【摘 要】
：
针对乳腺肿瘤的诊断率及精准度较低的情况,提出一种基于改进的矢量量化(LVQ)神经网络乳腺肿瘤诊断算法.首先,基于LVQ1算法和LVQ2算法在网络训练过程中更新神经元数目的不同,建立结合LVQ1算法和LVQ2算法的复合LVQ神经网络;然后,考虑到不同的竞争层节点数对LVQ神经网络诊断率的影响,采用K交叉验证法确定复合LVQ最佳网络结构;最后,探讨了不变的学习率在网络训练后期对收敛速度的影响,采用自适应速率算法调整学习率,减少迭代次数.以Wisconsin Breast Cancer Database为实验样
【机 构】
：
兰州理工大学 电气工程与信息工程学院,甘肃 兰州 730050;甘肃省工业过程先进控制重点实验室,甘肃 兰州 730050;兰州理工大学 国家级电气与控制工程实验教学中心,甘肃 兰州 730050;甘
论文部分内容阅读
针对乳腺肿瘤的诊断率及精准度较低的情况,提出一种基于改进的矢量量化(LVQ)神经网络乳腺肿瘤诊断算法.首先,基于LVQ1算法和LVQ2算法在网络训练过程中更新神经元数目的不同,建立结合LVQ1算法和LVQ2算法的复合LVQ神经网络;然后,考虑到不同的竞争层节点数对LVQ神经网络诊断率的影响,采用K交叉验证法确定复合LVQ最佳网络结构;最后,探讨了不变的学习率在网络训练后期对收敛速度的影响,采用自适应速率算法调整学习率,减少迭代次数.以Wisconsin Breast Cancer Database为实验样本,运用改进算法构造乳腺肿瘤与症状之间的非线性映射关系,用混淆矩阵的概念表达算法诊断准确率.实验结果表明,提出的改进算法诊断准确率达97.1％,相比LVQ1算法和LVQ2算法,误诊率分别降低了5.8％和2.9％.
其他文献
为了提高实时操作系统下应用程序的简捷性和可移植性并缩短编译时间,文中以RT-Thread为例,研究实时操作系统在通用嵌入式计算机架构下的驻留问题,提出BIOS与User程序的功能分离机制以及FLASH、RAM空间划分原则,并设计一种RT-Thread系统服务接口的映射方法,以ARM Cortex-M系列的STM32L431微控制器为蓝本,实现RT-Thread的驻留与User程序的编译.实验结果表明,将RT-Thread驻留于BIOS中的方法有效地实现了实时操作系统与User程序的物理隔离,缩短了微控制器
非正交多址接入(NOMA)技术依靠大幅度提高资源利用率和系统容量的优势逐渐取代正交多址接入(OMA)技术,目前的卫星通信系统仍以正交多址接入技术为主,这将无法在未来满足庞大的用户需求.文中提出将5G的NOMA技术应用于卫星通信中,并提出一种可实现的基于用户公平性的功率分配方式及对其系统性能造成的影响进行分析.将NOMA技术应用于卫星网络模型中,并且对比了两种基于用户公平性的功率分配方案的性能,以用户最低速率作为约束条件,建立取得最优的用户公平性的设计方案.仿真结果显示,卫星通信系统在NOMA下的系统容量相
现有的基于先验知识的超声图像分割方法往往都需要对先验形状进行建模,由于建模一般都是对形状的整体进行学习,造成最终分割结果往往在细节上会有所不足,并且在分割过程中都涉及到对形状的迭代,对分割时间也会造成一定的影响.为了克服现有先验知识的不足,提出一种新颖的图像分割方法.该方法提出了一种边界描述符,定义了分割过程中前后检测点的空间关系,使用该空间关系能够将边界点检测过程中出现的异常(噪声)点自动过滤掉,从而摒弃掉了对先验知识的依赖.同时,该描述符改进了传统的法向量对比度边界算子,考虑了其邻域法向量上的边界信息
移动边缘计算(MEC)作为一种新的范式受到了各界的关注,但时延敏感、能耗巨大,MEC的局限性也日益凸显,为了解决上述问题,提出一种可由能量收集技术获取能源进行供能的边缘计算系统模型.首先,将时延、能耗和任务丢弃率作为指标,建立执行代价模型;然后引入能量收集技术模拟用户能量收集过程;最后针对模型时域耦合问题,利用带扰动Lyapunov理论将问题转化为逐时隙定性问题,并基于改进的灰狼算法对CPU频率和发射功率进行迭代以获取最小的任务执行代价.实验结果表明,改进的灰狼算法与其他算法相比,其任务执行代价更小,用户
手势分为静态手势和动态手势,针对动态手势中手势轨迹不明显、短期时空特征得不到有效提取和利用,提出一种基于darknet(darknet53)算法融合时序卷积网络(TCN)的双流网络3D-darknet用于识别视频中的动态手势.该方法在3D-CNN的基础上将具有强大图像特征提取能力的darknet网络与短期时空特征提取的TCN网络结合,采用自适应的权重融合策略将短期时空特征和长期时间特征融合后得到对视频手势的识别,并在Jester数据集上对网络模型进行验证.实验结果表明,该网络结构对特定轨迹特征不明显的手势
双端固支梁平板电容结构广泛应用于微机械电容式传感器中,传感器的量程与平板电容的吸合有关,因此精确快速地求解电容极板下拉电压非常重要.文中针对微梁结构在静电驱动下存在的结构-静电耦合场问题,比较了典型耦合场分析方法的优缺点,根据双端固支梁平板电容动力学原理,推导了临界下拉电压的近似解析解;并利用基于边界元和有限元的计算机仿真方法验证了解析结果的有效性.鉴于有限元方法的复杂性和效率低下问题,提出一种基于MAST语言的集总参数模型的仿真分析方法.结果表明,文中所提方法与有限元和边界元方法的分析结果接近,但显著减
当前的目标跟踪算法主流是基于检测的跟踪(DBT),所以检测的质量对跟踪的性能影响很大,同时在跟踪过程中易受环境干扰、光照变化、目标尺度和类别的影响,针对以上目标跟踪存在的问题,提出一种联合深度学习神经网络YOLOv4检测算法和Kalman滤波的目标跟踪算法.首先利用目标检测器对目标进行分类和边界框提取,跟踪器用于在跟踪轨迹中收集候选数据;其次,提出一种对象选择器,用来选择检测和跟踪轨迹中的最优候选框;最后,将最优候选框和跟踪轨迹利用ReID进行数据关联判断是否对跟踪轨迹进行更新.实验结果表明,联合检测的目
针对传统粒子滤波算法在跟踪目标所处环境迁移,目标姿态变化和发生遮挡时容易出现跟踪框漂移现象,提出一种基于灰狼算法优化的粒子滤波跟踪方法(GWOPF).首先,将全局特征HSV颜色特征和局部特征方向梯度直方图(HOG)特征加权融合建立观测模型;然后,用灰狼算法(GWO)优化粒子滤波算法结构,利用GWO位置更新机制改善粒子空间分布状况,在粒子重采样前进行权值自适应调节,解决原始粒子滤波方法采样时出现的粒子退化问题并优化滤波效果.实验结果表明,改进后的算法在具有挑战的Tiger和Girl视频序列中跟踪成功率分别达
内河河道水面的浮萍是造成水环境恶劣的一个重要原因.文中设计了一个内河河道监视与浮萍识别系统,通过在河岸架设摄像头对河道状况进行实时采集监测.从采集到的自然河道图像中高效提取出河道线,进而准确检测、识别浮萍.通过HED神经网络实现了适用于野外河道图像的河道线提取;基于Mask-RCNN网络实现了浮萍的检测,并做到了预处理、识别与后处理一体化.实验结果显示:以交叉比作为评价标准,在样本容量为97的测试集上达到了93.8％的准确率,相比传统算法提高了30.6％;单张河道图片边缘提取速率达到了0.275 s,能够
针对高分辨率遥感图像在目标检测中存在准确率低、目标漏检的问题,提出一种基于改进Faster R?CNN的遥感目标检测算法.采用ResNet?50作为主体网络进行特征提取,降低模型参数量和硬件资源占用,将ResNet?50的多尺度特征进行融合,进一步丰富中小目标的细节信息和位置信息.根据遥感目标尺寸的实际分布特点,采用K?means算法生成聚类中心,针对遥感目标尺度差异过大的问题,对聚类中心进行均值化操作,生成自适应锚点框参数,增强了区域建议网络(RPN)对多尺度目标的搜索能力,节约了人工根据经验设置锚点框