期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
基于CNN-XGBoost模型的多类型棉花叶片病害识别
1
作者 戴臻 费洪晓 《江苏农业科学》 北大核心 2024年第13期205-213,共9页
为提高棉花生产和质量,需要对棉花叶片病害进行及时和准确的识别。然而,现有研究方法往往只能处理少数几种常见的病害类型,而无法覆盖更多的病害种类。本研究提出一种基于CNN-XGBoost模型的多类型棉花叶片病害识别方法,该方法能够识别... 为提高棉花生产和质量,需要对棉花叶片病害进行及时和准确的识别。然而,现有研究方法往往只能处理少数几种常见的病害类型,而无法覆盖更多的病害种类。本研究提出一种基于CNN-XGBoost模型的多类型棉花叶片病害识别方法,该方法能够识别出21种不同的病害类型,涵盖了细菌、真菌、病毒、营养缺乏等多种因素导致的病害。首先,收集约1.2万张棉花叶片病害图像样本,构建一个包含多种类型病害的数据集,对数据集进行预处理和增强操作,增加数据的多样性和难度;其次,设计一个CNN模型,利用卷积层和池化层提取棉花叶片图像的特征向量,将CNN模型的输出作为XGBoost模型的输入,使用XGBoost模型对特征向量进行分类;最后,采用加权交叉熵损失函数作为优化目标,通过反向传播算法更新CNN模型和XGBoost模型的参数。结果表明,本研究提出的CNN-XGBoost模型在21种类型棉花叶片病害上都能达到高精度的识别,平均准确率达到0.98,远高于其他对比方法,为棉花生产者提供了一个实用和高效的植物病害诊断工具,有助于及时发现和处理棉花叶片病害,从而提高棉花产量。 展开更多
关键词 CNN-XGBoost 棉花叶片病害 多类型病害 加权交叉损失函数
下载PDF
基于UNet++卷积神经网络的断层识别 被引量:3
2
作者 安志伟 刘玉敏 +1 位作者 袁硕 魏海军 《吉林大学学报(信息科学版)》 CAS 2024年第1期100-110,共11页
针对传统相干体属性和机器学习在复杂断裂识别能力差的问题,提出一种基于UNet++卷积神经网络的断层识别方法。该方法采用加权交叉熵损失函数做目标函数,使网络模型训练过程中避免了数据样本不平衡的问题,引入注意力机制和密集卷积块,以... 针对传统相干体属性和机器学习在复杂断裂识别能力差的问题,提出一种基于UNet++卷积神经网络的断层识别方法。该方法采用加权交叉熵损失函数做目标函数,使网络模型训练过程中避免了数据样本不平衡的问题,引入注意力机制和密集卷积块,以及更多的跳跃连接,更好地实现深层次断层语义信息和浅层次断层空间信息之间的特征融合,进而可以使UNet++网络模型更好地实现断层识别。实验结果表明,该网络模型将F1值提高到了92.38%, loss降低到0.012 0,可以更好地学习断层特征信息。将该模型应用于西南庄断层的识别中,结果表明,该方法可以更准确预测断层位置,在识别连续断层的准确率上有所提高,有效防止了地下噪音对于断层识别的不利影响,从而验证了UNet++网络模型在断层识别上具有一定的研究价值。 展开更多
关键词 断层识别 UNet++网络模型 加权交叉损失函数 注意力机制 特征融合
下载PDF
跨级可变形Transformer编解码视网膜图像分割算法 被引量:2
3
作者 梁礼明 阳渊 +1 位作者 何安军 李仁杰 《无线电工程》 北大核心 2023年第9期1990-2001,共12页
眼底视网膜血管图像分割对青光眼、糖尿病等疾病的预防和诊断具有重要意义。针对视网膜血管图像边缘分割模糊、微细血管漏缺和模型感受野不足等问题,提出了一种跨级可变形Transformer编解码(Cross-stage Deformable Transformer Encodin... 眼底视网膜血管图像分割对青光眼、糖尿病等疾病的预防和诊断具有重要意义。针对视网膜血管图像边缘分割模糊、微细血管漏缺和模型感受野不足等问题,提出了一种跨级可变形Transformer编解码(Cross-stage Deformable Transformer Encoding and Decoding Net,CTED-Net)视网膜图像分割算法。在特征提取网络中融入通道像素增强模块和跨级融合骨干,实现对视网膜血管全局特征的粗提取;在网络编码部分加入可变形自适应编码Transformer模块(Deformable Adaptive Coding Transformer Module,DACT),通过可变形编码的方式增大模型感受野;在编解码结构底层加入深层语义门控注意模块,实现对视网膜血管深层特征的充分学习,以改善血管图像边缘分割模糊的问题。在模型训练阶段采用加权交叉焦点损失函数,克服视网膜血管图像样本不平衡的问题。在公共数据集DRIVE和STARE上进行仿真实验,所提算法灵敏度、特异性、准确率和AUC指标在DRIVE上达到84.25%、98.17%、96.46%和98.70%,在STARE上达到80.22%、98.64%、96.71%和98.78%。通过与其他先进算法对比分析可以看出,所提算法分割效果可靠且整体性能先进。 展开更多
关键词 可变形Transformer 跨级融合骨干 加权交叉焦点损失函数 视网膜血管图像分割 深层语义门控注意模块
下载PDF
基于图神经网络的不平衡欺诈检测研究 被引量:1
4
作者 陈安琪 陈睿 +1 位作者 邝祝芳 黄华军 《计算机工程》 CAS CSCD 北大核心 2023年第11期150-159,共10页
现阶段图神经网络被广泛应用于欺诈检测,由于欺诈检测中往往存在类不平衡问题,导致基于图神经网络模型性能不佳。针对上述问题,设计一种基于图神经网络的不平衡欺诈检测模型。该模型细化了图结构数据中存在的邻域不平衡和中心不平衡两... 现阶段图神经网络被广泛应用于欺诈检测,由于欺诈检测中往往存在类不平衡问题,导致基于图神经网络模型性能不佳。针对上述问题,设计一种基于图神经网络的不平衡欺诈检测模型。该模型细化了图结构数据中存在的邻域不平衡和中心不平衡两个不平衡的概念。在邻域不平衡中,通过多层感知机和高斯核函数衡量中心节点与其邻域节点的非欧氏空间距离(相似度),基于马尔可夫决策动态更新采样阈值对邻域节点进行多层自适应欠采样,并在每一层中仅聚合其原始特征和前一层的隐藏嵌入得到中心节点的目标嵌入;在中心不平衡中,引入加权交叉熵损失函数为每个中心节点的损失设置动态权重以达到中心平衡。在Yelp和Amazon两个数据集上的实验结果表明,该模型的曲线下面积(AUC)、召回率(Recall)两个指标相较于最优基准模型均有显著提升,在两个数据集上的AUC和Recall分别提升了5.52%、5.42%和1.57%、4.31%。 展开更多
关键词 图神经网络 欺诈检测 类不平衡 马尔可夫决策 加权交叉损失函数
下载PDF
融合多种网络的半监督分层睡眠分期算法 被引量:1
5
作者 王琪 仝爽 《无线电工程》 北大核心 2023年第4期925-935,共11页
当前的睡眠阶段时空特征提取依赖于给定数据集标签的监督学习,在一定程度上受到限制。提出一种基于脑电信号的半监督睡眠分期算法,利用由改进卷积编码-解码器和生成对抗网络构建的浅层特征提取网络提取浅层时空特征,采用Hard swish激活... 当前的睡眠阶段时空特征提取依赖于给定数据集标签的监督学习,在一定程度上受到限制。提出一种基于脑电信号的半监督睡眠分期算法,利用由改进卷积编码-解码器和生成对抗网络构建的浅层特征提取网络提取浅层时空特征,采用Hard swish激活函数来加速模型收敛。为充分提取脑电信号高质量的深层时序依赖特征,模型的深层特征提取网络将传统的长短时记忆网络改进为参数较少的双向门控循环单元。在特征融合后使用加权交叉熵损失函数训练以提高模型的分类准确性。实验使用Sleep-EDF数据集在Fpz-Cz通道上对模型进行20折交叉验证,得到模型总体准确率和MF1值分别为86.3%和81.2%,相比于卷积循环网络分别提高了3.1%和3.3%。 展开更多
关键词 脑电信号 自动睡眠分期 双向门控循环单元 混合神经网络 加权交叉损失函数
下载PDF
结合缠论和深度学习的股价拐点预测研究 被引量:2
6
作者 田红丽 杨莹莹 闫会强 《计算机工程与应用》 CSCD 北大核心 2022年第16期319-325,共7页
针对股市存在伪分型且分型数据集的类别样本不平衡问题,提出了一种结合缠论和深度学习的拐点预测方法(SMOTE-FLCN-WSVM)。在缠论的基础上,对数据集进行拐点的标注。深度学习模型从数据、特征以及分类算法三个层面对不平衡问题进行改进... 针对股市存在伪分型且分型数据集的类别样本不平衡问题,提出了一种结合缠论和深度学习的拐点预测方法(SMOTE-FLCN-WSVM)。在缠论的基础上,对数据集进行拐点的标注。深度学习模型从数据、特征以及分类算法三个层面对不平衡问题进行改进。首先采用SMOTE过采样算法对数据集进行预处理;再针对不平衡数据集特征提取困难的问题,使用引入Focal Loss的卷积神经网络挖掘数据的深层特征;然后利用引入类别权重参数的支持向量机对提取的特征进行分类。实验从实用性与有效性出发,选择绝对收益、相对收益与准确率对模型进行对比实验与收益评估。实验结果表明,所提模型具有可行性与实际应用价值。 展开更多
关键词 缠论 合成少数类过采样技术(SMOTE) 焦点损失函数 卷积神经网络(CNN) 加权支持向量机(WSVM)
下载PDF
基于动态卷积的胸部X光片疾病分类算法 被引量:2
7
作者 李锵 赵启蒙 关欣 《天津大学学报(自然科学与工程技术版)》 EI CAS CSCD 北大核心 2022年第9期953-964,共12页
胸部疾病严重威胁人类健康,及时并精准地检测胸部疾病对患者的治疗与康复具有重要意义.胸部疾病经常通过胸部X光片进行诊断,但由于胸部疾病的多样性以及病理特征的复杂性,现有的胸部X光片疾病分类算法存在分类准确度较低、模型复杂度较... 胸部疾病严重威胁人类健康,及时并精准地检测胸部疾病对患者的治疗与康复具有重要意义.胸部疾病经常通过胸部X光片进行诊断,但由于胸部疾病的多样性以及病理特征的复杂性,现有的胸部X光片疾病分类算法存在分类准确度较低、模型复杂度较高等问题.针对以上问题,提出一种基于动态卷积的胸部X光片疾病分类算法.将动态卷积模块加入密集连接网络,在不显著增加网络模型尺寸的前提下,增强网络对多尺度信息的特征提取能力,在提升分类准确度的同时保持高效推理;使用Meta-ACON改进ReLU(rectified linear units)激活函数,通过线性-非线性切换因子自适应地选择是否激活以及使用何种激活函数,从而增强网络的泛化能力;提出加权焦点损失函数,在焦点损失函数的基础上加入权重调整因子,使网络依据分类的难易程度为每种疾病合理分配权重,增大较难分类疾病的损失占比以提高其分类准确度,进而优化整体性能;对数据加载方式进行优化,增大批数据处理量以提升批归一化效果;在测试阶段使用测试时数据增强策略,综合分析多个维度的分类结果,提高分类的准确性与鲁棒性.在chest X-ray14数据集上的实验结果表明,在密集连接网络中加入动态卷积模块、Meta-ACON激活函数、加权焦点损失函数并在实验时优化数据加载方式、使用测试时数据增强策略的算法对14种胸部疾病分类的平均受试者工作特征曲线下面积(area under receiver operating characteristic curve,AUC)值达到0.8361,针对单个疾病标签的AUC值最高可达0.9534,高于目前6种先进算法.实验结果表明,基于动态卷积的胸部X光片疾病分类算法具有分类准确度高、模型鲁棒性强等优势,可良好地适用于胸部X光片疾病分类任务. 展开更多
关键词 胸部X光片 疾病分类 密集连接网络 动态卷积 ACON激活函数 加权焦点损失函数
下载PDF
基于W-DenseNet的减压阀不平衡样本故障诊断模型 被引量:8
8
作者 张洪 盛永健 +2 位作者 黄子龙 刘晨 曹毅 《控制与决策》 EI CSCD 北大核心 2022年第6期1513-1520,共8页
针对实际工况中被测对象大多处于正常状态而引起故障样本稀缺、故障数据间存在差异,导致故障类别识别准确率不高的问题,基于密集卷积神经网络(DenseNet),提出一种减压阀样本数据不平衡下的故障诊断模型—–加权密集卷积神经网络(W-Dense... 针对实际工况中被测对象大多处于正常状态而引起故障样本稀缺、故障数据间存在差异,导致故障类别识别准确率不高的问题,基于密集卷积神经网络(DenseNet),提出一种减压阀样本数据不平衡下的故障诊断模型—–加权密集卷积神经网络(W-DenseNet).首先,将原始一维压力信号数据重构后转换为二维灰度图,作为模型的输入数据;其次,以DenseNet为基础框架搭建特征提取网络;然后,在损失函数中为不同类别样本添加惩罚系数以实现不平衡样本误差的加权平均;最后,为验证模型的有效性,搭建减压阀数据采集系统并进行分类性能实验.实验结果表明:W-DenseNet模型在不同平衡度的减压阀数据集下均有良好的分类效果,且当各故障类间均存在样本不平衡现象时,模型对3种故障类型的召回率仍分别高达95.18%、95.47%、96.89%. 展开更多
关键词 减压阀 密集卷积神经网络 不平衡样本 加权交叉损失函数 故障诊断
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部