检索结果

Select

1. 基于生成对抗网络的自动细胞核分割半监督学习方法

程凯, 王妍, 刘剑飞

计算机应用 2020, 40 (10): 2917-2922. DOI: 10.11772/j.issn.1001-9081.2020020136

摘要（486）

PDF （3833KB）（475）

为了减少对标注图像数量的依赖，提出一种新颖的半监督学习方法用于细胞核的自动分割。首先，通过新的卷积神经网络（CNN）从背景中自动提取细胞区域。其次，判别器网络通过应用全卷积网络来为输入的图像生成置信图；同时耦合对抗性损失和标准交叉熵损失，以改善分割网络的性能。最后，将标记图像和无标记图像与置信图结合来训练分割网络，使分割网络可以在提取的细胞区域中识别单个细胞核。对84张图像（训练集中的1/8图像带标注，其余图像无标注）的实验结果表明，提出的细胞核分割方法的分割准确率度量（SEG）得分可以达到77.9%， F1得分可以达到76.0%，这比该方法使用670张图像且训练集中的所有图像都带标注时的表现要好。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于近邻传播与密度相融合的进化数据流聚类算法

邢长征, 刘剑

计算机应用 2015, 35 (7): 1927-1932. DOI: 10.11772/j.issn.1001-9081.2015.07.1927

摘要（443）

PDF （1078KB）（620）

针对目前数据流离群点不能很好地被处理、数据流聚类效率较低以及对数据流的动态变化不能实时检测等问题,提出一种基于近邻传播与密度相融合的进化数据流聚类算法(I-APDenStream)。此算法使用传统的两阶段处理模型,即在线与离线聚类两部分。不仅引进了能够体现数据流动态变化的微簇衰减密度以及在线动态维护微簇的删减机制,而且在对模型采用扩展的加权近邻传播(WAP)聚类进行模型重建时,还引进了异常点检测删除机制。通过在两种类型数据集上的实验结果表明,所提算法的聚类准确率基本能保持在95%以上,其纯度对比实验等其他相关测试都有较好结果,能够高实效、高质量、高效率地处理数据流数据聚类。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于关系结构的流程控制模型

宋志;刘剑;张艳

计算机应用 2005, 25 (11): 2692-2694.

摘要（1432）

PDF （766KB）（1068）

深入讨论了工作流流程的起点模型、流程激活模型、流程运转模型以及终点模型。在传统的关系数据库的基础上，提出了一个适用于关键业务开发的基于关系结构的流程控制模型，说明了该模型目前的应用情况。