠呼吸暂停低通气综合征(OSAHS)患者神经功能的影响。方法 68例患者经头颅CT或MRI确诊为CI且处于非急性期后,经多导睡眠图(PSG)诊断为OSAHS,将其分为观察组和对照组,对照组给予神经内科常规治疗,观察组在对照组基础上给予每晚大于4h的nCPAP呼吸机治疗,分别于治疗后1、3、6个月时根据美国国立卫生研究院卒中量表(NIHSS)对患者进行神经功能评分,爱泼沃斯嗜睡量表(ESS)进行嗜睡评分及用标准吞咽功能评定量表(SSA)进行吞咽功能评分。结果 nCPAP呼吸机治疗的观察组ESS评分下降,NIHSS评分上升,与对照组比较差异有统计学意义(P0.05)。结论nCPAP治疗可有效改善非急性期CI合并OSAHS患者症状,使其神经功能恢复,是临床一种药物以外的有效方法。

关键词：持续气道正压通气脑梗死睡眠呼吸暂停综合征美国国立卫生研究院卒中量表