检索结果

Select

1. 基于深度迁移学习的肺结节分割方法

马金林, 魏萌, 马自萍

计算机应用 2020, 40 (7): 2117-2125. DOI: 10.11772/j.issn.1001-9081.2019112012

摘要（545）

PDF （1631KB）（539）

针对U-Net分割小体积肺结节效果较差的问题，提出一种基于深度迁移学习的分割方法，利用分块式叠加微调（BSFT）策略辅助分割肺结节。首先，利用卷积神经网络学习自然图像大数据集的特征信息；然后，将所学特征迁移到进行肺结节图像小数据集分割的网络，从该网络最后一个下采样层开始逐块释放、微调训练，直到网络完成最后一层的叠加；最后，定量分析Dice相似性系数，以确定最佳分割网络。实验结果表明，BSFT在LUNA16肺结节公开数据集上的Dice值达到0.917 9，该策略的性能明显优于主流肺结节分割算法。

参考文献 | 相关文章 | 多维度评价

Select

2. 混沌拟态物理优化的认知频谱差异分配

贾遂民, 魏萌, 胡明生

计算机应用 2015, 35 (4): 1067-1070. DOI: 10.11772/j.issn.1001-9081.2015.04.1067

摘要（452）

PDF （549KB）（484）

针对认知无线电网络的频谱分配问题,提出了一种考虑频谱可用率的分配模型,并在约束处理时,将可用率更高的频谱分配给认知用户;基于频谱分配问题的NP(非确定性多项式)特性,进而提出了一种基于混沌拟态物理优化的智能算法。使用混沌的遍历性初始化种群,改进了微粒的作用力方程,避免算法陷入局部最优。仿真实验结果表明:该算法能获得更高的网络收益,提高了频谱使用效率。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于云免疫算法的认知无线网络参数优化

张华伟魏萌

计算机应用 2014, 34 (3): 628-631.

摘要（421）

PDF （565KB）（348）

为了提高认知无线网络的参数优化效果,提出了一种基于免疫优化的认知引擎参数调整算法。免疫克隆优化是一种有效的智能优化算法,适合求解认知无线网络的引擎参数调整问题。免疫优化中,变异概率影响着算法的搜索能力;利用正态云模型云滴的随机性和稳定倾向性特点,提出了一种基于云模型的自适应变异概率调整方法,并用于认知无线网络的参数优化。在多载波环境下对算法进行了仿真实验。结果表明,所提算法收敛速度较快,参数调整结果与对目标函数的偏好一致,能够实现认知引擎参数优化。