检索结果

Select

1. 卷积神经网络诊断阿尔兹海默症的方法

林伟铭, 高钦泉, 杜民

计算机应用 2017, 37 (12): 3504-3508. DOI: 10.11772/j.issn.1001-9081.2017.12.3504

摘要（919）

PDF （844KB）（876）

针对阿尔兹海默症（AD）通常会导致海马体区域萎缩的现象，提出一种使用卷积神经网络（CNN）对脑部磁共振成像（MRI）的海马体区域进行AD识别的方法。测试数据来自ADNI数据库提供的188位患者和229位正常人的脑部MRI图像。首先，将所有脑图像进行颅骨剥离，并配准到标准模板；其次，使用线性回归进行脑部萎缩的年龄矫正；然后，经过预处理后，从每个对象的3D脑图像的海马体区域提取出多幅2.5D的图像；最后，使用CNN对这些图像进行训练和识别，将同一个对象的图像识别结果用于对该对象的联合诊断。通过多次十折交叉验证方式进行实验，实验结果表明所提方法的平均识别准确率达到88.02%。与堆叠自动编码器（SAE）方法进行比较，比较结果表明，所提方法在仅使用MRI进行诊断的情况下效果比SAE方法有较大提高。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于语义规则的污点传播分析优化方法

林伟祝跃飞石小龙蔡瑞杰

计算机应用 2014, 34 (12): 3511-3514.

摘要（224）

PDF （620KB）（664）

离线污点分析中的针对轨迹记录文件的污点传播分析的时间开销非常巨大,因此研究快速高效的污点传播分析具有重要意义。针对上述问题,提出了一种基于语义规则的污点传播分析优化方法。该方法定义了一种指令的语义描述规则,用于描述指令的污点传播语义,利用中间语言自动生成汇编指令的语义规则,再根据语义规则进行污点传播分析,避免了现有污点分析方法中指令重复执行导致的重复语义解析,提高了污点分析的效率。实验结果表明,所提方法能够有效降低污点传播分析的时间开销,仅占传统基于中间语言污点分析的14%左右,提高了分析效率。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于监督局部线性嵌入特征提取的高光谱图像分类

温金环田铮林伟周敏延伟东

计算机应用 2011, 31 (03): 715-717. DOI: 10.3724/SP.J.1087.2011.00715

摘要（1461）

PDF （626KB）（965）

高光谱图像的数据维数高、数据量大、数据间高度冗余等特点给图像分类带来困难，为进行有效降维、提高分类精度，提出了一种监督局部线性嵌入(SLLE)非线性流形学习特征提取方法。SLLE算法根据数据先验类标签信息所给出的新距离寻找数据点的k最近邻(NN)，新距离使得类内距离小于类间距离，这使得SLLE算法更有利于分类。高光谱图像数据和UCI数据的分类结果表明了该方法的有效性。

相关文章 | 多维度评价

Select

4. 基于最小割的极化特征图像分割

史彩云林伟李旭温金环

计算机应用 2010, 30 (06): 1587-1589.

摘要（1596）

PDF （621KB）（1152）

针对极化合成孔径雷达(SAR)所固有的斑点噪声很难分割出精确结果的问题,提出了一种基于图论的极化SAR图像分割方法。该方法结合极化SAR的多个极化特征, 用K均值聚类算法得到像素的初始标号,然后建立一个关于标号的能量函数并构造相应的网络,用最小割方法求取网络中全局能量函数的近似最优解,由此得到每个像素点的恰当标号,最终完成图像的准确分类。该方法与传统的分割方法相比,能够充分考虑极化SAR图像的全局信息和极化特征对图像进行精确的分割。实验结果证明,该算法具有较好的分割效果。

相关文章 | 多维度评价

Select

5. 基于极化相似性特征的极化SAR图像的谱分类

李旭林伟史彩云温金环

计算机应用 2010, 30 (05): 1415-1417.

摘要（290）

PDF （476KB）（1001）

针对极化SAR图像分类存在的问题,提出了基于SAR目标的极化特征的二维谱聚类方法。该方法可以充分考虑目标的极化相似性特征,利用二维的谱聚类方法实现极化SAR图像的分类。它以两目标散射的极化相似性参数图像作为输入特征,用二维图权函数代替一维图权函数求权值,使采样点分类和特征矢量分类相一致,从而实现极化SAR图像的分类。实验结果表明,该方法具有更好的分类结果,明显优于K均值分类。

相关文章 | 多维度评价

Select

6. 变换域SAR图像边缘检测

梅珍林伟王瑞霞

计算机应用 2009, 29 (09): 2402-2405.

摘要（1420）

PDF （697KB）（1442）

针对合成孔径雷达(SAR)图像含有大量相干斑噪声,采用变换域中多尺度乘积进行边缘提取。该方法利用信噪比最大自动选取阈值,在非下采样Contourlet变换(NSCT)域中,进行不同方向高频系数多尺度乘积以达到SAR图像检测边缘。实验结果显示，与传统的边缘检测方法相比,在非下采样Contourlet变换域中多尺度积的信噪比最大的边缘检测方法得到更好的结果。

相关文章 | 多维度评价

Select

7. 一种卷积神经网络诊断阿尔兹海默症的方法

林伟铭高钦泉杜民

录用日期: 2017-08-21