基于万有引力改进的TextRank关键词提取算法

为了提高文本关键词提取的准确性,提出基于万有引力改进的TextRank关键词提取算法GtextRank。利用万有引力模型对词语在文档中的主题影响力、词语间距离和词语间共现频率进行有效融合,构建新的TextRank转移概率实现关键词的提取。实验结果表明,与传统关键词提取方法相比,该算法具有显著的优越性,能够完成对关键词的相对正确的提取;同时考虑了文本中词语的语义关系和主题影响度,可以提高关键词的提取精度。

基于多模型卷积神经网络的乳腺癌病理医疗图像良恶性诊断

医疗图像辅助诊断是深度学习在智慧医疗领域中的一个重要应用.针对传统图像处理方法中人工提取特征过程复杂度高、测试识别准确度低和泛化能力差等问题,本文利用深度学习方法对乳腺癌病理学图像进行计算机辅助诊断.先对VGG16浅层卷积网络引入冻结层,并训练微调其余部分参数,再对结合迁移学习的Inception-V3和Res Net-V2-152进行整体参数微调,最后将训练好的的三个模型进行融合,以增强最终识别的准确度.同时又对BreakHis数据集进行了放大类别独立的研究.实验结果表明,本文在放大200倍的乳腺癌病理图像良恶性诊断问题上可取得97.64%的测试准确度,在放大类别独立的诊断问题上取得94.94%的测试准确度,为计算机辅助诊断在实际中的应用提供了可行性论证.