检索结果

Select

1. 基于改进DCGAN的数据增强方法

甘岚, 沈鸿飞, 王瑶, 张跃进

计算机应用 2021, 41 (5): 1305-1313. DOI: 10.11772/j.issn.1001-9081.2020071059

摘要（1199）

PDF （1499KB）（1686）

针对小样本数据在深度学习中训练难的问题，为提高DCGAN训练效率，提出了一种改进的DCGAN算法对小样本数据进行增强。首先，使用Wasserstein距离替换原模型中的损失模型；其次，在生成网络和判别网络中加入谱归一化，以得到稳定的网络结构；最后，通过极大似然估计算法和实验估算得到样本的最佳噪声输入维度，从而提高生成样本的多样性。在MNIST、CelebA和Cartoon这三个数据集上的实验结果表明：改进后的DCGAN所生成样本的清晰度以及识别率比改进前均得到了明显提高，其中平均识别率在这几个数据集上分别提高了8.1%、16.4%和16.7%，几种清晰度评价指标在各数据集上均有不同程度的提高。可见该方法能够有效地实现小样本数据增强。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于径向变换和改进AlexNet的胃肿瘤细胞图像识别方法

甘岚, 郭子涵, 王瑶

计算机应用 2019, 39 (10): 2923-2929. DOI: 10.11772/j.issn.1001-9081.2019040709

摘要（349）

PDF （1200KB）（327）

使用AlexNet实现胃肿瘤细胞图像分类时，存在数据集过小和模型收敛速度慢、识别率低的问题。针对上述问题，提出基于径向变换（RT）的数据增强（DA）和改进AlexNet的方法。将原始数据集划分为测试集和训练集，测试集采用剪裁方式增加数据，训练集首先采用剪裁、旋转、翻转和亮度变换得到增强图片集；然后选取其中一部分进行RT处理达到增强效果。此外，采用替换激活函数和归一化层的方式提高AlexNet的收敛速度并提高其泛化性能。实验结果表明，所提方法能以较快的收敛速度和较高的识别准确率实现胃肿瘤细胞图像的识别，在测试集中最高准确率为99.50%，平均准确率为96.69%，癌变、正常和增生三个类别的F1值分别为0.980、0.954和0.958，表明该方法较好地实现了胃肿瘤细胞图像的识别。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于双混沌系统互反馈的加密算法

毛永毅王瑶

计算机应用 2012, 32 (10): 2768-2770. DOI: 10.3724/SP.J.1087.2012.02768

摘要（967）

PDF （604KB）（469）

为使低维混沌加密系统具有较高的安全性和良好的运算效率,提出一种基于Logistic映射和Tent映射的复合混沌加密系统。通过两种映射互反馈产生密钥序列,再对读取的明文进行加密；同时利用密文反馈的方式来改变混沌映射的迭代次数,使迭代过程具有一定的随机性。结果表明,与单一的Logistic混沌加密相比,该算法具有很大的密钥空间、较高的加密强度和低维混沌加密系统的良好的运算效率,而且能有效地抵抗穷举攻击、统计学攻击和相图攻击。

参考文献 | 相关文章 | 多维度评价