简介：摘要目的构建一种基于深度学习的肺结节分类以及分割算法，探究其在不同CT重建算法下的诊断效能。方法回顾性收集2019年6至9月天津医科大学朱宪彝纪念医院放射科363例胸部CT平扫影像学资料，每例患者的胸部CT平扫均包含三种CT重建算法（肺重建、纵隔重建、骨重建）生成的图像，这些数据构成了模型的测试集；模型的训练集由公开数据集（LIDC-IDRI）和私有数据集共4 185例患者胸部CT图像组成。模型的构建采用3D深度卷积神经网络和递归神经网络结合的方式，在多任务联合学习下训练肺结节密度类型分类和分割，最后将训练好的模型在天津医科大学朱宪彝纪念医院放射科363例测试病例上进行效果测试，得到三种CT图像重建算法下结节分类准确率和分割Dice系数指标。采用方差分析对三种CT重建算法下的结节分类准确率和分割Dice系数进行比较以分析差异是否有统计学意义。结果在三种CT重建算法下，模型对肺结节密度类型的分类准确率分别为98.67%±5.70%、98.38%±6.61% 和97.89%±7.32%，其中实性结节的分类准确率分别为98.79%±5.58%、98.49%±6.89%和97.90%±7.41%，亚实性结节的分类准确率分别为97.57%±10.19%、98.52%±7.77%和98.52%±7.77%，三种不同重建算法下的肺结节的分类准确率差异无统计学意义（均P>0.05）。三种重建算法下，所有结节分割的Dice系数分别为79.87%±5.78%、79.02%±6.04%和79.31%±5.95%，三组间结节分割的Dice系数差异无统计学意义（均P>0.05）。结论结合了3D卷积神经网络和递归神经网络的深度学习算法，对不同CT重建算法图像中肺结节的分类和分割均有较为稳定的效果。

简介：摘要：随着信息技术的飞速发展，以文本形式出现的信息已经越来越多，网络上电子文本的信息量呈现爆炸趋势。数据信息的飞速增长严重影响了人们充分并且快速有效地利用这些信息资源，毕竟人们已经不能仅仅依靠人工劳力迅速有效地提炼出所需的关键信息。基于机器学习的文本分类算法应用的重要性在于实现对大规模文本数据的自动化处理等方面的提升。

简介：摘要： 本论文针对工程建设标准化中结构实体的检测问题，提出了一种基于深度学习的算法。首先，构建了一个大规模的结构实体数据集，并对其进行标注。然后，采用深度卷积神经网络（CNN）结合多尺度特征融合的方法，实现了高效准确的结构实体检测。通过实验证明，所提算法在不同场景下能够有效地检测出各种结构实体，并且具有较低的误检率和漏检率。该算法的研究成果对于促进工程建设标准化的应用具有重要意义。

简介：摘要：本文主要研究基于深度学习的行人检测和行为识别。行人检测的目标是行人，是在给定的输入图像中识别行人目标并确定行人在图像中的位置。为了对行人的运动信息进行更好地理解，本文还对行为识别进行了相关研究，目的是能够自动分析和理解人的动作。

简介：摘要：为了限制人脸识别中的特征选择和个性化算法，提出了一种基于深度学习的人脸识别算法。实验结果表明，与传统的单一或融合算法相比，该算法具有更高的检测率、更好的局部性能和更好的抗干扰性能。

简介：单隐层前向神经网络的学习能力是有限的.特别地,作为分类器,单隐层前向神经网络对于图像的复杂信息和不同图像之间的细节信息很难学习和处理.文章借鉴深度神经网络的思想,将单隐层矩阵输入的神经网络拓展到多隐层神经网络,并采用传统的反向传播算法对其训练并给出学习算法.通过多个数据库的实验对比,结果显示所提出的算法具有良好的效果.

简介：本文对数据库中新增对象重新进行分类，并对此提出了一种基于粗集理论的动态学习算法DLA，并对动态学习算法与传统算法在执行的时间长短上进行比较，得出动态学习算法能在数据库应用中有效地减少更新过程中的计算量，从而达到提高效率的目的。

简介：图像识别技术主要包括图像特征的提取和图像的分类,在这两种技术中,图像特征的提取是图像识别技术最关键的技术。图像特征提取的准确性是衡量一个图像识别算法好与坏的唯一指标。图像特征提取主要采用分布式点矩阵的方法,通过在图像中插入一定数量的特征点,通过对特征点的比较,将符合特征点的部分加以整合和归纳,最终得出图像的特征。但在现有的技术中,特征点的插入数量和特征点对照的准确度在各种算法中均有优劣,而深层学习作为一种组织架构更完善的处理方法,显然是很适合图像识别算法的使用。所以本文就深度学习的原理及基于深度学习原理的图像识别算法的基本原理进行探讨,并对基于深度学习的图像识别算法的研究做出详细的讨论。

简介：摘要传统的生存分析方法虽在生物医学领域已有广泛应用，但需满足一些前提假设。随机生存森林方法可克服这一弱点。本文以美国梅奥诊所的肝脏原发性胆汁肝硬化的数据为例，从随机生存森林的原理、建模步骤、实例演示和适用性讨论等方面进行阐述，以期为读者进行生存分析提供新的思路和方法。

简介：在现代公安警务工作中,人脸识别是智能化目标人物排查、线索追踪的重要支撑技术。在实际应用中,公安布控人脸图像采集通常处于非合作场景。在环境因素的作用下,采集的图像相比于标准库中人脸图像往往发生噪声叠加、曝光异常以及运动模糊等降质褪化。因此,人脸识别算法的鲁棒性应当成为其有效性的重要判断依据之一。鉴于上述考虑,本文研究了几种典型机器学习算法在不同图像降质因素作用下的人脸识别性能,进一步分析了上述算法的鲁棒性。

简介：总结国内外专利文本分类情况,简要叙述基于机器学习的专利文本分类的-般框架,介绍专利文本分类的文本预处理、特征提取、文本表示、分类器构建及效果评价等过程.将应用于专利文本分类的机器学习算法分为单-分类算法和组合分类算法着重探讨单-分类算法主要有NB算法、ANN算法、Rocchio算法、KNN算法、SVM算法等;组合分类算法主要有两种组合算法,如NB-KNN算法、Rocchio-KNN算法、KNN-SVM算法、SVM-其它算法,还有多种组合算法.指出各种机器学习算法应用在专利文本分类上的优势与不足,从专利文本预处理、特征提取、专利文本表示、分类器的构建、新方法的探索等五个方面对专利文本自动分类技术进行展望.

简介：通过对一类离散系统的迭代学习控制问题的讨论提出了一种新的迭代学习控制算法，证明了新算法的收敛性。该算法与目前的算法具有完全不同的形式，可通过调节参数提高算法的收敛速度。

简介：摘要：本文研究基于机器学习算法的电能负荷预测方法。通过分析电能负荷的历史数据，利用机器学习算法构建预测模型，从而实现对未来电能负荷的准确预测。本研究对比了常用的机器学习算法，如支持向量机、随机森林和神经网络，并结合实际数据对比验证了预测结果的准确性和可靠性。研究结果表明，基于机器学习算法的电能负荷预测具有较高的预测精度，并具备一定的应用潜力。

简介：摘要：在深度学习技术迅速发展的背景下，各方对图像识别效率及准确率的需求也有所提升。所以，为更好地使用深度学习图像识别算法与分类算法，可运用多层神经网络，对图像信息进行理解及分类，以满足文字识别、人脸识别、物体识别以及车牌识别等场景要求。基于此,本文结合实际思考，首先简要分析了基于深度学习的图像识别与分类算法相关机理，其次阐述了基于深度学习的图像识别与分类算法分析。

简介：摘要：传感器、卫星、移动设备、社交媒体、电子商务和互联网等，让我们充满了数据。特别是物联网，可以更快地生成大量数据。物联网是一个术语，描述了将计算机、智能设备和其他数据生成设备连接到网络并传输数据的过程。因此，数据会定期生成和更新，以反映所有领域和活动的变化。由于数据呈指数级增长，一个新的术语和概念被称为大数据。需要大数据来阐明事物之间的关系，预测未来趋势，并为决策者提供更多信息。然而，目前的主要问题，是如何有效地收集和评估大量多样而复杂的数据。在某些领域或应用中，机器学习模型是解释和分析数据以及获取重要信息的最常用方法，传统的机器学习方法本身无法成功处理大数据问题。

简介：

简介：摘要：在各种智能应用进行活动识别的过程中，对手姿态估计有着严格的要求。在计算机视觉领域中，对其不断在进行深入研究，并且随着深度学习的发展，更多研究人员参与到手姿态识别与估计算法中。本文基于深度学习的手势识别与估计理论，对手姿态识别进行探究分析，并提出估计优化算法，为各种场景下手势姿态的精准识别研究提供借鉴参考。

简介：摘要：现代无人机设备等设备容易受到雾霾天气影响，在景色图像获取的时候会表现出低对比度、弱色彩、低信息可辨识度等现象，为了解决此类现象，本文期望借助深度学习算法的方法。依靠其强大的数据学习与决策能力，能够在图像去雾方面呈现出良好的实际效果。

简介：摘要：遥感图像目标检测在城市规划、资源调查和灾害监测等领域应用广泛，基于遥感图像的目标检测具有重要研究意义。遥感技术为人们快速、全面了解地表覆盖变化提供了技术支持，在高分辨率遥感技术不断发展的大背景下，大量高品质遥感图像的采集越来越方便。遥感图像是利用遥感技术生成的远距离图像，可以对目标进行有效的处理。目标检测是遥感图像处理的基础任务之一，通过对遥感图像的分析可以分辨出水体、植被等目标，同时遥感影像可以识别更小的目标，如具体的树木、人、交通标志、足球场标志线等等，因此遥感图像目标检测已经成为当前研究的热点问题。遥感设备拍摄图像时由于设备距离目标较远，包含的地面范围大，受到分辨率的限制，待检测目标可能以微小形式显示在遥感图像中，这些检测目标具有尺度小、特征弱等特点，为图像目标的检测工作带来较大难度。

简介：