修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

21 条数据
?? 中文（中国） ▾

  • [2018年IEEE第13届图像、视频与多维信号处理研讨会(IVMSP) - 希腊扎戈罗乔里亚阿里斯蒂村(2018.6.10-2018.6.12)] 2018年IEEE第13届图像、视频与多维信号处理研讨会(IVMSP) - 基于随机森林的显著深度神经网络特征定量评估

    摘要： 深度神经网络和深度卷积神经网络具有在不同网络层提供多尺度特征的属性。这些大量特征的结合是神经网络（NN）在视觉问题上表现优异的原因之一。本研究利用随机森林识别神经网络各层的稳健特征，并评估这些特征单独的分类性能。我们提出一种基于随机森林熵最大化选择特性的方法，用于评估已训练网络的部分结构。通过定义最终分类贡献度指标来衡量特征显著性，并对特征显著性进行评估。同时，我们还形式化了一种量化网络特征对分类重要性的测量方法。在Hand数据集和MNIST数据集上进行的实验，定量验证了外层特征具有判别性等若干直觉认知。

    关键词： 随机森林，特征评估，卷积神经网络，特征选择

    更新于2025-09-23 15:23:52

  • 关于乳腺X光片分类中感兴趣区域（ROI）尺寸与位置的研究

    摘要： 乳腺癌是女性死亡的主要原因，早期发现可延长生存期。计算机辅助诊断（CAD）系统帮助放射科医生更准确地检测乳腺癌。在医学图像中，感兴趣区域（ROI）是包含与诊断相关重要信息的图像部分，是应用形状和纹理技术进行癌症检测的基础。目前计算机辅助诊断系统已提出多种ROI尺寸和位置方案。本研究采用不同ROI尺寸来确定分类脂肪型和致密型乳腺X光片的最佳尺寸，所用数据来自MIAS数据库的两种乳腺X光片（脂肪型和致密型）。通过分析各ROI尺寸提取多种纹理特征以研究纹理特性，采用费希尔判别比筛选最具分类相关性的特征，最终使用线性支持向量机进行分类。当ROI尺寸为200×200像素时，获得了96.1%的最高分类准确率。

    关键词： 分类，乳腺癌，数字乳腺X光片，乳腺组织，感兴趣区域，特征选择

    更新于2025-09-23 15:22:29

  • 利用光电容积描记法进行高血压评估：一种风险分层方法

    摘要： 高血压是一种常见慢性心血管疾?。–VD）。早期筛查和诊断高血压对预防该病及控制心血管疾病具有重要作用。本研究利用光电容积图（PPG）的形态特征探讨高血压早期筛查方法，定义并提取了PPG及其导波的多种形态特征，选用六种特征筛选方法对这些PPG形态特征进行筛选评估。通过综合分析最优特征与心血管循环系统生理过程的关系，重点深入探究了收缩压（SBP）形成过程与PPG形态特征之间的内在联系及生理意义。为进行对比试验，建立了多种线性和非线性分类模型，在正常血压与高血压前期、正常血压及高血压前期与高血压、正常血压与高血压三组试验中分别获得72.97%、81.82%和92.31%的F1分数。研究最终建立了PPG特征分析模型，揭示了SBP与PPG特征的内在关联，并基于最优特征子集对不同阶段高血压的风险分层进行了检验与比较。

    关键词： 高血压、光电容积图、特征选择、收缩压、风险分类

    更新于2025-09-23 15:22:29

  • 利用PPG信号和可穿戴设备进行房颤筛查

    摘要： 心血管疾病是全球死亡的主要原因。心房颤动（AF）是最常见的心律失常类型。由于其高发率和相关风险，早期检测AF是世界各地卫生系统的重要目标。对医疗援助需求的不断增长意味着费用的增加，这可以通过实施基于可穿戴设备的动态监测技术来限制，从而减少需要在医院观察的人数。在这种情况下，主要挑战之一与需要分析的大量患者数据有关，这表明使用计算智能技术的适当性。从数据中提取的特征的选择对于任何心律分类器在这方面提供良好结果起着关键作用。本文证明，通过从光电容积描记信号中提取数量极少且相对简单的特征，可以实现AF的准确检测，从而使此类目的能在长时间内使用经济实惠的可穿戴设备（处理和数据存储资源有限）成为可能。这一事实已通过使用医学监督下真实患者数据的实验得到验证。

    关键词： 心房颤动、光电容积描记法、可穿戴设备、动态筛查、特征选择

    更新于2025-09-23 15:22:29

  • [IEEE 2019亚太无线电科学会议(AP-RASC) - 印度新德里(2019年3月9日至15日)] 2019年亚太无线电科学会议(AP-RASC) - 面向太赫兹应用的氮化镓高电子迁移率晶体管(HEMT)基于物理的器件建模

    摘要： 扫描激光检眼镜（SLO）可用于视网膜疾病的早期检测。随着最新筛查技术的出现，使用SLO的优势在于其宽视野，能够对视网膜的大部分区域进行成像，从而更好地诊断视网膜疾病。然而，在成像过程中，睫毛和眼睑等伪影也会与视网膜区域一起被成像。这给如何排除这些伪影带来了巨大挑战。本文提出了一种基于图像处理和机器学习方法的创新方法，用于从SLO图像中自动提取真实的视网膜区域。为了降低图像处理任务的复杂性并提供便捷的原始图像模式，我们根据区域大小和紧凑性将像素分组为不同的区域，称为超像素。该框架随后计算反映纹理和结构信息的基于图像的特征，并对视网膜区域和伪影进行分类。实验评估结果表明，该方法性能良好，总体准确率达到92%。

    关键词： 视网膜伪影提取、特征选择、视网膜图像分析、扫描激光检眼镜（SLO）

    更新于2025-09-23 15:19:57

  • 基于高光谱图像与特征选择的番茄叶片镉含量定量分析

    摘要： 为确保向人们提供安全健康的番茄，本研究提出了一种基于高光谱成像技术的番茄叶片镉含量定量测定方法。研究选取了七种镉胁迫梯度的番茄叶片，首先通过高光谱成像系统获取所有样本的高光谱图像，随后从中提取光谱数据。为简化模型，采用竞争自适应重加权采样（CARS）、变量组合种群分析（VCPA）和自助软收缩（BOSS）三种算法，从431至962纳米范围内筛选特征波长。最终结果表明：相较于其他两种选择方法，BOSS能提升预测性能并大幅减少特征数量。BOSS模型在校准和预测中均获得最佳精度——校准集决定系数R2c达0.9907、均方根误差RMSEC为0.4257毫克/千克，预测集决定系数R2p为0.9821、均方根误差RMSEP为0.6461毫克/千克。因此，高光谱技术结合BOSS特征选择的方法适用于检测番茄叶片镉含量，该方法可为其他作物镉含量检测提供新思路。

    关键词： 回归模型、特征选择、番茄叶片、高光谱成像技术、无损分析

    更新于2025-09-23 14:06:13

  • [IEEE 2019年第14届工业电子与应用国际会议(ICIEA) - 中国西安(2019年6月19日-21日)] 2019年第14届IEEE工业电子与应用国际会议(ICIEA) - 考虑可转移负荷的配电网光伏消纳

    摘要： 本文提出了一种针对隐马尔可夫模型（HMM）和隐半马尔可夫模型（HSMM）的联合特征选择与参数估计算法。通过引入特征显著性这一新参数来区分状态，从而实现特征筛选。该参数通过对比状态相关与状态无关分布，表征特征的相关概率。采用期望最大化算法计算模型参数的最大后验估计，并比较了特征显著性的指数先验与贝塔先验。这些先验可用于在模型估计和特征选择过程中引入成本因素。算法通过与最大似然估计及变分贝叶斯方法对比进行验证：针对HMM，在已知参数生成的合成数据集、刀具磨损数据集及喷涂过程采集数据上比较了四种模型形式；针对HSMM，在后两个数据集上测试了最大似然与最大后验两种形式，证明该特征显著性方法可扩展至半马尔可夫过程。现有文献中专门针对HMM的特征选择研究较少，针对HSMM的研究则几乎空白。本文填补了利用EM算法实现HMM特征选择与参数估计同步进行的文献空白，并首次提出了考虑成本因素的HMM特征选择方法。

    关键词： 最大后验估计、隐马尔可夫模型、隐半马尔可夫模型、特征选择

    更新于2025-09-19 17:13:59

  • [IEEE 2019国际微波光子学专题会议(MWP) - 加拿大安大略省渥太华(2019.10.7-2019.10.10)] 2019国际微波光子学专题会议(MWP) - 中红外集成微波光子学中的自由载流子等离子体GeSn调制器

    摘要： 扫描激光检眼镜（SLO）可用于视网膜疾病的早期检测。随着最新筛查技术的出现，使用SLO的优势在于其宽视野，能够成像视网膜的大部分区域，从而更好地诊断视网膜疾病。然而，在成像过程中，睫毛和眼睑等伪影也会与视网膜区域一起被成像。这给如何排除这些伪影带来了巨大挑战。本文提出了一种基于图像处理和机器学习方法的新颖技术，可从SLO图像中自动提取真实的视网膜区域。为降低图像处理任务的复杂性并提供便捷的原始图像模式，我们根据区域大小和紧凑度将像素分组为不同的区域，称为超像素。该框架随后计算反映纹理和结构信息的图像特征，并对视网膜区域和伪影进行分类。实验评估结果表明，该方法整体准确率达到92%，性能良好。

    关键词： 视网膜伪影提取、特征选择、视网膜图像分析、扫描激光检眼镜（SLO）

    更新于2025-09-19 17:13:59

  • 赤铁矿量子点作为高效稳定钙钛矿太阳能电池的多功能添加剂

    摘要： "维度灾难"是影响大多数数据挖掘、模式识别和机器学习任务中优化过程质量的最大问题之一。使用高维数据集训练分类模型可能会降低所学模型的泛化性能。此外，数据集的高维度会导致较高的计算和内存成本。特征选择是与专家系统和智能系统相关的许多实际应用领域中的重要数据预处理方法。特征选择旨在从原始特征数据集中选取具有信息量和相关性的特征子集。因此，在学习过程之前使用特征选择方法处理原始数据对于提高分类任务的性能至关重要。 本文提出了一种具有螺旋形机制的混合粒子群优化算法（HPSO-SSM），通过基于包装器的方法选择最优特征子集进行分类。在HPSO-SSM中，我们进行了三项改进：首先，使用逻辑映射序列增强搜索过程中的多样性；其次，在原始位置更新公式中引入两个新参数，可有效提高下一代的位置质量；最后，采用螺旋形机制作为已知最优解区域周围的局部搜索算子。 为进行全面评估，将提出的HPSO-SSM方法与六种最先进的元启发式优化算法、十种著名的基于包装器的特征选择技术和六种经典的基于过滤器的特征选择方法进行比较。使用多种评估指标对UCI机器学习库中二十个经典基准分类数据集上的这些方法性能进行适当评估和比较。根据实验结果和统计检验，与其它基于包装器的方法和基于过滤器的相比，所开发的方法有效且高效地提高了分类准确率。结果表明，HPSO-SSM方法在搜索可行特征空间和选择最具信息量的属性以解决分类问题方面具有高性能。因此，HPSO-SSM方法作为一种新的特征选择方法具有广阔的应用前景。

    关键词： 特征选择、优化、粒子群优化、分类

    更新于2025-09-19 17:13:59

  • [IEEE 2019年第46届光伏专家会议(PVSC) - 美国伊利诺伊州芝加哥(2019年6月16日-2019年6月21日)] 2019 IEEE第46届光伏专家会议(PVSC) - 多种方法与过滤标准下的性能损失率一致性与不确定性

    摘要： 本文提出了一种针对隐马尔可夫模型（HMM）和隐半马尔可夫模型（HSMM）的联合特征选择与参数估计算法。通过引入特征显著性这一新参数来区分状态，从而实现特征筛选。该参数通过对比状态相关与状态无关分布，表征特征与状态区分相关的概率。采用期望最大化算法计算模型参数的最大后验估计，并比较了特征显著性的指数先验与贝塔先验。这些先验可用于在模型估计和特征选择过程中引入成本因素。该算法与最大似然估计及变分贝叶斯方法进行了对比测试：针对HMM，在已知参数生成的合成数据集、刀具磨损数据集以及喷漆过程采集的数据上比较了四种模型形式；针对HSMM，在后两个数据集上测试了最大似然与最大后验两种形式，证明该特征显著性特征选择方法可推广至半马尔可夫过程。现有文献中专门针对HMM的特征选择研究较少，针对HSMM的研究则几乎空白。本文填补了利用EM算法实现HMM特征选择与参数估计同步进行的文献空白，并首次提出了考虑成本因素的HMM特征选择方法。

    关键词： 隐马尔可夫模型、最大后验估计、隐半马尔可夫模型、特征选择

    更新于2025-09-19 17:13:59