检索结果-南通市图书馆

Structural Connectivity Enhanced Anisotropic 3D Network for Brain Midline Delineation

在线全文

学校读者我要写书评

暂无评论

Journal of Beijing Institute of Technology 2023年第5期32卷 562-578页

作者： Yufan Liu Kongming Liang Yinuo Jing Shen Wang zhanyu ma Yiming Li Yizhou Yu Yizhou Wang Jun Guo Pattern Recognition and Intelligent System Laboratory School of Artificial IntelligenceBeijing University of Posts and TelecommunicationsBeijing 100876China. Center on Frontiers of Computing Studies School of Computer SciencePeking UniversityBeijing 100871China AI Lab Deepwise HealthcareBeijing 100089China

Brain midline delineation can facilitate the clinical evaluation of brain midline shift,which has a pivotal role in the diagnosis and prognosis of various brain ***,there are still challenges for brain midline delineation:1)the largely deformed midline is hard to localize if mixed with severe cerebral hemorrhage;2)the predicted midlines of recent methods are not smooth and continuous which violates the structural *** overcome these challenges,we propose an anisotropic three dimensional(3D)network with context-aware refinement(A3D-CAR)for brain midline *** proposed network fuses 3D context from different two dimensional(2D)slices through asymmetric context *** exploit the elongated structure of the midline,an anisotropic block is designed to balance the difference between the adjacent pixels in the horizontal and vertical *** maintaining the structural priority of a brain midline,we present a novel 3D connectivity regular loss(3D CRL)to penalize the disconnectivity between nearby *** experiments on the CQ dataset and one in-house dataset show that the proposed method outperforms three state-of-the-art methods on four evaluation metrics without excessive computational burden.

关键词： brain midline delineation refinement network structure prior connectivity regular loss

Data scheme-based wireless channel modeling method: motivation, principle and performance

在线全文

学校读者我要写书评

暂无评论

Journal of Communications and Information Networks 2017年第3期2卷 41-51页

作者： Xiaochuan ma Jianhua Zhang Yuxiang Zhang zhanyu ma Beijing University of Posts and Telecommunications Beijing 100876China

In recent years,data mining and machine learning technologies have made great progress driven by enormous volumes of ***,the wireless-channel measurement data appears large in volume because of the large-scale antenna numbers,increased bandwidth,and versatile application *** powerful data mining and machine learning methods and large volumes of data,we can extract valuable and hidden rules from the wireless *** by this,we propose a channel-modeling method using PCA in this *** principle is to utilize the features and structures extracted from the CIR data collected by measurements,and then model the wireless channel of the targeted measurement *** addition,a noise removing method using a BP neural network is designed for the proposed model,which can recognize and remove the noise of the polluted CIR *** performance of the proposed scheme is investigated with the actual measured CIR data,and its superiority is verified.

关键词： MIMO channel model data mining PCA machine learning neural network

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

表面活性剂对苯系物在静水面挥发的影响

环境科学 2005年第1期26卷 122-126页

作者：沈学优孙俊杰马战宇罗晓璐浙江大学环境科学系杭州310028 浙江省环境监测中心站杭州310012 杭州电子科技大学机电工程分院杭州310018

以苯、甲苯和乙苯为苯系物 (BTEX)的目标化合物 ,研究了十二烷基苯磺酸钠 (SDBS)、十六烷基三甲基溴化铵 (CTmaB)和月桂醇聚氧乙烯 (4)醚 (Brij30 )共存时 ,BTEX在静水面的挥发及机理 ,为复合污染的水体中表面活性剂对有机物挥发的影响... 详细信息

以苯、甲苯和乙苯为苯系物 (BTEX)的目标化合物 ,研究了十二烷基苯磺酸钠 (SDBS)、十六烷基三甲基溴化铵 (CTmaB)和月桂醇聚氧乙烯 (4)醚 (Brij30 )共存时 ,BTEX在静水面的挥发及机理 ,为复合污染的水体中表面活性剂对有机物挥发的影响提供理论依据 .结果表明 ,在所测浓度范围内 ,表面活性剂浓度大于临界胶束浓度 (CMC)且分别达到 10 0 0mg/L、2 0 0 0mg/L 和 30 0 0mg/L 时 ,乙苯、甲苯和苯的挥发速率分别开始变小 ,挥发半衰期值 (t1/ 2 )变大 .胶束的形成 ,减小了BTEX在液膜和液相中的浓度比 (α) ,使BTEX在静水面的挥发速率降低 .CTmaB和Brij30对苯系物在静水面挥发速率的抑制作用明显强于SDBS .相同表面活性剂对BTEX挥发速率的抑制作用与BTEX的辛醇水分配系数 (Kow)和亨利系数 (H)均呈正相关 .

关键词：表面活性剂挥发苯系物

在线全文

学校读者我要写书评

暂无评论

基于密度核心的出租车载客轨迹聚类算法

计算机工程 2021年第2期47卷 133-138页

作者：田智慧马占宇魏海涛郑州大学信息工程学院郑州450001 郑州大学地球科学与技术学院郑州450052

目前常见的轨迹聚类大多基于OPTICS、DBSCAN和K-means等算法,但这些聚类方法的时间复杂度随着轨迹数量的增加会大幅上升。针对该问题,提出一种基于密度核心的轨迹聚类算法。通过引入密度核心的概念,设计轨迹密度计算函数以获取聚类簇的... 详细信息

目前常见的轨迹聚类大多基于OPTICS、DBSCAN和K-means等算法,但这些聚类方法的时间复杂度随着轨迹数量的增加会大幅上升。针对该问题,提出一种基于密度核心的轨迹聚类算法。通过引入密度核心的概念,设计轨迹密度计算函数以获取聚类簇的致密核心轨迹,同时利用出租车载客轨迹自身的方向和速度等属性提取轨迹特征点,减少轨迹数据量。在此基础上,根据聚类簇中致密核心轨迹与参与聚类轨迹的相似度距离判断轨迹的匹配程度,进而聚合相似轨迹,并将聚类结果储存在聚类节点中。实验结果表明,与TRACLUS和OPTICS聚类算法相比,该算法能够得到更准确的聚类效果,并且时间效率更高。

关键词： DBSCAN算法特征点密度核心相似度距离轨迹聚类

基于NARX神经网络的热负荷预测中关键影响因素分析

在线全文

学校读者我要写书评

暂无评论

计算机应用 2018年第11期38卷 3180-3187页

作者：谢吉洋闫冬谢垚马占宇北京邮电大学模式识别与智能系统实验室北京100876 北京邮电大学图书馆北京100876

在区域供热(DH)网络中,精确预测热负荷已被认为是提高效率和节省成本的重要环节。为了提高预测精度,研究不同影响因素对热负荷预测的影响极为重要。使用引入不同影响因素的数据集训练得到带外部输入的非线性自回归(NARX)神经网络模型,... 详细信息

在区域供热(DH)网络中,精确预测热负荷已被认为是提高效率和节省成本的重要环节。为了提高预测精度,研究不同影响因素对热负荷预测的影响极为重要。使用引入不同影响因素的数据集训练得到带外部输入的非线性自回归(NARX)神经网络模型,并比较其预测性能,以讨论直接太阳辐射和风速对热负荷预测的影响程度。实验结果表明,直接太阳辐射和风速都是热负荷预测中的关键影响因素。只引入风速时,预测模型的平均绝对百分比误差(maPE)和均方根误差(RMSE)均低于只引入直接太阳辐射,同时引入风速和直接太阳辐射能够得到最佳的模型预测性能,但是对于maPE和RMSE降低的贡献不大。

关键词：区域供热热负荷预测非线性自回归神经网络直接太阳辐射风速

在线全文

学校读者我要写书评

暂无评论

基于计算机视觉的水位检测算法

应用科学学报 2022年第3期40卷 434-447页

作者：孙维亚王达许帅汪京晔马占宇南水北调中线干线工程建设管理局北京100038 北京邮电大学人工智能学院北京100088

鉴于传统的水位读数方法误差大,成本高,需要一种精确、实时、鲁棒的智能水位检测算法来高效读取水位,为此提出了一种基于计算机视觉的水位检测算法以满足实际需求。首先对拍摄到的图像进行预处理和边缘检测以找出水尺位置,并通过仿射变... 详细信息

鉴于传统的水位读数方法误差大,成本高,需要一种精确、实时、鲁棒的智能水位检测算法来高效读取水位,为此提出了一种基于计算机视觉的水位检测算法以满足实际需求。首先对拍摄到的图像进行预处理和边缘检测以找出水尺位置,并通过仿射变换对水尺进行矫正。通过两种策略在水尺区域找到水尺关键字的位置,即关键字处理。然后对边缘特征进行投影并检测出水面位置。最后根据关键字处理结果和边缘特征计算得到水面高度。大量实验和实地测试的结果表明:所提算法在基于计算机视觉的水位检测、水尺读数等领域具有理论和应用的双重价值。

关键词：水尺读数计算机视觉边缘特征关键字处理

在线全文

学校读者我要写书评

暂无评论

可变形NTS-Net的螺栓属性多标签分类

中国图象图形学报 2021年第11期26卷 2582-2593页

作者：张珂何颖宣赵凯冯晓晗赵振兵马占宇华北电力大学电子与通信工程系保定071003 华北电力大学河北省电力物联网技术重点实验室保定071003 北京邮电大学人工智能学院北京100086

目的螺栓是确保输电线路安全牢靠的基石,螺栓缺销、松动和锈蚀等缺陷是造成输电线路损坏甚至重大事故的重要原因之一。本文针对螺栓缺陷存在视觉不可分的问题,提出了一种改进NTS-Net(navigator-teacher-scrutinizer network)的螺栓属性... 详细信息

目的螺栓是确保输电线路安全牢靠的基石,螺栓缺销、松动和锈蚀等缺陷是造成输电线路损坏甚至重大事故的重要原因之一。本文针对螺栓缺陷存在视觉不可分的问题,提出了一种改进NTS-Net(navigator-teacher-scrutinizer network)的螺栓属性多标签分类方法。方法为了增强模型对不规则轮廓的处理能力,采用可变形卷积的ResNet-50网络作为特征提取网络从原图中提取全局特征。利用NTS-Net学习得到图像信息量最大的判别性局部区域。为了考虑不同局部特征对不同属性标签的不同影响,在局部特征与全局特征融合时引入通道注意力机制,提取特征的通道权重,获取关键通道特征以改善多标签分类效果。结果实验结果表明,本文在螺栓多属性分类数据集上的平均分类精确率为84.5%,比采用传统的多标签分类精确率提升了10%20%。结论本文通过可变形卷积提升网络的特征提取能力以及引入通道注意力机制实现了对NTS-Net提供的局部特征的高效利用,为解决螺栓多属性分类中存在的问题提供了一种新的思路。

关键词：螺栓缺陷可变形卷积 NTS-Net网络多标签分类通道注意力

在线全文

学校读者我要写书评

暂无评论

融合运动特征的高效视频火焰检测算法

数据采集与处理 2021年第6期36卷 1276-1285页

作者：孙维亚陈恺鑫吴铭王丹杜立轩马占宇南水北调中线建管局北京100053 北京邮电大学人工智能学院北京100876 南水北调中线信息科技有限公司北京100053

提出一种轻量高效的视频火焰检测算法。该算法以基于深度学习的卷积神经网络目标检测算法为主体,提取监控视频中的图像帧,识别并定位火焰区域。加入运动目标检测模块作为后处理机制,依据连续视频帧中火焰的运动特性,采用基于混合高斯模... 详细信息

提出一种轻量高效的视频火焰检测算法。该算法以基于深度学习的卷积神经网络目标检测算法为主体,提取监控视频中的图像帧,识别并定位火焰区域。加入运动目标检测模块作为后处理机制,依据连续视频帧中火焰的运动特性,采用基于混合高斯模型的运动目标检测算法对火焰目标检测结果进行合理化判断,减少类似火焰的静止物体或光线造成的误报,效率高且资源消耗少。此外,收集并标注了一套火焰检测数据集(Fire detection dataset,FDD),包含多种场景下多类型燃烧物产生的火焰图片2487张以及15段不同场景下的火灾视频数据。在FDD的视频检测实验中本文算法准确率达到了98.94%,证明了本文算法的有效性。

关键词：火焰检测目标检测运动目标检测视频监控深度学习

端到端双通道特征重标定DenseNet图像分类

在线全文

学校读者我要写书评

暂无评论

中国图象图形学报 2020年第3期25卷 486-497页

作者：郭玉荣张珂王新胜苑津莎赵振兵马占宇华北电力大学电子与通信工程系保定071000 北京邮电大学信息与通信工程学院人工智能研究院北京100086

目的针对密集连接卷积神经网络(Dense Net)没有充分考虑通道特征相关性以及层间特征相关性的缺点,本文结合软注意力机制提出了端到端双通道特征重标定密集连接卷积神经网络。方法提出的网络同时实现了Dense Net网络的通道特征重标定与... 详细信息

目的针对密集连接卷积神经网络(Dense Net)没有充分考虑通道特征相关性以及层间特征相关性的缺点,本文结合软注意力机制提出了端到端双通道特征重标定密集连接卷积神经网络。方法提出的网络同时实现了Dense Net网络的通道特征重标定与层间特征重标定。给出了Dense Net网络通道特征重标定与层间特征重标定方法;构建了端到端双通道特征重标定密集连接卷积神经网络,该网络每个卷积层的输出特征图经过两个通道分别完成通道特征重标定以及层间特征重标定,再进行两种重标定后特征图的融合。结果为了验证本文方法在不同图像分类数据集上的有效性和适应性,在图像分类数据集CIFAR-10/100以及人脸年龄数据集MORPH、Adience上进行了实验,提高了图像分类准确率,并分析了模型的参数量、训练及测试时长,验证了本文方法的实用性。与Dense Net网络相比,40层及64层双通道特征重标定密集连接卷积神经网络DFR-DenseNet (dual feature reweight Dense Net),在CIFAR-10数据集上,参数量仅分别增加1.87%、1.23%,错误率分别降低了12%、9.11%,在CIFAR-100数据集上,错误率分别降低了5.56%、5.41%;与121层DFR-DenseNet网络相比,在MORPH数据集上,平均绝对误差(maE)值降低了7.33%,在Adience数据集上,年龄组估计准确率提高了2%;与多级特征重标定密集连接卷积神经网络MFR-DenseNet(multiple feature reweight Dense Net)相比,DFR-DenseNet网络参数量减少了一半,测试耗时约缩短为MFR-DenseNet的61%。结论实验结果表明本文端到端双通道特征重标定密集连接卷积神经网络能够增强网络的学习能力,提高图像分类的准确率,并对不同图像分类数据集具有一定的适应性、实用性。

关键词：双通道特征重标定密集连接卷积神经网络通道特征重标定层间特征重标定图像分类端到端