首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   3篇
  免费   0篇
  国内免费   2篇
自动化技术   5篇
  2021年   2篇
  2017年   2篇
  2016年   1篇
排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
魏霖静  练智超  彭静  李广 《计算机科学》2017,44(3):137-139, 162
为了估算基于均匀圆阵列(UCA)的三维(3D)单基站测向(方位角、仰角和区间),提出了一种改进的适用于三维场景的闭环式算法。该算法是一种计算过程较简单的通用算法,无需使用均匀圆阵列的中心对称性,没有任何传感器数量的限制,只需要一个单独的最小平方程序用于估算基站的位置,并可以估算所有的三维测向参数。实验结果表明,相比多种类似算法,所提算法的性能可与三维MUSIC算法的性能相媲美,且计算复杂度更低,实现速度更快。  相似文献   
2.
魏霖静  练智超  王联国  侯振兴 《计算机科学》2016,43(12):229-233, 259
已有的文本聚类算法大多基于一般的相似性度量而忽略了语义内容,对此提出一种基于最大化文本判别信息的文本聚类算法。首先,分别分析词条对其类簇与其他类簇的判别信息,并且将数据集从输入空间转换至差异分数矩阵空间;然后,设计了一个贪婪算法来筛选矩阵每行的低分数词条;最终,采用最大似然估计对文本差别信息进行平滑处理。仿真实验结果表明,所提方法的文档聚类质量优于其他分层与单层聚类算法,并且具有较好的可解释性与收敛性。  相似文献   
3.
宋杰  肖亮  练智超 《自动化学报》2021,47(2):378-390
数字病理图像分析对于乳腺癌、肾癌等良恶性分级诊断具有重要意义, 其中细胞核的形态测量是病理量化分析的关键. 然而, 由于病理图像背景复杂, 细胞核高密度分布、细胞粘连等, 个体细胞核精准分割是一个挑战性问题. 本文提出一个级联稀疏卷积与决策树集成学习的细胞核分割模型. 该模型由稀疏可分离卷积模块和集成决策树学习的正则化回归模块堆叠级联组成, 其中: 前者采取秩-1张量分解学习机制, 可分层抽取细胞核的多尺度方向分布式抽象特征; 而后者采取随机采样、树剪枝以及正则化回归机制提升逐像素回归分类能力. 相比于现有深度学习模型, 该模型无需非线性激活和后向传播计算, 参数规模较小, 可实现端到端的学习. 通过乳腺、前列腺、肾脏、胃和膀胱等多组病理图像的分割实验表明: 该模型能够实现复杂数字病理图像中的高密度细胞核的快速个体目标检测和分割, 在Jaccard相似性系数、F1分数和平均边缘距离三个指标上均优于目前CNN2、CNN3和U-Net等深度学习方法, 具有较好应用前景.  相似文献   
4.
基于深度学习的数字病理图像分割综述与展望   总被引:1,自引:0,他引:1  
宋杰  肖亮  练智超  蔡子贇  蒋国平 《软件学报》2021,32(5):1427-1460
数字病理图像分析对于乳腺癌、前列腺癌等良恶性分级诊断具有重要意义,其中组织基元的形态和目标测量是量化分析的重要依据.然而,由于病理数据多样性和复杂性等新特点,其分割任务面临着特征提取困难、实例分割困难等挑战.人工智能辅助病理量化分析,将复杂病理数据转化为可挖掘的图像特征,使得自动提取组织基元的定量化信息成为可能.特别是随着计算机计算能力的快速发展,深度学习技术凭借其强大的特征学习、设计灵活等特性在数字病理量化分析领域取得了突破性成果.本文系统概述目前代表性深度学习方法,包括卷积神经网络、全卷积网络、编码器—解码器模型、循环神经网络、生成对抗网络等方法体系,总结深度学习在病理图像分割等任务中的建模机理和应用,并梳理了现有方法的方法理论、关键技术、优缺点和性能分析.最后,本文讨论了未来数字病理图像分割深度学习建模的开放性挑战和新趋势.  相似文献   
5.
为了提高广义空间调制(GSM)互信息的性能,提出了一种新的基于椭球算法的预编码方案。首先,为了对含有互信息的预编码器进行优化,推导出了有限字符输入下的GSM互信息解析表达式。在最大化GSM互信息的过程中,为了解决联合预编码设计的非凸耦合问题,将GMS系统转换成虚拟的多输入多输出(MIMO)系统。然后,在考虑所有子信道功率约束的条件下,使用了扩展的椭球算法。实验结果表明,提出的预编码方案大大提升了GSM互信息的性能。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号