检索结果-南通市图书馆

岩石力学与工程学报 2017年第12期36卷 2940-2953页

作者：贺鹏李术才李利平张乾青许振浩山东大学岩土与结构工程研究中心山东济南250061

隧道作为一个完整的系统工程,其已开挖段所揭露岩体的特征信息及其变形数据往往未被有效利用,而这恰恰是对该隧道后续施工有实际指导意义的。为此,基于数据挖掘理念,充分利用已开挖段揭露围岩的先验分布信息,基于高斯过程回归理论(GPR)... 详细信息

隧道作为一个完整的系统工程,其已开挖段所揭露岩体的特征信息及其变形数据往往未被有效利用,而这恰恰是对该隧道后续施工有实际指导意义的。为此,基于数据挖掘理念,充分利用已开挖段揭露围岩的先验分布信息,基于高斯过程回归理论(GPR),构建同一设计围岩等级区间段内岩体自然属性与变形间的映射模型,实现对当前掌子面围岩变形收敛值的响应预测。以此作为隧道施工工法变更与否的先导判据,综合超前地质预报解译数据、现场围岩亚级分类结果以及初期勘探资料等多源异构信息,进行围岩稳定性状况的交互式耦合分析,进而构建了隧道变更的动态评估决策与施工许可机制,以实现隧道开挖工法与支护参数的动态调控。此外,利用揭露围岩信息的概率分布统计,耦合GPR与Monte Carlo算法,对隧道设计等级区段内围岩变形的整体失效概率及可靠性评估进行了尝试性探索。

关键词：隧道工程围岩变形响应预测数据挖掘先验分布信息高斯过程回归动态变更许可机制变形失效概率

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

类不平衡模糊加权极限学习机算法研究

引用

计算机科学与探索 2017年第4期11卷 619-632页

作者：于化龙祁云嵩杨习贝左欣江苏科技大学计算机科学与工程学院江苏镇江212003 东南大学自动化学院南京210096

从理论上分析了样例不平衡分布对极限学习机性能产生危害的原因;在该理论框架下探讨了加权极限学习机在处理此类问题上的有效性及其固有缺陷;引入模糊集的思想,对传统的加权极限学习机进行了改进,并提出了4种用于解决类不平衡问题的模... 详细信息

从理论上分析了样例不平衡分布对极限学习机性能产生危害的原因;在该理论框架下探讨了加权极限学习机在处理此类问题上的有效性及其固有缺陷;引入模糊集的思想,对传统的加权极限学习机进行了改进,并提出了4种用于解决类不平衡问题的模糊加权极限学习机算法;最后通过20个基准的二类不平衡数据集对所提算法的有效性和可行性进行了验证。实验结果表明:较之加权极限学习机及几种传统的不平衡极限学习机算法,提出的算法可明显获得更优的分类性能,并且与模糊加权支持向量机系列算法相比,所提算法通常可获得与之相当的分类性能,但时间开销往往更小。

关键词：极限学习机类不平衡学习模糊加权先验分布信息

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于分布先验的半监督FCM的肺结节分类

引用

智能系统学报 2017年第5期12卷 729-734页

作者：姜婷袭肖明岳厚光山东财经大学计算机科学与技术学院山东济南250014

肺结节的良恶性分类对于肺癌的早期发现及诊断具有重要意义。然而实际应用中,标记的图像数量较少,且获取标记将耗费大量的人力,在这种情况下,使用半监督学习算法是有效提高分类性能的一个思路。作为一种经典的半监督学习算法,传统的半监... 详细信息

肺结节的良恶性分类对于肺癌的早期发现及诊断具有重要意义。然而实际应用中,标记的图像数量较少,且获取标记将耗费大量的人力,在这种情况下,使用半监督学习算法是有效提高分类性能的一个思路。作为一种经典的半监督学习算法,传统的半监督FCM在未标记样本与标记样本分布不平衡情况下不能充分利用标记信息。针对此问题,本文提出了一种基于分布先验的半监督FCM算法。首先计算样本的先验分布概率,基于获得的先验概率,给样本赋予权重,并将其融入到半监督FCM聚类中,从而强化少量的标记样本在聚类过程中的指导作用。文中在LIDC数据库上进行了相应的实验,实验结果证明,相比较传统的半监督FCM算法,提出的算法能够取得更好的肺结节分类性能。

关键词：肺结节分类半监督FCM 先验分布信息图像处理 LIDC数据库

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

半监督聚类算法在肺结节分类中的应用

半监督聚类算法在肺结节分类中的应用

引用

作者：姜婷山东财经大学

学位级别：硕士

根据世界卫生组织2016年最新数据显示,肺癌在全球的发病率和死亡率均为最高。肺癌在早期的表现几乎没有任何症状,并且患者发现时大部分已经是晚期。那么及早的发现肺癌提高生存率就显得十分重要。肺癌在早期一般是以结节的形式存在的。... 详细信息

根据世界卫生组织2016年最新数据显示,肺癌在全球的发病率和死亡率均为最高。肺癌在早期的表现几乎没有任何症状,并且患者发现时大部分已经是晚期。那么及早的发现肺癌提高生存率就显得十分重要。肺癌在早期一般是以结节的形式存在的。那么及早的发现肺癌就变成及早的发现肺结节。对于医生而言,由于主观性及其他因素的影响,从大量的CT图像中甄选出肺结节就极易造成误诊和漏诊。所以,借助于计算机辅助诊断(computer-aided diagnosis,CAD)就显得特别的重要。半监督学习是近年来许多学者研究的热点,半监督FCM算法作为半监督聚类算法中比较经典的算法之一,凭借着算法中比较低的复杂度,以及在实际问题中获得比较好的应用效果,而受到广大学者的青睐。肺结节的良恶性分类对于肺癌的早期发现以及诊断具有十分重要的意义。然而在实际应用中,标记样本的图像数量较少,且获取标记样本将耗费大量的人力,在这种情况下,使用半监督学习算法是有效提高分类性能的一个思路。作为一种经典的半监督学习算法,传统的半监督FCM在未标记样本与标记样本分布不平衡情况下不能充分利用标记信息。针对这一问题,本文提出了两种改进的半监督FCM算法,主要工作如下:1.基于先验分布的半监督FCM的肺结节分类,主要是为了解决标记样本数量远少于非标记样本数量,而导致的传统的半监督FCM退化为经典的FCM,因此而导致的肺结节分类正确率较低的现象。基于这一现象,文章提出了一种基于先验分布的半监督FCM算法。该算法的基本思想是首先计算样本的先验分布概率,基于获得的先验概率情况下,给标记样本和未标记样本赋予不同的权重,并将其融入到半监督FCM的聚类过程中,从而强化少量的标记样本在聚类过程中的指导作用。文章中提出的算法通过在美国LIDC数据库上的实验证明,与经典的FCM算法、部分监督的FCM算法以及传统的半监督FCM算法相比较,提出的算法能够取得更好的肺结节分类性能。2.基于粒子群的改进的半监督FCM的肺结节分类。针对基于先验分布的半监督FCM算法在不平衡数据集时分类准确率明显提高,但是在平衡数据集时分类准确率效果不明显这一情况,以及半监督FCM算法分析时无法提前预知数据集是否平衡这一问题。所以本文基于上述问题提出了一种基于粒子群的改进的半监督FCM算法,通过引入样本的容量信息来减少不平衡数据集的影响,同时使得所改进的算法对平衡或者不平衡数据集都具有普遍适用性,实验证明,文章中所提出的基于粒子群的改进的半监督FCM方法具有较好的适用性。

关键词：肺结节分类识别半监督FCM算法计算机辅助诊断先验分布信息粒子群

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：