排序方式: 共有20条查询结果,搜索用时 0 毫秒
11.
高校运行数据在采集、传输、存储过程中往往会产生数据缺失。对此,提出一种基于改进长短期记忆神经网络一链式 方程多重插补法的缺失数据修复方法。采用链式方程多重插补法,通过迭代对每个缺失的属性值产生多个填补值,从而产生 多个完整数据集,并进行分析优化得到一个最终的完整数据集。为提高缺失值修复精度,在长短期记忆神经网络的预测任务 中,采用麻雀搜索算法进行超参数寻优,并结合均值匹配模型对缺失数据进行修复。使用北方某高校2019年数据进行验证, 通过无自然缺失算例和自然缺失算例对提出方法进行评估,结果表明,在无自然缺失算例中,整体归因误差为0.106,较其他 模型至少降低29.3%,验证了方法的有效性;对11.8%自然缺失率下的数据进行填补,经提出的方法填补之后的数据有效提 高了高校后续运行数据的预测精度,间接验证了缺失数据填补的有效性。 相似文献
12.
13.
14.
鉴于X射线辐射对患者存在的潜在风险,许多临床适应症使用低剂量计算机断层扫描(LDCT)成像,以最大限度地降低辐射剂量,同时不显著影响筛查或诊断性能。然而,计算机断层扫描(CT)成像过程中,低辐射剂量产生的噪声会降低CT图像质量,从而影响临床诊断准确性。因此,需要对低剂量CT图像进行重建,提高图像质量。视觉Transformer相比卷积神经网络(CNN)具有更卓越的特征表示能力。与CNN不同,Transformer在LDCT去噪中少有应用,为了发掘Transformer的优异特征提取能力,以实现LDCT高效去噪,提出了一种基于移动窗口多层级Transformer低剂量CT重建网络。该网络使用移动窗口方法将自注意计算限制在非重叠的局部窗口,同时允许跨窗口连接,从而提高了效率,并且降低了数据计算复杂性。此外,网络末端设计了分段残差重建模块,以此进一步实现高质量低剂量CT图像重建。对Mayo低剂量CT数据集的广泛实验表明,与经典方法相比该方法能产生更高质量的重建效果。 相似文献
15.
16.
17.
表面肌电信号是人体运动时肌肉、神经活动发出的生物电信号在体表的表现,目前已成为对多自由度假肢理想控制的信号源,BP神经网络在肌电信号源模式识别上被应用广泛,但存在如学习收敛速度慢、不能保证收敛到全局最优点等缺点,鉴于以上缺点设计了基于遗传算法的BP神经网络对肌电信号进行模式识别,较好的改善BP神经网络缺点,提高了识别的准确率。 相似文献
18.
19.
20.
线阵CCD输出信号的数据采集 总被引:2,自引:1,他引:2
介绍一种低速A/D转换器来实现对高分辨率线阵CCD输出信号进行数据采集的方法,该方法硬件以89C51单片机为核心,以Intel8253作为同步控制器,驱动A/D转换,并通过软件实现对CCD输出信号进行等间隔、多周期采样.该系统电路简单、成本低、可靠性高,已成功用于数字水准仪的数据采集系统。 相似文献