您的检索：
学者姓名：刘博
精炼检索结果：
年份
成果类型
收录类型
来源
综合
曾用名
合作者
语言
清除所有精炼条件
摘要 ：
本发明公开了一种基于类激活映射的医学图像弱监督分割方法，包括下述步骤：步骤一，采集组织病理图像；步骤二，对图像进行缩放、调整和增强操作；步骤三，使用中间层的特征图对图像的病变区域进行激活；步骤四，使用一致性损失对模型进行正则处理。将网络中间层的特征图降采样到同一大小后进行拼接，用每个位置不同通道的最大值与网络最末端的特征图进行掩码；使用掩码后的特征图构建类激活映射；使用模型输出的类激活映射作为伪标签训练分割网络，实现医学图像的弱监督分割任务。本算法提出的基于类激活映射的医学图像弱监督分割方法，可以使用图像级标签对整张病理图像进行分割，为病理医生提供有效的参考价值。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 刘博 , 丁磊 , 杨滨 et al. 一种基于类激活映射的医学图像弱监督分割方法 : CN202310197271.X[P]. | 2023-03-03 . |
| MLA | 刘博 et al. "一种基于类激活映射的医学图像弱监督分割方法" : CN202310197271.X. | 2023-03-03 . |
| APA | 刘博 , 丁磊 , 杨滨 , 王强 , 汪婧懿 . 一种基于类激活映射的医学图像弱监督分割方法 : CN202310197271.X. | 2023-03-03 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明公开了基于PSO‑GA‑LSTM模型的空气质量预测方法，首先将序列数据进行预处理，然后利用粒子群算法优化LSTM模型超参数，从而确定LSTM模型的网络结构；利用遗传算法优化LSTM模型初始的权值阈值，确定LSTM模型的权值阈值。最后将利用最佳超参数和最佳权值阈值，建立LSTM模型，对空气质量时间序列数据进行训练并预测。本发明克服了传统的预测方法预测过程中精度不高的问题，且利用粒子群和遗传算法对LSTM参数进行优化，避免模型陷入局部最优解的问题，提高了预测收敛速度。最终实现了对空气质量时间序列的预测，更精确预测空气质量变化的趋势。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 王强 , 刘博 , 朱念 et al. 基于PSO-GA-LSTM模型的空气质量预测方法 : CN202310317140.0[P]. | 2023-03-25 . |
| MLA | 王强 et al. "基于PSO-GA-LSTM模型的空气质量预测方法" : CN202310317140.0. | 2023-03-25 . |
| APA | 王强 , 刘博 , 朱念 , 李建强 , 丁磊 . 基于PSO-GA-LSTM模型的空气质量预测方法 : CN202310317140.0. | 2023-03-25 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明提出了一种基于弱监督学习的超高分辨率医学图像分割方法。通过使用弱监督这一深度学习技术，可以在只有图像级别的弱标签信息的情况下，获得一个较为理想的分割效果。除此之外，本发明不仅考虑了标注信息的强弱问题，还关注到针对超高分辨率医学图像训练流程方法的改良问题，主要在医学图像数据集的前处理和模型预测时的后处理阶段提出几项改进，弥补了现有技术中模型训练流程存在的缺陷。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 刘博 , 王强 , 周子安 et al. 一种基于弱监督学习的超高分辨率医学图像分割方法 : CN202310231039.3[P]. | 2023-03-13 . |
| MLA | 刘博 et al. "一种基于弱监督学习的超高分辨率医学图像分割方法" : CN202310231039.3. | 2023-03-13 . |
| APA | 刘博 , 王强 , 周子安 , 丁磊 , 杨滨 . 一种基于弱监督学习的超高分辨率医学图像分割方法 : CN202310231039.3. | 2023-03-13 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明提供了一种基于改进型Boruta算法的特征选择方法，步骤为：输入无缺失值的音乐情感识别真实特征集和音乐情感类别标签，初始化最优特征子集、最高分类准确率；生成影子特征集和混合特征集；基于混合特征集构建随机森林分类模型；计算所有特征的重要性得分；标记真实特征是否“重要”；基于分类准确率保存“重要”特征到最优特征子集中；更新真实特征集，重复上述步骤，直到所有的真实特征被标记为“重要”或者“不重要”；最后输出最优特征子集中的特征。本发明针对Boruta算法没有考虑特征的平均减少基尼系数和预测准确率的问题，基于平均减少精度、平均减少基尼系数以及准确率来综合选择特征，实验证明，本方法有更好的降维效果，更高的分类准确率。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 刘博 , 庄须婕 , 王慧娜 . 一种基于改进型Boruta算法的特征选择方法 : CN202211432737.1[P]. | 2022-11-16 . |
| MLA | 刘博 et al. "一种基于改进型Boruta算法的特征选择方法" : CN202211432737.1. | 2022-11-16 . |
| APA | 刘博 , 庄须婕 , 王慧娜 . 一种基于改进型Boruta算法的特征选择方法 : CN202211432737.1. | 2022-11-16 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
一种基于多尺度生成对抗网络的小样本高质量生成的方法属于计算机视觉领域，研究了一种针对可以在小样本数据集上生成高分辨率图像的方法。首先利用基于全卷积神经网络构建的生成器，得到生成图像。然后利用基于全卷积神经网络构建的判别器，在隐式上对于图像进行增广，分别对生成图片和真实图像计算距离指标。生成器和判别器组成单层尺度下的图像生成模型。利用图像生成模型构建多层尺度结构，从低到高处理图像的尺寸逐步增大。最后逐层进行动态博弈实现生成图像分布向真实图像分布拟合。本发明解决了小样本的数据集少和生成图像清晰度不够的问题。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 刘博 , 陈铭明 , 王慧娜 . 一种基于多尺度生成对抗网络的小样本高质量生成的方法 : CN202211132539.3[P]. | 2022-09-17 . |
| MLA | 刘博 et al. "一种基于多尺度生成对抗网络的小样本高质量生成的方法" : CN202211132539.3. | 2022-09-17 . |
| APA | 刘博 , 陈铭明 , 王慧娜 . 一种基于多尺度生成对抗网络的小样本高质量生成的方法 : CN202211132539.3. | 2022-09-17 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
一种基于Transformer架构的图像语义分割方法属于医学图像分割技术领域。本发明提供一种带有移动窗口的分层Swin Transformer编码器来提取图像上下文特征的方法。首先图像块被输入到基于Transformer的编码器‑解码器架构中，其中移动窗口机制的设计使得特征包含信息更全面。而UNet++模型中嵌套和密集的跳跃连接能够充分提取上下文特征，使得特征融合更充分。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 刘博 , 李金书 , 王慧娜 . 一种基于Transformer架构的图像语义分割方法 : CN202211132360.8[P]. | 2022-09-17 . |
| MLA | 刘博 et al. "一种基于Transformer架构的图像语义分割方法" : CN202211132360.8. | 2022-09-17 . |
| APA | 刘博 , 李金书 , 王慧娜 . 一种基于Transformer架构的图像语义分割方法 : CN202211132360.8. | 2022-09-17 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明公开了一种基于多实例学习的二阶段全视野数字病理切片分类方法，包括下述步骤：步骤一，采集全视野数字病理切片；步骤二，对图像进行裁剪，缩放，过滤处理；步骤三，使用多实例学习与有监督度量学习结合的方式训练病理切片的嵌入空间；步骤四，使用自注意力对病理切片进行检测和分类。第一阶段中，多实例学习提供伪标签，构建数据训练编码器；第二阶段中，直接使用第一阶段的编码器提取病理切片特征，通过自注意力网络对切片做最后的分类。本算法提出的基于多实例学习的二阶段全视野数字病理切片分类方法，可以对整张病理切片进行诊断分类，为病理医生提供有效的参考价值。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 刘博 , 丁磊 , 杨滨 et al. 一种基于多实例学习的二阶段全视野数字病理切片分类方法 : CN202211068114.0[P]. | 2022-09-01 . |
| MLA | 刘博 et al. "一种基于多实例学习的二阶段全视野数字病理切片分类方法" : CN202211068114.0. | 2022-09-01 . |
| APA | 刘博 , 丁磊 , 杨滨 , 王强 , 汪婧懿 . 一种基于多实例学习的二阶段全视野数字病理切片分类方法 : CN202211068114.0. | 2022-09-01 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明公开了一种基于特征交互神经张量网络的图结构数据相似度计算方法，即DeepSIM模型，属于深度学习领域，首先使用共享权值的图卷积层构建孪生图卷积模块用以获得两个图结构数据的一对节点级嵌入。然后将这一对节点级嵌入输入图注意力层以聚合节点级信息得到图级嵌入。针对图级嵌入，本发明提出的FINTN能够有效推理二者之间的关联并输出固定维度的关系向量。这一关系向量输入到由全连接层构成的结果输出模块得到预测输出。这一预测输出与实际的标签值进行比较，通过损失函数和反向传播算法对整体模型参数进行更新以达学习的目的。完成训练的DeepSIM模型能高效可靠地计算输入的两个图结构数据的相似度。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 刘博 , 王志晗 , 张冀东 et al. 一种基于特征交互神经张量网络的图结构数据相似度计算方法 : CN202210052851.5[P]. | 2022-01-18 . |
| MLA | 刘博 et al. "一种基于特征交互神经张量网络的图结构数据相似度计算方法" : CN202210052851.5. | 2022-01-18 . |
| APA | 刘博 , 王志晗 , 张冀东 , 武嘉慧 . 一种基于特征交互神经张量网络的图结构数据相似度计算方法 : CN202210052851.5. | 2022-01-18 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
一种基于特征选择和模型组合优化的分类方法属于基于机器学习的分类预测领域。本文从两个方面提升预测的准确率：(1)使用了集成特征选择的方法，筛选了在多数模型的都具有稳健分类能力的“公认”特征集，提升了特征集的质量，从而优化了模型的预测性能；(2)使用优化的遗传算法筛选了最优的子模型组合，进一步提升了最终集成模型的分类性能。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 刘博 , 李金梦 , 季新婵 et al. 一种基于特征选择和模型组合优化的分类方法 : CN202211459197.6[P]. | 2022-11-16 . |
| MLA | 刘博 et al. "一种基于特征选择和模型组合优化的分类方法" : CN202211459197.6. | 2022-11-16 . |
| APA | 刘博 , 李金梦 , 季新婵 , 朱念 . 一种基于特征选择和模型组合优化的分类方法 : CN202211459197.6. | 2022-11-16 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
一种基于对抗网络和自注意力机制的无监督语义分割算法涉及人工智能、自动驾驶领域，实现对自动驾驶图像的准确分割，其包括以下步骤：步骤1、获得自动驾驶图像数据；步骤2、利用对抗生成网络得到原始图像的生成图像；步骤3、利用超像素图像分割算法对原始图像进行预分割；步骤4、将图像输入局部特征提取网络获得图像的局部特征；步骤5、将图像输入全局特征提取网络获得图像的全局特征；步骤6、将局部特征和全局特征相加，并经过一层卷积层和Softmax函数层得到图像的初步分割结果；步骤7、计算预分割结果与原始图像分割结果之间的互信息以及预分割结果与生成图像分割结果之间的互信息；步骤8、采用梯度下降法对分割模型进行训练得到图像分割结果。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 刘博 , 王慧娜 , 陈铭明 . 一种基于对抗网络和自注意力机制的无监督语义分割算法 : CN202210808548.3[P]. | 2022-07-11 . |
| MLA | 刘博 et al. "一种基于对抗网络和自注意力机制的无监督语义分割算法" : CN202210808548.3. | 2022-07-11 . |
| APA | 刘博 , 王慧娜 , 陈铭明 . 一种基于对抗网络和自注意力机制的无监督语义分割算法 : CN202210808548.3. | 2022-07-11 . |
| 导入链接 | NoteExpress RIS BibTex |
导出
| 数据： |
选中 到 |
| 格式： |
