检索结果

Select

1. 基于多任务学习的间质性肺病分割算法

李威, 陈玲, 徐修远, 朱敏, 郭际香, 周凯, 牛颢, 张煜宸, 易珊烨, 章毅, 罗凤鸣

《计算机应用》唯一官方网站 2024, 44 (4): 1285-1293. DOI: 10.11772/j.issn.1001-9081.2023040517

摘要（128）

HTML （0）

PDF （3659KB）（154）

间质性肺病（ILD）的分割标签标注成本极高，且现有数据集通常存在样本量较少的问题，导致训练的模型效果较差。针对该问题，提出一种基于多任务学习的ILD分割算法。首先，基于U-Net构建多任务分割模型；其次，使用生成的肺部分割标签作为辅助任务标签进行多任务学习；最后，使用一种自适应调整多任务损失函数权重的方法，平衡主任务和辅助任务的损失。在自构建的ILD数据集上的实验结果表明，多任务分割模型的Dice相似系数（DSC）达到了82.61%，与U-Net相比提升了2.26个百分点。验证了所提算法可以提升ILD的分割性能，协助临床医生进行ILD诊断。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 混合的密度峰值聚类算法

王军, 周凯, 程勇

计算机应用 2019, 39 (2): 403-408. DOI: 10.11772/j.issn.1001-9081.2018061373

摘要（542）

PDF （842KB）（362）

密度峰值聚类（DP）算法是一种新的基于密度的聚类算法，当它处理的单个聚类包含多个密度峰值时，会将每个不同密度峰值视为潜在聚类中心，以致难以在数据集中确定正确数量聚类，为此，提出一种混合的密度峰值聚类算法C-DP。首先，以密度峰值点为初始聚类中心将数据集划分为子簇；然后，借鉴代表点层次聚类算法（CURE），从子簇中选取分散的代表点，将拥有最小距离的代表点对的类进行合并，引入参数收缩因子以控制类的形状。仿真实验结果表明，在4个合成数据集上C-DP算法比DP算法聚类效果更好；在真实数据集上的Rand Index指标对比表明，在数据集S1上，C-DP算法比DP算法性能提高了2.32%，在数据集4k2_far上，C-DP算法比DP算法性能提高了1.13%。由此可见，C-DP算法在单个类簇中包含多密度峰值的数据集中能提高聚类的准确性。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于博弈论的SDN主控制器重选机制

樊自甫, 周凯恒, 姚杰

计算机应用 2018, 38 (3): 776-779. DOI: 10.11772/j.issn.1001-9081.2017071688

摘要（436）

PDF （760KB）（354）

针对软件定义网络（SDN）中单一控制器容易发生过载的问题，提出了一种基于博弈论的主控制器重选机制——博弈系统模型（GAME-SM）。首先，把资源限定下的交换机迁移问题等效为零和博弈最大化收益问题，并提出了GAME-SM机制；其次，设置控制器负载上下限阈值来确定博弈触发的条件，达到负载上限的控制器邀请邻近的其他控制器作为博弈者参与博弈；最后，基于零和博弈最大化每个参与者的收益来设计博弈策略，使用利用度的改变进行反复博弈来重选主控制器，最终实现整个系统的负载均衡。仿真结果表明该机制能够明显改善控制器负载平衡状况，且与静态分布式控制器（D-CNTL）相比，控制器响应时间减少了50%。

参考文献 | 相关文章 | 多维度评价

Select

4. 新的基于图像显著性区域特征的织物疵点检测算法

赵波郑力新潘旭玲周凯汀徐园园

计算机应用 2012, 32 (06): 1574-1577. DOI: 10.3724/SP.J.1087.2012.01570

摘要（967）

PDF （701KB）（468）

鉴于织物疵点类型的多样性和传统人工检测方法的低效率，为更有效地检测织物疵点，提出一种新的基于图像显著性特征的织物疵点检测方法——SGE。将原织物图分成相同两份:一份利用改进的基于频率的显著性区域(FSR)方法提取区域特征，粗定位疵点位置。另一份先Gabor滤波，取Gabor模图为输出特征；再利用基于像素的显著性区域(PSR)方法进行区域特征提取，细定位疵点位置;然后利用最大熵分别对粗细定位的疵点图进行分割，再融合;最后描绘轮廓,计算周长和面积,去除孤立点,得最终检测结果。采用OpenCV算法库，选取了4种具有代表的织物疵点图片进行验证。实验结果表明，这种粗细定位疵点的方法能够获得较好的检测结果，无需事先学习，能够满足实时性要求。