多尺度融合编码与自注意力的肺部CT分割算法

计算机断层扫描(CT)在当前是一种辅助检测肺炎的有效手段,但病理表征的复杂性给医生诊断时带来不便,难以准确地对图像进行分割。为进一步辅助医生根据病理表征诊断病情,本文基于U-net提出了一种多尺度融合编码网络,并结合自注意力机制,力图在辅助医生判断的角度提供可行性方案。为了获取不同尺度的语义信息,首先在编码器部分设计了一种多尺度融合编码器模块,提取不同尺度的特征,充分感知语义信息;同时在编码器和解码器之间的跳连部分引入了改进的自注意力机制,使得网络更好地关注不同语义特征的相关性;最后,采用融合Dice损失函数,Focal损失函数,交叉熵损失函数构建的多级损失函数,更好地约束训练。通过训练公开的数据集,得到分割结果表明Dice相似系数、精确率(Precision)、召回率(Recall)分别为75.37%、77.03%、71.87%,优于其他的模型。我们验证了改进的网络能够在图像分割过程中提升网络性能的可能性。

音素关联的多文种语音融合编码方法

依据异类文种之间、同类文种不同语音之间存在音素数据关联的特性,提出多文种语音数据融合编码方法。将不同文种存在的相同音素数据段块按段块模板截取语音样本序列,小波变换,提取特征矢量,生成共享模板集;任意字音或语句音串均按共享模板集提供的元素进行编码与解码;以模板音素串构成的语音记录库按(音节、音素)索引。实验结果表明,单字语音数据压缩比、语音数据存储量、语音还原分段信噪比、主观评价得分等参数均明显优于已有方法,语音还原质量良好。

基于多特征融合编码的神经网络依存句法分析模型

在基于神经网络的依存句法分析中,对分析栈和决策层信息的表示和利用依然有值得深入研究的空间。针对分析栈的表示,已有工作并没有对单棵依存子树独立编码的表示,导致无法利用各个依存子树的局部特征;也没有对生成的依存弧序列进行编码,导致无法利用依存弧的全局信息。针对决策层的表示,已有工作利用MLP预测转移动作,该结构无法利用历史决策动作的信息。对此,该文提出基于多特征融合编码的神经网络依存句法分析模型,基于依存子树和历史生成的依存弧表示分析栈,利用TreeLSTM网络编码依存子树信息,利用LSTM网络编码历史生成的依存弧序列,以更好地表示分析栈的局部信息和全局信息。进一步提出基于LSTM网络的结构预测转移动作序列,引入历史决策动作信息作为特征辅助当前决策。该文以汉语为具体研究对象,在CTB5汉语依存分析数据上验证所提出的多特征融合编码的神经网络模型。实验结果显示,汉语依存句法分析性能得到改进,在目前公布的基于转移的分析系统中取得最好成绩,在UAS和LAS评价指标上分别达到87.8%和86.8%的精度,表明所提出的对依存子树局部特征及历史依存弧信息和历史决策动作信息的编码方法,在改进依存分析模型性能方面的有效性。

基于多级语义信息融合编码的序列标注方法

序列标注是自然语言处理领域的基本任务。目前大多数序列标注方法采用循环神经网络及其变体直接提取序列中的上下文语义信息,尽管有效地捕捉到了词之间的连续依赖关系并取得了不错的性能,但捕获序列中离散依赖关系的能力不足,同时也忽略了词与标签之间的联系。因此,提出了一种多级语义信息融合编码方式,首先,通过双向长短期记忆网络提取序列上下文语义信息;然后,利用注意力机制将标签语义信息添加到上下文语义信息中,得到融合标签语义信息的上下文语义信息;接着,引入自注意力机制捕捉序列中的离散依赖关系,得到含有离散依赖关系的上下文语义信息;最后,使用融合机制将3种语义信息融合,得到一种全新的语义信息。实验结果表明,相比于采用循环神经网络或其变体对序列直接编码的方式,多级语义信息融合编码方式能明显提升模型性能。

基于高度包保护的优化融合编码算法

为了提升水声网络中现有的基于喷泉码与网络编码融合传输方案的性能,减少LT编码包经过中继节点网络编码后度分布的变化,本文提出一种基于高度包保护的优化融合编码算法(LTNC-HP)。LTNC-HP算法通过在各个中继节点增加高度保护传输算法,解决融合编码时存在的不理想覆盖问题,有效减少了传输的信息量。同时LTNC-HP算法在中继节点编码时加入同度包优先选择机制,提高各个中继节点编码信息的有效性,增加了网络中数据包的多样性。仿真结果表明,与改进前的融合编码方案相比,LTNC-HP算法传输信息的有效性显著提高,且传输冗余大幅度降低。

基于多特征融合自编码器的无监督地震相分类研究

地震相分类是地震数据解释中的一个重要步骤,是地震数据与沉积相的连接工具.为了提高地震相分类精度和减少对有限人工标签的依赖,本文提出了一种基于多特征融合自编码器的无监督地震相分类方法.首先,提出了一种混合卷积和变分编码的多特征融合自编码器,实现了地震数据中表征地震相的大量隐含特征提取.其次基于非负矩阵分解和K均值聚类实现了主特征分量分解和地震相聚类.实际地震数据应用结果和指标分析表明,本文方法提取的隐含特征趋于正态分布,且主特征分量中蕴含了不同地震相类别的响应,从而可以获得更准确的地震相分类结果.在渤海湾盆地东营凹陷古近系沙河街组湖相沉积中,清晰划分出了六类沉积微相的边界,有利于揭示三角洲沉积环境演变.

基于多特征融合自动编码器的增量式入侵检测

针对增量式入侵检测算法由于对旧知识产生灾难性遗忘而导致对旧类别数据分类准确率不高的问题,本文提出了一种基于非对称式多特征融合自动编码器(asymmetric multi-feature fusion auto-encoder, AMAE)和全连接分类神经网络(classification deep neural network, C-DNN)的增量式入侵检测算法(ImFace).在增量学习阶段, ImFace会为每一批新的数据集训练一个AMAE模型和C-DNN模型.同时,本文通过使用变分自动编码器(variational auto-encoder, VAE)对数据进行过采样的方式来改善由于数据集不平衡而导致C-DNN对某些类别数据的检测能力不足的问题.在检测阶段, ImFace将输入数据经过所有AMAE和C-DNN,然后将AMAE的结果作为置信度来选择某一个C-DNN的输出结果作为最终结果.本文使用CICIDS2017数据集来检验ImFace算法的有效性.实验结果表明, ImFace算法不仅能够保留对旧类别的分类能力,同时对新类别的数据也有很高的检测准确率.

多源在线地理编码融合优化与应用

不同地图服务商提供的地理编码规则和数据源不同,导致地理编码结果也有所差异。目前所有在线地理编码服务均提供JSON文本数据作为返回数据格式,但JSON文件并不是矢量文件格式,无法直接转换成矢量数据文件,给实际工作带来了不便。对比分析了高德地图、百度地图、天地图等地理编码服务接口的结果差异,针对该差异设计了一种地理编码结果优化算法,并利用ArcPy将最终优化的编码结果转换为矢量文件,实现了多种地理编码服务的整合优化和编码结果的直接矢量化,减小了地理编码差异带来的结果偏差,提高了地理编码工作效率。

基于小波变换和多特征融合编码的人脸识别

针对Gabor小波提取存在维数灾难和特征冗余的问题,提出一种小波变换结合多特征融合编码的人脸特征提取方法。所提方法利用2D-Gabor小波提取归一化的输入图像特征信息,得到不同尺度和方向上的Gabor特征;对于每个特征图像,应用基于Gabor小波的多特征融合编码模型提取图像的L-F(Local Gradient Coding-Fusion)特征;最后使用直方图统计图像特征以选取适当的分块数目,利用信息熵将所有子块图像乘以各自的加权系数得到最终的人脸特征,并利用训练样本的欧氏距离来设定置信区间并进行识别。实验结果表明,所提方法相比于其他特征提取方法表现出较好的性能,并且在有不同姿态和复杂光照的影响下均可表现出良好的鲁棒性。

面向电力业务多协议融合的北斗三号短报文传输技术研究

我国电网自动化监测和调度系统的信息传输方式在无地面网络覆盖条件下有进一步提升的空间,本文研究了电力业务数据规约和北斗三号短报文通信协议,将多种电力业务协议数据融入北斗三号短报文通信;设计了基于北斗三号短报文的电网自动化调度卫星通信系统,能够保障在灾难、事故等恶劣通信情况下的电网关键信息的有效和可靠传输;最后给出了终端和系统切实可行的实现方法,并进行了正确性和可行性的验证。

基于融合单演二值编码和深度信念网络的人脸识别

提出一种将融合单演二值编码(MBC)和深度信念网络(DBN)相结合的人脸识别算法,首先利用MBC算法编码图像的幅值、方向和相位信息,得到MBCF人脸特征;然后通过训练四层DBN网络进行模式识别;该算法在ORL人脸数据库上取得了99.17%的高识别率.

语音编码和图像编码比较研究

为寻找常见编码算法的共性规律,尤其是语音编码和图像编码的共性规律,在分析语音和图像编码常用方法及发展方向的基础上,比较研究了语音和图像信号特征的异同,并指出了二者编码的共同点,着重指出了二者通用的编码技术。对语音和图像编码算法的设计有一定的指导意义,对多媒体的融合编码也有一定意义。

基于数据融合的电子数据真实性鉴定技术研究

为解决数据鉴定过程中存在的融合孤岛问题、提升电子数据的真实性水平,提出一种基于数据融合的电子数据真实性鉴定技术。在电子数据融合编码的结构条件下,按照融合数据的提取与转换原则,完成相关融合节点提取,实现基于数据融合的电子数据获取。在此基础上,通过鉴定节点拼接途径的方式,载入电子数据信息,并通过待鉴定数据合并的手段完成鉴定,实现基于数据融合的电子数据真实性鉴定技术研究。对比实验结果表明,与GML鉴定策略相比,应用该鉴定技术后,缓存信息中的融合孤岛数量明显下降,优质数据节点在总节点中所占比重明显提升,电子数据的真实性水平得到有效保障。

随机数编码融合长脉冲级联调制提升Φ-OTDR定位性能

为解决随机数编码造成相位敏感光时域反射系统振动定位差的问题,设计了一种随机数编码融合长脉冲的级联调制方法,分别利用声光调制器和半导体光放大器实现随机数编码和长脉冲的融合调制,提升消光比。使用自相关的随机数编码生成脉冲序列,设计数字正交解调算法获得拍频信号幅值与相位信息。实验结果表明,在4km长度传感光纤上,脉冲宽度为40ns时,方案可将消光比提升13.7dB;当振动信号频率为200Hz时,振动信号定位均方根误差为2.1m,最大绝对误差为3.8m,提升了振动信号定位精度,为编码相位敏感光时域反射系统定位性能提升提供了新方法。

基于混合过滤编码的神经中文生成式摘要

在神经生成式摘要任务中,由于输入文档与参考摘要之间不存在显式的对齐关系,通常会导致重复生成相同单词的问题以及生成的摘要与输入文档语义不相关、准确性低的问题.为更好解决该问题,提出了混合过滤编码网络(HFEN)并在HFEN中集成混合过滤编码机制(HFEM)、注意力机制、指针生成器.HFEM分为管道过滤编码机制(PFEM)、特征融合过滤编码机制(FFFEM).其中,FFFEM具体通过添加特征融合层实现.在中文摘要领域基准数据集(LCSTS)上的实验结果表明:HFEN相较于基线模型生成了准确性更高、重复单词更少的摘要,ROUGE指标有较大提升.

融合位置编码的中文拼写纠错方法

在中文拼写纠错任务中,字符在文本中的距离信息和顺序信息是重要的特征,因此位置编码至关重要。传统的位置编码无法区分字符的前后联系,此外二阶段方式的纠错方案存在错误传播问题。针对上述问题,提出一种多任务学习下融合位置编码的中文拼写纠错方法,使用融合位置编码更好地为模型提供位置信息;使用多任务学习机制缓解错误传播问题,提升模型泛化能力。针对公开数据集进行实验,实验结果在F1值方面有稳定提升,验证了所提方法的有效性。

基于预训练模型和编码器的图文跨模态检索算法

目前主流的图文跨模态检索模型架构主要包括基于双编码器和基于融合编码器的模型架构。基于双编码器的架构检索效率较高,但精度不足;基于融合编码器的架构检索精度较高,但效率低下。针对上述模型架构存在的问题,提出一种新的图文跨模态检索算法。首先,提出了一种召回排序策略,使用双编码器实现粗略召回,再使用融合编码器实现精准排序;其次,提出了一种基于多路Transformer预训练模型构建双编码器和融合编码器的算法,实现图文之间高质量的语义对齐,提升检索性能。在2个公开数据集MSCOCO和Flickr30k上的实验结果证明了所提算法的有效性。

胃癌能谱CT成像的技术优化及诊断价值

目的:探讨能谱CT显示胃癌的优化成像方案及提高胃癌诊断准确性。方法:分析40例胃癌患者能谱CT的40~70 keV单能量图像上病灶的CT值及对比噪声比、同层面竖脊肌CT值及标准差和信噪比;对门脉期40 keV及70 keV单能量图与碘基图的彩色编码碘融合图在ROC分析的基础上对比评价。结果:胃癌病灶在动脉期和门脉期均以40 keV单能量图显示最佳,其中门脉期显示更佳,最佳CNR分别为(2.82±1.52)和(5.01±2.35)。对门脉期40 keV和70 keV单能量图与其碘基图的彩色编码碘融合图进行ROC曲线比较,70keV和40keV融合图曲线的Az为0.875和0.908,有显著统计学差异。结论:能谱CT的40 keV单能量图和碘基图的彩色编码碘融合彩图质量较好,能提高胃癌病灶的诊断准确率。