期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于统计学习的多层医学图像语义建模方法
被引量:
4
1
作者
林春漪
尹俊勋
+2 位作者
高学
陈建宇
孙少晖
《深圳大学学报(理工版)》
EI
CAS
北大核心
2007年第2期138-143,共6页
提出一种在小样本的情况下,基于多层贝叶斯网络的医学图像语义建模方法.该方法采用支持向量机实现从低层视觉特征到对象语义的映射,使用贝叶斯网络融合对象语义,提取高级语义,从而建立一个多层医学图像语义模型,可支持多层次的医学图像...
提出一种在小样本的情况下,基于多层贝叶斯网络的医学图像语义建模方法.该方法采用支持向量机实现从低层视觉特征到对象语义的映射,使用贝叶斯网络融合对象语义,提取高级语义,从而建立一个多层医学图像语义模型,可支持多层次的医学图像语义自动标注及其检索.将该方法用于星形细胞瘤恶性程度的语义提取,并建立一个多层语义模型.实验表明,该模型与使用K近邻分类器或高斯混合模型取代SVM的语义模型相比,查全率有明显的提高.
展开更多
关键词
多层贝叶斯网络
支持向量机
语义建模
医学图像
机器学习
下载PDF
职称材料
基于深度神经网络的图像语句转换方法发展综述
被引量:
1
2
作者
毛典辉
薛子育
+1 位作者
李子沁
王帆
《计算机科学》
CSCD
北大核心
2018年第3期23-28,共6页
在当前大数据时代,图像由于具有丰富的语义而成为大众获取相关信息的重要来源。基于深度模型的图像语义分析是一种通过深度模型将图像内容转换成可直观理解的语义知识的技术,受到了国内外研究者的广泛关注。该技术根据生成目标语义层次...
在当前大数据时代,图像由于具有丰富的语义而成为大众获取相关信息的重要来源。基于深度模型的图像语义分析是一种通过深度模型将图像内容转换成可直观理解的语义知识的技术,受到了国内外研究者的广泛关注。该技术根据生成目标语义层次的差异,可分为单类别、多标签和语句3类。首先介绍了以上3类方法对应的深度模型的结构特点,并从技术的演化趋势角度对比分析了3类方法的技术特点和发展现状;然后重点对图像语句转换方法的发展现状、应用场景与性能要求的差异进行了论述,同时对图像语句转换方法的步骤进行分解和论述,从学术界和产业界两方面进行了详细的对比分析,指出了二者的不同研究侧重点与对应的发展现状;最后对具有深度模型的图像语句转换方法进行了总结和展望,指明了该方法当前存在的问题与发展趋势。
展开更多
关键词
深度模型
图像语义分析
卷积神经网络
递归神经网络
支持向量机
下载PDF
职称材料
基于图像语义的用户兴趣建模
被引量:
3
3
作者
曾金
陆伟
+1 位作者
丁恒
陈海华
《数据分析与知识发现》
CSSCI
CSCD
2017年第4期76-83,共8页
【目的】社交网络环境下的用户兴趣建模是好友推荐、精准营销的关键,利用微博用户分享的图像,提出一种基于图像语义的用户兴趣建模方法,旨在更加准确地预测用户的真实兴趣。【方法】在获取新浪微博用户图像数据的基础上,使用图像的高层...
【目的】社交网络环境下的用户兴趣建模是好友推荐、精准营销的关键,利用微博用户分享的图像,提出一种基于图像语义的用户兴趣建模方法,旨在更加准确地预测用户的真实兴趣。【方法】在获取新浪微博用户图像数据的基础上,使用图像的高层语义表达用户兴趣特征,基于这些特征使用SVM训练得到图像语义分类器进行预测。【结果】实验结果表明,本文建立的模型能够较为准确地预测用户真实兴趣,169位用户分类的准确率达到97.38%,召回率为98.92%,F值为98.14%。【局限】由于实验图像数据集有限,未能完整地覆盖用户所有的兴趣类别。【结论】该模型能够基于用户分享的图像较为准确地预测用户兴趣,表明了图像高层语义的有效性,同时为图像高层语义应用研究提供了一定的理论和技术基础。
展开更多
关键词
图像语义
用户兴趣建模
社交网络
支持向量机
原文传递
题名
基于统计学习的多层医学图像语义建模方法
被引量:
4
1
作者
林春漪
尹俊勋
高学
陈建宇
孙少晖
机构
中山大学生物医学工程系
华南理工大学电子与信息工程学院
中山大学第二附属医院
出处
《深圳大学学报(理工版)》
EI
CAS
北大核心
2007年第2期138-143,共6页
基金
国家自然科学基金资助项目(60472063)
文摘
提出一种在小样本的情况下,基于多层贝叶斯网络的医学图像语义建模方法.该方法采用支持向量机实现从低层视觉特征到对象语义的映射,使用贝叶斯网络融合对象语义,提取高级语义,从而建立一个多层医学图像语义模型,可支持多层次的医学图像语义自动标注及其检索.将该方法用于星形细胞瘤恶性程度的语义提取,并建立一个多层语义模型.实验表明,该模型与使用K近邻分类器或高斯混合模型取代SVM的语义模型相比,查全率有明显的提高.
关键词
多层贝叶斯网络
支持向量机
语义建模
医学图像
机器学习
Keywords
hierarchical Bayesian
network
support
vector
machine
s
semantic
modeling
medical
image
s
machine
learning
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于深度神经网络的图像语句转换方法发展综述
被引量:
1
2
作者
毛典辉
薛子育
李子沁
王帆
机构
北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室
出处
《计算机科学》
CSCD
北大核心
2018年第3期23-28,共6页
基金
教育部人文科学社会基金项目(17YJCZH127)
北京工商大学两科基金项目(LKJJ2017-13)资助
文摘
在当前大数据时代,图像由于具有丰富的语义而成为大众获取相关信息的重要来源。基于深度模型的图像语义分析是一种通过深度模型将图像内容转换成可直观理解的语义知识的技术,受到了国内外研究者的广泛关注。该技术根据生成目标语义层次的差异,可分为单类别、多标签和语句3类。首先介绍了以上3类方法对应的深度模型的结构特点,并从技术的演化趋势角度对比分析了3类方法的技术特点和发展现状;然后重点对图像语句转换方法的发展现状、应用场景与性能要求的差异进行了论述,同时对图像语句转换方法的步骤进行分解和论述,从学术界和产业界两方面进行了详细的对比分析,指出了二者的不同研究侧重点与对应的发展现状;最后对具有深度模型的图像语句转换方法进行了总结和展望,指明了该方法当前存在的问题与发展趋势。
关键词
深度模型
图像语义分析
卷积神经网络
递归神经网络
支持向量机
Keywords
Deep model
image
semantic
analysis
Convolutional neural
network
Recurrent neural
network
support
vector
machine
分类号
TP393 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于图像语义的用户兴趣建模
被引量:
3
3
作者
曾金
陆伟
丁恒
陈海华
机构
武汉大学信息管理学院
武汉传媒学院文化管理学院
武汉大学信息检索与知识挖掘研究所
出处
《数据分析与知识发现》
CSSCI
CSCD
2017年第4期76-83,共8页
基金
国家自然科学基金面上项目"面向词汇功能的学术文本语义识别与知识图谱构建"(项目编号:71473183)的研究成果之一
文摘
【目的】社交网络环境下的用户兴趣建模是好友推荐、精准营销的关键,利用微博用户分享的图像,提出一种基于图像语义的用户兴趣建模方法,旨在更加准确地预测用户的真实兴趣。【方法】在获取新浪微博用户图像数据的基础上,使用图像的高层语义表达用户兴趣特征,基于这些特征使用SVM训练得到图像语义分类器进行预测。【结果】实验结果表明,本文建立的模型能够较为准确地预测用户真实兴趣,169位用户分类的准确率达到97.38%,召回率为98.92%,F值为98.14%。【局限】由于实验图像数据集有限,未能完整地覆盖用户所有的兴趣类别。【结论】该模型能够基于用户分享的图像较为准确地预测用户兴趣,表明了图像高层语义的有效性,同时为图像高层语义应用研究提供了一定的理论和技术基础。
关键词
图像语义
用户兴趣建模
社交网络
支持向量机
Keywords
image semantic user interest modeling social network support vector machine
分类号
G254 [文化科学—图书馆学]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于统计学习的多层医学图像语义建模方法
林春漪
尹俊勋
高学
陈建宇
孙少晖
《深圳大学学报(理工版)》
EI
CAS
北大核心
2007
4
下载PDF
职称材料
2
基于深度神经网络的图像语句转换方法发展综述
毛典辉
薛子育
李子沁
王帆
《计算机科学》
CSCD
北大核心
2018
1
下载PDF
职称材料
3
基于图像语义的用户兴趣建模
曾金
陆伟
丁恒
陈海华
《数据分析与知识发现》
CSSCI
CSCD
2017
3
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部