检索结果-南通市图书馆

Lung Cancer Detection Using Modified alexnet Architecture and Support Vector Machine

Computers, Materials & Continua 2023年第1期74卷 2039-2054页

作者： Iftikhar Naseer Tehreem Masood Sheeraz Akram Arfan Jaffar Muhammad Rashid Muhammad Amjad Iqbal Faculty of Computer Science and Information Technology The Superior UniversityLahore54000Pakistan Department of Computer Science National University of TechnologyIslamabad45000Pakistan Faculty of IT University of Central PunjabLahore54100Pakistan

Lung cancer is the most dangerous and death-causing disease indicated by the presence of pulmonary nodules in the *** is mostly caused by the instinctive growth of cells in the *** nodule detection has a significant role in detecting and screening lung cancer in Computed tomography(CT)scan *** detection plays an important role in the survival rate and treatment of lung cancer ***,pulmonary nodule classification techniques based on the convolutional neural network can be used for the accurate and efficient detection of lung *** work proposed an automatic nodule detection method in CT images based on modified alexnet architecture and Support vector machine(SVM)algorithm namely *** proposed model consists of seven convolutional layers,three pooling layers,and two fully connected layers used to extract *** vector machine classifier is applied for the binary classification of nodules into benign *** experimental analysis is performed by using the publicly available benchmark dataset Lung nodule analysis 2016(LUNA16).The proposed model has achieved 97.64%of accuracy,96.37%of sensitivity,and 99.08%of specificity.A comparative analysis has been carried out between the proposed LungNet-SVM model and existing stateof-the-art approaches for the classification of lung *** experimental results indicate that the proposed LungNet-SVM model achieved remarkable performance on a LUNA16 dataset in terms of accuracy.

关键词： Lung cancer alexnet luna16 computed tomography support vector machine

来源：

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

基于格拉姆角场与迁移学习-alexnet的变压器绕组松动故障诊断方法

引用

电力系统保护与控制 2023年第24期51卷 154-163页

作者：薛健侗马宏忠杨洪苏倪一铭万可力迮恒鹏河海大学能源与电气学院江苏南京211100

绕组松动故障是变压器最主要的机械故障之一,尚缺乏有效的智能化诊断方法。为此提出基于格拉姆角场与迁移学习-Alex Net的变压器绕组松动故障诊断方法。变压器稳态运行时的振动信号存在周期性的特点,导致其构建足量具有时间相关性的图... 详细信息

绕组松动故障是变压器最主要的机械故障之一,尚缺乏有效的智能化诊断方法。为此提出基于格拉姆角场与迁移学习-Alex Net的变压器绕组松动故障诊断方法。变压器稳态运行时的振动信号存在周期性的特点,导致其构建足量具有时间相关性的图像集十分困难,提出了一种样本构建方法用于生成变压器振动信号的格拉姆角场图像集。将生成的图像集送入alexnet进行迁移学习,获得微调后的神经网络模型。实验结果表明:利用该样本构建方法生成的图像集作为训练集和验证集,建立的卷积神经网络模型训练准确率与验证准确率均达到99%以上;利用变压器周期性振动信号生成的图像集作为测试集,测试准确率达到99%以上,实现了变压器绕组松动故障的准确诊断,并为周期性信号运用具有时间相关性的图像变换方法构建足量样本集提供了一种新思路。

关键词：变压器绕组松动振动信号格拉姆角场 alexnet 迁移学习样本构建故障诊断

来源：

维普期刊数据库

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alexnet优化的板材材种识别方法

引用

林业科学 2022年第3期58卷 149-158页

作者：杨楠楠白岩姜苏译杨春梅徐凯宏东北林业大学信息与计算机工程学院哈尔滨150040 东北林业大学机电工程学院哈尔滨150040

【目的】基于处理后的木材端面细胞特征,寻找合适的机器学习方法提高木材识别准确率,以实现木材高效利用,为珍稀木材种类判别和保护提供依据。【方法】以5种木材(臭冷杉、长白落叶松、鱼鳞云杉、鹅掌楸和凹叶厚朴)端面细胞为研究对象,... 详细信息

【目的】基于处理后的木材端面细胞特征,寻找合适的机器学习方法提高木材识别准确率,以实现木材高效利用,为珍稀木材种类判别和保护提供依据。【方法】以5种木材(臭冷杉、长白落叶松、鱼鳞云杉、鹅掌楸和凹叶厚朴)端面细胞为研究对象,提取多种差异性图像作为数据集,通过图像处理提取特征信息,分别采用支持向量机(SVM)和alexnet神经网络进行分类识别。根据木材端面细胞区分的差异性,在alexnet神经网络架构中加入BN算法进行优化,设计一种更高效的板材识别方法提高木材识别准确率。【结果】将增强后的29680张图像按7∶3划分,分别保存在训练集和测试集文件夹中,测试样本确定标签后均放入同一文件夹,分别对3种分类算法进行整体批量测试,支持向量机分类器测试集的整体识别准确率为84.67%,alexnet神经网络测试集的整体识别准确率为88.76%,基于BN算法优化的alexnet神经网络测试集的整体识别准确率为91.15%,识别效果更好。【结论】当样本量充足时,alexnet神经网络对木材端面细胞图像的分类效果明显优于SVM分类器。基于BN算法优化的alexnet神经网络对图像线性特征更敏感,保留alexnet神经网络拟合优化性的同时加快寻优速率,可有效提高识别精度,实现木材高精度分类。

关键词：材种识别机器学习 alexnet SVM

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

基于轻量级alexnet网络的秦简文字识别算法

引用

中南大学学报（自然科学版） 2023年第9期54卷 3506-3517页

作者：陈炳权汪政阳夏蓉陈明吉首大学通信与电子工程学院湖南吉首416000 湖南大学电气与信息工程学院湖南长沙410082

以样本少且欠均衡的高信噪比秦简文字图像为研究对象,提出一种基于改进的轻量级alexnet网络模型的秦简文字识别算法。首先,构建秦简单文字图像数据集,对其进行增强降噪、图像归一化等预处理操作;其次,调整alexnet网络模型结构,构建4层... 详细信息

以样本少且欠均衡的高信噪比秦简文字图像为研究对象,提出一种基于改进的轻量级alexnet网络模型的秦简文字识别算法。首先,构建秦简单文字图像数据集,对其进行增强降噪、图像归一化等预处理操作;其次,调整alexnet网络模型结构,构建4层卷积层与池化层的顺序连接,并在前2层卷积层分别融入InceptionA与InceptionC结构,以分解卷积的形式对秦简文字进行局部特征提取,选取ReLU函数作为模型的激活函数,并在全连接层融入Dropout层进一步防止模型出现过拟合现象;最后,调用Softmax分类器完成秦简文字图像识别。研究结果表明:该网络模型在轻量化与识别准确率的表现上具有明显的优势,平均识别耗时为635 ms,识别准确率达到了99.89%,识别效果良好,可为秦简文字识别理论研究提供参考。

关键词：秦简文字图像识别 alexnet Inception V3

来源：

维普期刊数据库博看期刊

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

基于改进alexnet的广域复杂环境下遮挡猕猴桃目标识别

引用

农业机械学报 2019年第10期50卷 24-34页

作者：穆龙涛高宗斌崔永杰李凯刘浩洲傅隆生西北农林科技大学机械与电子工程学院陕西杨凌712100 农业农村部农业物联网重点实验室陕西杨凌712100 陕西省农业信息感知与智能服务重点实验室陕西杨凌712100

为了提高猕猴桃采摘机器人的工作效率和对猕猴桃复杂生长环境的适应性,识别广域复杂环境下相互遮挡的猕猴桃目标,采用Im-alexnet为特征提取层的Faster R-CNN目标检测算法,通过迁移学习微调Alex Net网络,修改全连接层L6、L7的节点数为768... 详细信息

为了提高猕猴桃采摘机器人的工作效率和对猕猴桃复杂生长环境的适应性,识别广域复杂环境下相互遮挡的猕猴桃目标,采用Im-alexnet为特征提取层的Faster R-CNN目标检测算法,通过迁移学习微调Alex Net网络,修改全连接层L6、L7的节点数为768和256,以解决晴天(白天逆光、侧逆光)、阴天及夜间补光条件下的广域复杂环境中猕猴桃因枝叶遮挡或部分果实重叠遮挡所导致的识别精度较低等问题。采集广域复杂环境中晴天逆光、晴天侧逆光、阴天和夜间补光条件下存在遮挡情况的4类样本图像共1 823幅,建立试验样本数据库进行训练并测试。试验结果表明:该方法对晴天逆光、晴天侧逆光、阴天和夜间补光条件下存在遮挡情况的图像识别精度为96. 00%,单幅图像识别时间约为1 s。在相同数据集下,Im-alexnet网络识别精度比Le Net、Alex Net和VGG16 3种网络识别精度的平均值高出5. 74个百分点。说明该算法能够降低猕猴桃果实漏识别率和误识别率,提高了识别精度。该算法能够应用于猕猴桃采摘机器人对广域复杂环境下枝叶遮挡或部分果实重叠遮挡的准确识别。

关键词：猕猴桃多目标识别广域目标遮挡图像深度学习 alexnet

来源：

维普期刊数据库

同方期刊数据库

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

基于深度学习alexnet的遥感影像地表覆盖分类评价研究

引用

地球信息科学学报 2017年第11期19卷 1530-1537页

作者：党宇张继贤邓喀中赵有松余凡中国矿业大学徐州221116 国家测绘产品质量检验测试中心北京100830 中国测绘科学研究院北京100830

地表覆盖分类信息是反映自然、人工地表覆盖要素的综合体,包含植被、土壤、冰川、河流、湖泊、沼泽湿地及各类人工构筑物等元素,侧重描述地球表面的自然属性,具有明确的时间及空间特性。地表覆盖分类信息数据量大、现势性强、人工评价费... 详细信息

地表覆盖分类信息是反映自然、人工地表覆盖要素的综合体,包含植被、土壤、冰川、河流、湖泊、沼泽湿地及各类人工构筑物等元素,侧重描述地球表面的自然属性,具有明确的时间及空间特性。地表覆盖分类信息数据量大、现势性强、人工评价费时,其自动化评价长期以来存在许多技术难点。本文基于面向对象的图斑分类体系,引入深度卷积神经网络对现有地理国情普查-地表覆盖分类数据进行分类评价,并通过试验利用alexnet模型实现地表覆盖分类评价验证。试验结果表明,该方法可有效判读耕地、房屋2类图斑,正确分类隶属度优于99%,而由于数据较少、训练不充分,林地、水体图斑正确分类隶属度不高,分别为62.73%和43.59%。使用本文方法,经过大量数据充分微调的深度学习alexnet可有效地计算图斑的地类隶属度,并实现自动地表覆盖分类图斑量化评价。

关键词：深度学习地理国情普查地表覆盖分类质量评价 alexnet

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

基于批归一化与alexnet网络的水稻病害识别

引用

激光与光电子学进展 2021年第6期58卷 156-166页

作者：杨红云万颖王映龙罗建军江西农业大学软件学院江西南昌330045 江西农业大学计算机信息与工程学院江西南昌330045

为实现多种类水稻病害的自动识别,采用卷积神经网络对水稻干尖线虫病、白叶枯病、细菌性条斑病等8种水稻叶部病害图像进行识别。将病害图像通过随机旋转以及亮度和对比度随机改变等方法进行样本扩充后,随机划分80%的图像作为卷积神经网... 详细信息

为实现多种类水稻病害的自动识别,采用卷积神经网络对水稻干尖线虫病、白叶枯病、细菌性条斑病等8种水稻叶部病害图像进行识别。将病害图像通过随机旋转以及亮度和对比度随机改变等方法进行样本扩充后,随机划分80%的图像作为卷积神经网络的训练样本,20%的图像作为测试数据。将训练样本直接输入alexnet网络与LeNet5网络中进行训练,得到alexnet_model和LeNet_model。在alexnet网络上采用模糊C均值聚类(FCM)图像处理和在每层激活函数后添加批归一化层(BN)的两种方法对图像进行识别,得到模型FCM_model和BN_model。结合4种模型识别结果及性能评价指标的分析,可知BN_model的识别效果最佳。BN_model模型的最终测试识别准确率达99.11%,比alexnet_model、FCM_model和LeNet_model分别提高了0.23个百分点、0.59个百分点和4.43个百分点。该模型识别能力与泛化能力强,为基于卷积神经网络的水稻病害研究提供了参考。

关键词：图像处理病害识别卷积神经网络 alexnet 批归一化

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

基于迁移学习与改进型alexnet的蝴蝶分类算法

引用

信息与控制 2023年第4期52卷 514-524页

作者：杨大为蔡宇沈阳理工大学信息科学与工程学院辽宁沈阳110158

蝴蝶分类是保护蝴蝶物种多样性、观测大气变化的首要工作。为了提高蝴蝶种类识别的准确率,改善复杂网络算法运行时间长的缺陷,提出了一种基于迁移学习与改进型alexnet的蝴蝶分类算法。该算法将alexnet作为预训练模型,使其成为新模型的... 详细信息

蝴蝶分类是保护蝴蝶物种多样性、观测大气变化的首要工作。为了提高蝴蝶种类识别的准确率,改善复杂网络算法运行时间长的缺陷,提出了一种基于迁移学习与改进型alexnet的蝴蝶分类算法。该算法将alexnet作为预训练模型,使其成为新模型的特征提取器,并在alexnet算法的基础上,通过调整卷积核数量、替换归一化LRN(local response normalization)层、减少全连接层个数、增加均值下采样层等,进行改进与优化。实验结果表明,改进算法对蝴蝶种类识别的准确率高于原alexnet算法,并具有更优的识别效率,提升了整体模型的性能。

关键词：蝴蝶种类神经网络卷积图像分类 alexnet

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

基于改进的alexnet模型的家用负载电弧检测

引用

传感技术学报 2023年第12期36卷 1928-1934页

作者：李斌杨亦航辽宁工程技术大学电气与控制工程学院辽宁葫芦岛125105

传统的电弧检测方法依赖人工设定阈值,存在误判的可能性,以及检测成功率不高等问题,提出了一种基于改进alexnet深度学习卷积模型的电弧故障检测方法;该方法使用Adam算法代替SDG算法作为优化算法,加快模型的收敛速度,引入批量归一化算法... 详细信息

传统的电弧检测方法依赖人工设定阈值,存在误判的可能性,以及检测成功率不高等问题,提出了一种基于改进alexnet深度学习卷积模型的电弧故障检测方法;该方法使用Adam算法代替SDG算法作为优化算法,加快模型的收敛速度,引入批量归一化算法,对数据进行归一化处理,改变卷积核的大小,减少网络参数数目。采用短时傅里叶变换(STFT)提取正常和故障时的电流信号时频信息,构建电流信号的时频图作为改进模型的输入,通过该改进的alexnet模型实现电弧故障的检测。经过验证,该改进的模型电弧故障识别准确率能达到98%,并优于其他比较方法。

关键词：电弧故障检测时频图 alexnet Adam 批量归一化

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

基于增强alexnet的音乐流派识别研究

引用

智能系统学报 2020年第4期15卷 750-757页

作者：刘万军孟仁杰曲海成刘腊梅辽宁工程技术大学软件学院辽宁葫芦岛125105

针对机器学习模型对音乐流派特征识别能力较弱的问题,提出了一种基于深度卷积神经网络的音乐流派识别(DCNN-MGR)模型。该模型首先通过快速傅里叶变换提取音频信息,生成可以输入DCNN的频谱并切割生成频谱切片。然后通过融合带泄露整流(Le... 详细信息

针对机器学习模型对音乐流派特征识别能力较弱的问题,提出了一种基于深度卷积神经网络的音乐流派识别(DCNN-MGR)模型。该模型首先通过快速傅里叶变换提取音频信息,生成可以输入DCNN的频谱并切割生成频谱切片。然后通过融合带泄露整流(Leaky ReLU)函数、双曲正切(Tanh)函数和Softplus分类器对alexnet进行增强。其次将生成的频谱切片输入增强的alexnet进行多批次的训练与验证,提取并学习音乐特征,得到可以有效分辨音乐特征的网络模型。最后使用输出模型进行音乐流派识别测试。实验结果表明,增强的alexnet在音乐特征识别准确率和网络收敛效果上明显优于alexnet及其他常用的DCNN、DCNN-MGR模型在音乐流派识别准确率上比其他机器学习模型提升了4%~20%。

关键词：音乐流派识别深度卷积神经网络机器学习深度学习 alexnet 音频特征提取音乐特征识别

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

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

在线全文

在线全文

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

在线全文

在线全文

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：