排序方式: 共有83条查询结果,搜索用时 15 毫秒
71.
72.
随着医学上对随访工作的不断重视,通过医学图像分析的方法获取随访指导的相关信息变得越来越重要;然而,在深度学习领域,大多数方法不适用于处理此类任务。为了解决这个问题,提出了一种多时期知识蒸馏(MKD)模型。首先,借助知识蒸馏在模型迁移方向上的优势,将带有长时期随访信息的分类任务转换为基于领域知识的模型迁移任务;然后,充分利用长时期医学图像中所包含的随访知识,来完成长时期的肺结节分类。同时,针对随访过程收集到的数据每一年相对不平衡的问题,提出了一种基于元学习思想的正则化方法,且该方法能够有效地在半监督模式下提高模型的训练精度。在NLST数据集上的实验结果表明,所提出的MKD模型在长时期肺结节分类任务下较GoogleNet等深度学习分类模型的分类精度更优越。在不平衡数据量达到800例时,利用元学习方法改进后的MKD模型相较于现有先进模型最高可以提升7个百分点的精度。 相似文献
73.
电网数据信息的准确检索在保障电网系统正常运行方面起着非常重要的作用。快速准确地从电网图像数据库中查找到与目标图像相似度高的图像可以有效地提高电网工作人员的工作效率,降低设备维护成本。针对传统检索方法检索精度低的问题,提出了一种基于时域-频域的端到端哈希编码方法。最后,在2个数据集上将该方法与最新的8种方法进行了比较,实验结果表明该方法是有效的。该方法创新性地结合了频域信息,以提高预测正确率,且结合了多任务学习和距圆损失来更加清晰地约束哈希编码任务的训练过程,使图像检索结果更加准确。 相似文献
74.
目前,云计算环境具有动态、异构和海量多类型任务并发等特征,随着集群规模不断增大、用户QoS不断增多,现有调度算法越来越难以适应动态变化的环境及满足用户的需求。针对Hadoop平台下现有调度器不能根据作业运行状态和资源使用情况进行动态调整的问题,提出了Hadoop下基于作业分类的动态调度算法。该算法在使用朴素贝叶斯分类算法对队列中作业进行分类的过程中,根据各个作业的类型,预先设定类别权值,将队列中的作业分类,并引入效用函数,根据用户提交时的预期完成时间QoS和作业完成情况估算其作业完成时间,实现动态设置作业优先级。实验表明,使用提出的算法不仅能有效减少 作业的分类时间,而且能明显提高 动态性和用户QoS。 相似文献
75.
76.
77.
在Hadoop分布式云计算平台上进行科学计算仿真,具有节省软硬件投资、缩短模拟时间等研究意义。针对需要高计算能力的磁流体动力学(MHD)仿真问题,设计了一种基于Hadoop分布式计算平台的MHD仿真器。首先,将Spark和HAMA两种分布式并行计算模型整合到Hadoop生态系统中,分别用于支持内存计算和整体同步并行计算。然后,将Hadoop集群构建成Master-Slave对等结构,解决全局同步和局部同步问题。最后,在Hadoop集群上,利用有限体积法和黎曼问题来求解MHD方程。实验结果表明,该仿真器能够精确模拟MHD,同时大大缩短了仿真计算时间。 相似文献
78.
79.
磁流变液阻尼器具有阻尼可控、能耗低、对外界激励响应快等特点,因此基于磁流变液阻尼器的下假肢成为目前假肢应用领域的研究热点。现有磁流变液阻尼器体积较大且笨重,而且初始阻尼力较大,用于下假肢膝关节时无法对人体步态进行良好地模拟,从而降低了人体运动过程中的步态质量和患者的舒适程度。因此,提出一种应用在下假肢膝关节的孔隙结合式磁流变液阻尼器,孔隙结合式磁流变液阻尼器响应快、模拟出的步态拟人性强、结构轻巧、易更换、使用寿命长且价格低廉,可满足截肢患者对假肢的性能及外观要求。 相似文献
80.
目的 针对当前图像修复算法主要通过固定单一模板大小实现修复块与匹配块之间的匹配度量来完成图像复原,导致其存在一定的模糊效应以及振铃效应等不足,这里提出基于改进优先权和匹配优化度量的图像修复算法。方法 首先,利用数据项构造平滑因子,建立优先权模型,度量待修复像素点的优先权,选定优先修复块。然后,制定四级模板大小,利用误差平方和函数,结合模板大小特性,构造匹配度量模型,用于实现修复块和匹配块之间的动态匹配,选取最优匹配模板,对待修复块进行填充修复。最后,利用待修复像素点及其邻域像素点的灰度值构造邻域灰度差分模型,用于对修复区域的边缘进行缝合,优化修复效果。利用最优匹配度量结果,构造置信度更新模型,对置信度项进行更新,实现图像修复。结果 仿真实验结果显示,与当前图像修复算法相比,所提算法具有更高的修复质量,其输出图像无模糊效应与振铃效应。结论 所提算法能够较好地对损坏图像进行复原,在图像信息处理领域具有一定的参考价值。 相似文献