检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

标签约束的半监督栈式自编码器分类算法

小型微型计算机系统 2019年第3期40卷 488-492页

作者：李炜宋威王晨妮张雨轩江南大学物联网工程学院江苏无锡214122 江南大学江苏省模式识别与计算智能工程实验室江苏无锡214122 物联网技术应用教育部工程研究中心江苏无锡214122

栈式自编码器通过逐层无监督学习能够表达数据的语义特征,但面对具体领域问题时其特征训练缺乏针对性,所处理的数据用于分类领域时易导致分类准确度低,稳定性差等问题.针对这些问题,提出了一种标签约束的半监督栈式自编码器(LSSAE),结... 详细信息

栈式自编码器通过逐层无监督学习能够表达数据的语义特征,但面对具体领域问题时其特征训练缺乏针对性,所处理的数据用于分类领域时易导致分类准确度低,稳定性差等问题.针对这些问题,提出了一种标签约束的半监督栈式自编码器(LSSAE),结合无监督学习与监督学习的优势,在有效抽取样本内在特征的同时保证特征训练目标化.引入的标签约束项,以监督学习的方式逐层比对实际标签与期望标签,针对性地调整网络参数,进一步提高分类准确率.为验证所提方法的有效性,实验中对多个数据集进行广泛测试,其结果表明,相对自编码器(AE),稀疏自编码器(SAE),以及深度信念网络(DBN)等,LSSAE明显提高分类准确率和稳定性.

关键词：栈式自编码器分类半监督学习标签约束

在线全文

学校读者我要写书评

暂无评论

带标签约束的心肺音分离方法

计算机工程 2019年第12期45卷 314-320页

作者：朱俊霖王海平杨祖元广东工业大学自动化学院

心音信号和肺音信号在时频域上的混叠会影响听诊效果,而传统基于非负矩阵分解(NMF)的心肺音分离方法在获取参考信号过程中没有利用心音和肺音的标签信息,使得分离精度受限。为此,在NMF的基础上引入标签约束,提出一种心肺音分离方法。将... 详细信息

心音信号和肺音信号在时频域上的混叠会影响听诊效果,而传统基于非负矩阵分解(NMF)的心肺音分离方法在获取参考信号过程中没有利用心音和肺音的标签信息,使得分离精度受限。为此,在NMF的基础上引入标签约束,提出一种心肺音分离方法。将心肺音特有的频率特性以标签形式加入到心肺音分离算法中,经NMF分解得到心音和肺音的参考信号。在此基础上,通过分析参考信号和原始信号的相关性完成聚类,采用时频掩码实现心肺音信号分离。实验结果表明,与传统NMF方法和带通滤波法相比,该方法获得的信噪比和相关系数较高,且能对真实心肺音混合信号进行有效分离。

关键词：心肺音分离盲源分离非负矩阵分解聚类标签约束

大规模动态图中标签约束的频繁子图Top-K查询

在线全文

学校读者我要写书评

暂无评论

计算机科学与探索 2018年第11期12卷 1740-1747页

作者：单晓欢王广香宋宝燕丁琳琳许岩辽宁大学信息学院沈阳110036

Top-K子图查询作为重要的图搜索技术,因可更具针对性地为用户返回查询结果而被广泛应用于社交网、生物信息网等新兴领域。随着图规模增大且动态演变,用户通常希望通过增加约束条件而快速、准确获得查询结果。鉴于上述查询需求,提出了一... 详细信息

Top-K子图查询作为重要的图搜索技术,因可更具针对性地为用户返回查询结果而被广泛应用于社交网、生物信息网等新兴领域。随着图规模增大且动态演变,用户通常希望通过增加约束条件而快速、准确获得查询结果。鉴于上述查询需求,提出了一种标签约束的频繁子图Top-K查询方法(LVC-FS Top-K)。该方法通过建立频繁结构映射与标签值聚合的二级索引(FSM-LVA),快速准确地锁定查询图结构并根据约束限制剪枝过滤,缩小查询范围,提高查询效率;利用FSM-LVA索引对同构于查询图的频繁结构进行查找以实现频繁结构查询,同时结合查询图的约束条件及K值限制对频繁子图进行匹配筛选,缩小比较空间,加快查询效率。实验结果表明提出的方法能快速准确地在大规模动态图中进行具有约束限制的频繁子图Top-K查询。

关键词：大规模动态图标签约束聚合划分 Top-K查询

在线全文

学校读者我要写书评

暂无评论

高光谱半监督分类的标签约束弹性网图算法

计算机应用与软件 2020年第12期37卷 184-190页

作者：陈逸闫培新陈基伟孙玉宝江苏省大气环境与装备技术协同创新中心江苏省大数据分析技术重点实验室江苏南京210044 南京信息工程大学自动化学院江苏南京210044 中国人民解放军63936部队北京102202

图半监督算法联合利用少量的标定样本与大量的无标签数据进行学习,可缓解高光谱图像的维数灾难问题,被广泛应用于高光谱图像分类,其核心在于如何确定图模型中各样本的近邻样本。提出一种高光谱图像半监督分类的标签约束弹性网图算法。... 详细信息

图半监督算法联合利用少量的标定样本与大量的无标签数据进行学习,可缓解高光谱图像的维数灾难问题,被广泛应用于高光谱图像分类,其核心在于如何确定图模型中各样本的近邻样本。提出一种高光谱图像半监督分类的标签约束弹性网图算法。充分利用有限的样本标签信息,通过顶点间的约束传递形成标签约束矩阵,进而针对每一顶点自适应选取符合标签约束的像素作为表示字典。通过在该字典上的弹性网表示来选择与其最为关联的近邻样本,构建高光谱图像的图表示模型,并基于该图模型实现高光谱图像的半监督分类。实验结果验证了该算法的有效性,相比多个半监督算法,分类准确性更高。

关键词：高光谱图像标签约束弹性网表示半监督分类

在线全文

学校读者我要写书评

暂无评论

稀疏和标签约束半监督自动编码器的分类算法

计算机应用研究 2019年第9期36卷 2613-2617页

作者：王慧玲宋威王晨妮江南大学物联网工程学院江苏无锡214122 物联网技术应用教育部工程研究中心江苏无锡214122

自动编码器通过深度无监督学习能够表达数据的语义特征,但由于其隐含层节点个数难以有效确定,所处理的数据进一步用于分类时常会导致分类准确度低、稳定性弱等问题。针对这些问题,提出了一种稀疏和标签约束的半监督自动编码器(SLRAE),... 详细信息

自动编码器通过深度无监督学习能够表达数据的语义特征,但由于其隐含层节点个数难以有效确定,所处理的数据进一步用于分类时常会导致分类准确度低、稳定性弱等问题。针对这些问题,提出了一种稀疏和标签约束的半监督自动编码器(SLRAE),以实现无监督学习与监督学习的有机结合,更准确地抽取样本的本质特征。稀疏约束项针对每个隐含节点的响应添加约束条件,从而在隐含神经元数量较多的情况下仍可发现数据中潜在的结构;同时引入标签约束项,以监督学习的方式比对实际标签与期望标签,针对性地调整网络参数,进一步提高分类准确率。为验证所提方法的有效性,实验中对多个数据集进行广泛测试,其结果表明,相对传统自动编码器(AE)、稀疏自动机(SAE)以及极限学习机(ELM),SLRAE所处理的数据应用于同一分类器,能明显提高分类准确率和稳定性。

关键词：分类稀疏约束标签约束自动编码器极限学习机

基于参考物种标签约束预训练的宏基因组DNA序列深度聚类算法研究

在线全文

学校读者我要写书评

暂无评论

基于参考物种标签约束预训练的宏基因组DNA序列深度聚类算法研究

作者：刘威吉林大学

学位级别：硕士

宏基因组学利用新一代测序技术能在不经过实验室培养的情况下,获取环境中绝大部分的微生物遗传物质(DNA),再利用基因组学的研究策略研究环境样品中微生物的遗传组成及其群落功能。近年来宏基因组学在人类、动物、植物和环境中的研究越... 详细信息

宏基因组学利用新一代测序技术能在不经过实验室培养的情况下,获取环境中绝大部分的微生物遗传物质(DNA),再利用基因组学的研究策略研究环境样品中微生物的遗传组成及其群落功能。近年来宏基因组学在人类、动物、植物和环境中的研究越来越广泛,与传统的测序方法不同,宏基因组测序得到的原始数据是大量长度较短的、来源于多种微生物的DNA片段。根据DNA片段之间的重叠关系可以将它们组装成长度较长的DNA序列,生物信息学中称这种组装之后的DNA序列为重叠群序列(contigs)。由于组装的重叠群序列得不到完整基因组,需要重叠群的分箱(Binning contigs)把重叠群按物种划分,如何有效划分宏基因组DNA重叠群是当前研究的重点和难点,目前还存在一些问题,例如:1)聚类性能有待提高:传统聚类算法不能够区分近邻物种;2)聚类个数的确定:目前确定聚类个数相较于真实物种的个数有一定差距;3)重叠群特征:重叠群样本的特征分布存在聚类“不友好性”的问题。为解决以上问题,本文提出一种基于已知参考物种标签约束预训练的宏基因组深度宏基因组重叠群聚类算法(Label-Constrained Deep Clustering,LCDC),主要工作如下:(1)构建基于4-mer频率的预训练数据集,根据不同群落下物种分布的比例分别构建了人体肠道、土壤、海洋微生物环境的群落样本集。下载群落样本集中全部的基因组序列,按比例截取成预训练序列,计算每条序列的4-mer特征频率,用对比最大值方法归一化4-mer特征频率得到人体肠道、土壤、海洋环境下的预训练数据集。(2)设计一种基于已知物种标签约束预训练的方法解决宏基因组重叠群近邻物种聚类问题。通过预训练建立的五层具有对称结构的深度自编码网络,使其更易于对具有相似特征的近邻物种间的重叠群分箱。由于仅使用网络重构误差作为预训练损失函数,不能够很好的完成宏基因组重叠群分箱工作,基于此,本文设计了基于已知物种标签约束预训练的方法,使用已构建的三个群落预训练数据集作为输入分别预训练网络,损失函数包括网络重构误差和物种标签约束误差,物种标签约束误差使用以e为底的指数函数,使用Adam优化器最小化预训练损失函数用以预训练网络,将预训练后得到的网络保存。本文基于已知物种标签约束预训练的方法通过减小物种标签约束误差的方法增大了相似物种间网络的隐层表示特征。(3)设计了联合预训练的深度K-means宏基因组重叠群聚类算法,本文为解决宏基因组重叠群样本中存在聚类“不友好性”的问题,设计了联合预训练的深度K-means宏基因组重叠群聚类的边学习边聚类的方法。使用标签约束预训练保存的网络作为初始化后的网络,把DBI指数作为宏基因组重叠群聚类个数的评价指标,损失函数包括网络重构误差和聚类误差,使用Adam优化网络。本方法解决了宏基因组重叠群样本中聚类个数不准确和聚类“不友好性”的问题。最后对本文的LCDC方法和现有的宏基因组重叠群自动化分箱方法做了对比实验,得出本文方法优于目前其他方法。综上,本文设计的联合预训练的深度宏基因组重叠群聚类方法,解决了对宏基因组重叠群中相似物种间存在的相似特征导致分箱不准确、对重叠群分箱个数不准确和重叠群中存在的聚类“不友好性”的问题,为宏基因组重叠群分箱领域的研究提供了支持。

关键词：宏基因组 k-mer频率深度自编码网络重叠群聚类标签约束

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

非负矩阵分解及其在心电信号处理中的应用

非负矩阵分解及其在心电信号处理中的应用

作者：陈默广东工业大学

学位级别：硕士

心律失常是发病率很高的心脏疾病,心律失常在人们日常生活中普遍存在,不仅严重危害人们的身体健康而且对人们的心理产生较为严重的影响。心房颤动(atrial fibrillation,AF)又称房颤,是心律失常中的一种,在临床上极为常见,房颤发生时主... 详细信息

心律失常是发病率很高的心脏疾病,心律失常在人们日常生活中普遍存在,不仅严重危害人们的身体健康而且对人们的心理产生较为严重的影响。心房颤动(atrial fibrillation,AF)又称房颤,是心律失常中的一种,在临床上极为常见,房颤发生时主要表现为心房有规律的收缩出现紊乱,变为心房的无规则颤动。房颤患者在心脏病患者群中占很大的比重,死亡率也高于其他心脏病患者,而且年龄越大发病率就会越高,所以,对房颤患者的救治是目前国内外心脏病治疗的重中之重。心电图(Electrocardiogram,ECG)可以反映心脏兴奋所产生的电活动,它可以检测并记录患者心脏的状态以及各种心律失常症状,是目前可以帮助医生进行诊断治疗的重要的方式之一。房颤信号在ECG中的主要表现为:P波消失,取而代之的是间距振幅均不规则的F波,频率350-600次/分;心律绝对不齐。F波是区别房颤信号和正常信号的主要特征,因此,从ECG中提取F波能够及时帮助医生判断诊治患者出现的问题,同时也是智慧医疗中房颤信号分类并诊断的至关重要一步。非负矩阵分解(Non-negative Matrix Factorization,NMF)是21世纪新兴的特征提取及分类的算法,在信号处理中的表现的十分优秀。本文对房颤信号特征和NMF基础理论进行深入研究,在非负矩阵分解的基础上加入合适的标签约束,构成适用于房颤信号分离的基于标签约束的非负矩阵分解算法,相比于基础的NMF算法,该算法更适用于房颤信号提取。所以本文介绍了非负矩阵分解的基本模型,在此基础上介绍并推导了基于标签约束的非负矩阵分解模型,同时把该模型用到真实房颤信号提取实验中,取得了比较好的效果。

关键词：心电图房颤信号标签约束非负矩阵分解

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

心肺音分离方法及应用

心肺音分离方法及应用

作者：王海平广东工业大学

学位级别：硕士

心音和肺音的正常与否是能够直接反映出人体心脏和肺部的健康状况。使用听诊器进行听诊是一种传统的,非侵入的,低成本的诊断方式,但在现实生活中,医生使用听诊器直接听取得到的声音信号,往往是心音与肺音的混合信号,并且还会掺杂环境噪... 详细信息

心音和肺音的正常与否是能够直接反映出人体心脏和肺部的健康状况。使用听诊器进行听诊是一种传统的,非侵入的,低成本的诊断方式,但在现实生活中,医生使用听诊器直接听取得到的声音信号,往往是心音与肺音的混合信号,并且还会掺杂环境噪音,这样就严重干扰了医生的诊断。因此寻找一种可靠的方法对心肺音信号进行分离有助于医生对病人的情况做出更加精确的诊断,极大提高治疗的效率。如何将心肺音混合信号分离成独立的心音信号和肺音信号是一个盲信号分离问题,即在信号的混叠状况不知情的状况下,分离出各个独立的信号。本文在已有的心肺音分离方法基础上稍作改进,提供了一种有效的心肺音分离方法,通过将已有的的盲源分离方法与带标签约束的非负矩阵分解方法相结合,将心肺音的先验信息以标签形式加入到心肺音分离的算法中,使得分解后的混合信号已得到初步聚类,最终提高分离的精确度。在该方法实现过程中相继用到了短时傅里叶变换,非负矩阵分解(NMF),带标签约束的非负矩阵分解(CNMF),聚类,时频掩码重构等算法。此方法主要分成四个阶段:1、信号变换阶段—使用短时傅里叶变换将听诊得到的时域混合信号进行变换得到时频域上的稀疏信号。2、分解阶段--再分别用带标签约束的非负矩阵分解与非负矩阵分解对时频域上的信号进行分解。3、聚类阶段--利用聚类算法对分解后的基矩阵与参考基矩阵进行聚类运算。4、重构阶段—通过时频掩码技术得到独立的心音、肺音时频信号,再将时频域的信号通过短时傅里叶逆变换转化为时域信号,最后得到分离后干净的心音和肺音时域信号。此外,在实验部分,选择了不同的数据集,在相同的条件下,对几种不同的分离方法进行了仿真实验,得到相关的波形以及对应的分离精度指标,以验证方法的可行性以及分离的精确度。

关键词：心肺音分离非负矩阵分解聚类分类标签约束

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向少数民族服装的图像解析及检索方法研究

面向少数民族服装的图像解析及检索方法研究

作者：张茜昆明理工大学

学位级别：硕士

我国少数民族种类繁多,少数民族服装各式各样,服装视觉风格各异,能够将服装图像解析和检索与民族服装文化相结合,对实现少数民族服装图像数字化保护以及民族文化传承起着重要的作用。因此,本文针对缺少民族服装语义标签、局部特征繁杂... 详细信息

我国少数民族种类繁多,少数民族服装各式各样,服装视觉风格各异,能够将服装图像解析和检索与民族服装文化相结合,对实现少数民族服装图像数字化保护以及民族文化传承起着重要的作用。因此,本文针对缺少民族服装语义标签、局部特征繁杂等因素导致少数民族服装图像解析和检索准确率低的问题,结合视觉风格和标签约束对少数民族服装图像进行解析,对解析结果进行多任务的深度监督哈希映射实现民族服装检索,该方法能够有效提高少数民族服装图像解析和检索的准确率。首先,由于缺少完整的少数民族服装图像数据集,本文构建了一个包含55个中国少数民族的服装图像数据集,数据集中包含部分民族分支的服装图像。现有的语义标签只用于通用时尚服装,缺乏能够区分不同民族服装的语义标签,本文按照少数民族服装的基本款式结构、着装区域和配饰,定义少数民族服装的通用语义标签和民族语义标签,同时设置4组标注对,共8个标注点。其次,针对少数民族服装视觉风格各异,且少数民族服装视觉风格具有特殊性和多样性。本文构建划分少数民族服装视觉风格的概率模型,对少数民族服装图像进行视觉风格分析,最终将少数民族服装图像划分为7种民族风格,并进一步按照风格优化自定义的语义标签,解决了少数民族服装语义标签繁多的问题,能够提高后续解析的精度和准确率。然后,针对少数民族服装图像色块差异大且纹理图案等局部细节导致解析准确率低。本文结合优化后的语义标签和带有标注对的训练图像,在深度完全卷积神经网络Seg Net中加入视觉风格以融合局部特征和全局特征,并引入属性预测、风格预测和三元组损失函数对输入的待解析图像进行初步解析;通过构建的标签约束网络进一步优化初步解析结果,避免标签相互干扰,得到最终的解析结果。最后,单任务模型难以学习民族服装多样的款式,因此本文采用多任务的深度监督哈希算法学习解析结果中得到的不同服装款式,将其映射为二进制哈希码,优化损失函数,通过相似度计算实现少数民族服装图像检索。实验结果表明,该方法能够准确地实现少数民族服装图像检索。

关键词：少数民族服装服装解析图像检索视觉风格标签约束哈希映射