检索结果-南通市图书馆

基于CNN和XgBoost的香蕉成熟度判别

在线全文

学校读者我要写书评

暂无评论

食品与机械 2024年第4期40卷 127-135,178页

作者：韩雪张磊赵雅菲王聪徐州开放大学江苏徐州221000 河南师范大学河南新乡453007 开封大学河南开封475004 江苏理工学院江苏常州213001

目的:提高香蕉成熟度的判别准确率。方法:基于卷积神经网络和极限梯度提升算法建立香蕉成熟度的判别方法。先通过卷积神经网络提取香蕉图像特征,并采用全连接层网络和线性判别分析方法精简香蕉图像特征;通过贝叶斯优化算法优化极限梯度... 详细信息

目的:提高香蕉成熟度的判别准确率。方法:基于卷积神经网络和极限梯度提升算法建立香蕉成熟度的判别方法。先通过卷积神经网络提取香蕉图像特征,并采用全连接层网络和线性判别分析方法精简香蕉图像特征;通过贝叶斯优化算法优化极限梯度提升算法超参数;将简化后的香蕉图像特征输入极限梯度提升算法,通过极限梯度提升算法对香蕉成熟度进行判别。结果:所提方法对香蕉成熟度的判别准确度为91.25%;与已有方法相比,所提方法对小数据量香蕉的成熟度判别准确率明显提高。结论:该方法可实现被测香蕉成熟度的准确判别,有助于仓库经理、出口商实时监测香蕉的成熟度状况。

关键词：香蕉成熟度判别卷积神经网络极限梯度提升算法小数据量

SWS-NET-一种基于自监督学习的慢性伤口图像分割框架

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

SWS-NET-一种基于自监督学习的慢性伤口图像分割框架

作者：杨晟东华大学

学位级别：硕士

慢性伤口是一种无法通过正常治疗过程达到短时间内痊愈的伤口,在创面治疗过程中,临床医生需要对创面进行持续的测量和评估,以监测创面愈合过程和治疗效果,使用有监督深度学习方法对伤口创面进行辅助诊断与评估需要大量的标注数据,而慢... 详细信息

慢性伤口是一种无法通过正常治疗过程达到短时间内痊愈的伤口,在创面治疗过程中,临床医生需要对创面进行持续的测量和评估,以监测创面愈合过程和治疗效果,使用有监督深度学习方法对伤口创面进行辅助诊断与评估需要大量的标注数据,而慢性伤口相关数据集目前难以达到这种条件。为了能够在少量有标注样本进行训练的情况下提升伤口图像的分割精度,本文提出一种了基于自监督的图像分割框架,并在下游的数据筛选阶段使用了主动学习相关技术。经实验结果表明,经过全量的无标注数据的对比学习预训练后,该分割框架在下游仅需使用少量经过主动学习筛选出的带标注数据进行微调,就能够获得精确度、召回率和MIo U上的显著提高(最高达到了9%)。证明了自监督学习的思想在伤口图像标注数据稀少时对分割效果提升的有效性。本文的主要研究内容和工作有:1)提出了一个基于自监督学习的面向慢性伤口图像分割的网络框架,我们将其命名为SWS-NET。优化了网络结构,并对卷积层进行了改造来提升特征提取能力,通过消融实验证明网络结构的改造对于慢性伤口图像分割精度的提升是有效的。2)构建了适用于慢性伤口分割的loss函数。从而提升了分割任务的效果。探讨了loss函数中不同成分的权重对于分割效果的影响,主要是二分交叉熵和Dice系数,选择了训练过程最稳定,效果最好的loss函数组合。3)在进行有监督分割任务训练之前使用无标注数据进行基于自监督的预训练,通过对比学习其在不同变换下的失真视图的特征信息,最小化两者之间的冗余,学习到有利于下游伤口图像分割的先验知识。在这个过程中我们还着重探讨了不同失真方式对于下游分割任务的影响,最终总结出一种最优的失真策略。4)将主动学习融入数据集处理阶段,根据数据的代表性和不确定性提出了一种两阶段的数据处理策略,通过Bi K-Means聚类代表性算法和伤口边缘阈值自适应不确定性算法相结合的方式选取最具训练潜力的待标注样本,从而降低在数据标注工作阶段所需要付出的人力成本,使得下游分割任务在各项评估指标上(尤其是召回率)得到一定提升。5)为了方便伤口数据的收集和验证,并且能够将最新的技术应用于实际伤口测量中,本文将提出的分割模型结合慢性伤口管理中的实际需求,开发了一个慢性伤口信息管理系统,设计了权限管理,病患信息,伤口管理,伤口诊断四大功能模块。以django作为后端框架进行开发,微信小程序作为前端界面,使用nginx和uwsgi进行生产环境部署测试,最终实现了算法模型与工程实践的良好结合。

关键词：慢性伤口小数据量自监督对比学习主动学习

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

岩质高边坡监测数据的改进变维分形预测模型

水利水运工程学报 2010年第1期 90-94页

作者：秦鹏秦植海浙江水利水电专科学校浙江杭州310018

针对以往预测模型在数据少和噪音干扰下出现预测精度降低的问题,基于分形理论,尝试建立改进的变维分形预测模型,并以小湾工程边坡位移监测数据为例,选取D1、D2曲线作为预测模型的分形参数曲线,计算各曲线的分段分形维数,对位移进行预测... 详细信息

针对以往预测模型在数据少和噪音干扰下出现预测精度降低的问题,基于分形理论,尝试建立改进的变维分形预测模型,并以小湾工程边坡位移监测数据为例,选取D1、D2曲线作为预测模型的分形参数曲线,计算各曲线的分段分形维数,对位移进行预测,并分别用灰色模型GM(1,1)和BP神经网络进行对比预测.结果证明,这种方法充分利用了分形理论自相似性的特点,抗噪性强,能较好地应用于小数据量监测数据的预测,并且精度较高,有着良好的应用前景.

关键词：改进变维分形边坡监测预测小数据量

基于改进变维分形理论的拱坝温度监测数据预测模型

在线全文

学校读者我要写书评

暂无评论

长江科学院院报 2009年第12期26卷 33-35页

作者：王英华秦鹏陈斌浙江水利水电专科学校水利系杭州310018

目前用于温度监测数据预测的模型,对数据的长度有较强的依赖性,监测数据量较少时,预测效果不理想,在分形理论的基础上,尝试建立改进的变维分形预测模型,并以白莲崖拱坝温度监测数据为例进行分析、预测。结果证明,这种模型发挥分形理论... 详细信息

目前用于温度监测数据预测的模型,对数据的长度有较强的依赖性,监测数据量较少时,预测效果不理想,在分形理论的基础上,尝试建立改进的变维分形预测模型,并以白莲崖拱坝温度监测数据为例进行分析、预测。结果证明,这种模型发挥分形理论有相似性的特点,克服了其他模型对数据长度的依赖性和噪声干扰对预测效果的影响,能较好应用于小数据量监测数据的预测,精度较高,有着良好的抗噪性。

关键词：改进变维分形拱坝温度数据预测小数据量

在线全文

学校读者我要写书评

暂无评论

基于双时间尺度卷积神经网络的微表情识别

基于双时间尺度卷积神经网络的微表情识别

作者：彭敏西南大学

学位级别：硕士

人类面部表情在人们的日常生活、交流中扮演着十分重要的角色。通常,我们所指的人类面部表情被称之为“宏表情”,其持续时间一般在0.5ss之间,容易被人察觉和辨别。然而,有心理学研究表明,“宏表情”在表达人类真实情感上具有一定的掩饰... 详细信息

人类面部表情在人们的日常生活、交流中扮演着十分重要的角色。通常,我们所指的人类面部表情被称之为“宏表情”,其持续时间一般在0.5ss之间,容易被人察觉和辨别。然而,有心理学研究表明,“宏表情”在表达人类真实情感上具有一定的掩饰性,即面部“宏表情”能够掩饰真实情感的流露,而与“宏表情”相对的“微表情”,由于其能够表达人类试图压抑的情感,近年来受到了人们的广泛关注。微表情是一种不受人控制的、简短的面部表情,它能够反映人试图掩饰的情感以及人未意识到的情感体验,因此通过“微表情”来识别人类的情感显得更加真实、可靠。遗憾的是,由于“微表情”具有持续时间短(1/25s/5s),活动幅度、区域小等特点,不仅人难以识别,并且在利用模式识别等方法对微表情视频片段进行分类识别时,很难有效的表征不同微表情所具有的特征信息;除此之外,由于自发微表情数据库难以采集,数据量缺乏等要因素,使得训练一个有效的微表情识别算法也变得十分艰难。针对以上问题,本文提出了一种利用双时间尺度卷积神经网络(DTSCNN)对微表情进行识别的方法。该方法首先对微表情数据集(CASMEI、CASMEII)进行扩充处理,以此降低网络训练过程中过拟合的风险,然后利用双通道卷积神经网络分别对微表情视频序列在64fps和128fps两个时间尺度进行特征提取,最后对所提取的特征采用SVM进行决策级融合分类。DTSCNN不仅解决了由于微表情数据库样本少、难以训练的问题,而且在CASMEI、CASMEII数据库上验证的结果显示其识别率(66.67%)比最新的、传统的微表情识别算法(MDMO:55.45%、FDM:56.97%、STCLQP:56.36%)的识别率提高了10%以上。

关键词：自发微表情双时间尺度卷积神经网络小数据量 SVM

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

贵州电网短期负荷时间序列的混沌性仿真检验

微型机与应用 2010年第17期29卷 88-90页

作者：刘彬王红蕾贵州大学电气工程学院贵州贵阳550003

不直接考虑气候等随机因素,根据过去贵州电网短期负荷时间序列,利用小数据量方法计算最大李雅普诺夫指数,并通过李雅普诺夫指数定义的性质对贵州电网短期负荷时间序列进行混沌性仿真检验,结果具有混沌性。

关键词：电网短期负荷时间序列小数据量李雅普诺夫指数混沌性