为了解决寻常型银屑病在样本分布不平衡的数据中可能会导致的深度学习模型诊断效果下降等问题,通过结合改进模糊KMeans聚类算法对高聚类复杂度数据的处理能力以及Visual Geometry Group 13(VGG13)深度卷积神经网络模型的预测能力,提出...为了解决寻常型银屑病在样本分布不平衡的数据中可能会导致的深度学习模型诊断效果下降等问题,通过结合改进模糊KMeans聚类算法对高聚类复杂度数据的处理能力以及Visual Geometry Group 13(VGG13)深度卷积神经网络模型的预测能力,提出一种基于改进模糊KMeans聚类算法的VGG13深度卷积神经网络(VGG13-KMeans)模型,并将其应用于寻常型银屑病的诊断任务中。实验结果表明,相较于VGG13以及ResNet18两种方法,本文方法更适用于对银屑病特征的识别。展开更多
利用InSAR监测矿山采空区地表沉降的过程中易在沉降中心周围产生失相干现象,导致形变结果缺失,无法获取准确的沉降区模型。基于此,提出了一种结合时序InSAR与PIM(Probability Integral Method)的监测方法,以云南省玉溪市大红山铁矿地下...利用InSAR监测矿山采空区地表沉降的过程中易在沉降中心周围产生失相干现象,导致形变结果缺失,无法获取准确的沉降区模型。基于此,提出了一种结合时序InSAR与PIM(Probability Integral Method)的监测方法,以云南省玉溪市大红山铁矿地下采区某工作面为研究对象,首先计算出时序InSAR累积沉降量,并提取其沉降区边缘的高相干点,结合少量沉降中心水准点,利用改进型PSO(Particle Swarm Optimization)算法获取PIM参数,并通过克里金插值法建立采空区地表整体沉降区模型,利用少量水准点数据对该方法的可靠性和精度进行验证,结果表明,该方法获得的沉降区分布与实际相吻合,其沉降区监测精度比单独使用时序InSAR或PIM的更高,可用于矿区地表沉降信息的准确获取。展开更多
文摘为了解决寻常型银屑病在样本分布不平衡的数据中可能会导致的深度学习模型诊断效果下降等问题,通过结合改进模糊KMeans聚类算法对高聚类复杂度数据的处理能力以及Visual Geometry Group 13(VGG13)深度卷积神经网络模型的预测能力,提出一种基于改进模糊KMeans聚类算法的VGG13深度卷积神经网络(VGG13-KMeans)模型,并将其应用于寻常型银屑病的诊断任务中。实验结果表明,相较于VGG13以及ResNet18两种方法,本文方法更适用于对银屑病特征的识别。
文摘利用InSAR监测矿山采空区地表沉降的过程中易在沉降中心周围产生失相干现象,导致形变结果缺失,无法获取准确的沉降区模型。基于此,提出了一种结合时序InSAR与PIM(Probability Integral Method)的监测方法,以云南省玉溪市大红山铁矿地下采区某工作面为研究对象,首先计算出时序InSAR累积沉降量,并提取其沉降区边缘的高相干点,结合少量沉降中心水准点,利用改进型PSO(Particle Swarm Optimization)算法获取PIM参数,并通过克里金插值法建立采空区地表整体沉降区模型,利用少量水准点数据对该方法的可靠性和精度进行验证,结果表明,该方法获得的沉降区分布与实际相吻合,其沉降区监测精度比单独使用时序InSAR或PIM的更高,可用于矿区地表沉降信息的准确获取。