-
公开(公告)号：CN113344107A
公开(公告)日：2021-09-03
申请号：CN202110709322.3
申请日：2021-06-25
申请人： 清华大学深圳国际研究生院
IPC分类号： G06K9/62 , G06F40/216 , G06N3/04 , G06N3/08
摘要： 本发明涉及一种基于核主成分分析和LDA的主题分析方法及系统，其特征在于，包括以下内容：1)获取文献语料库，并对文献语料库中的各文章进行预处理；2)根据预处理后的文献语料库，建立KPCA‑LDA主题模型；3)采用建立的KPCA‑LDA主题模型，对文献语料库中的文章进行主题分析，确定文献语料库中文章的文本表示；4)采用吉布斯抽样算法，对KPCA‑LDA主题模型进行训练和参数估计，求解KPCA‑LDA主题模型的参数，生成若干个由词语表示的主题，本发明可以广泛应用于文本挖掘领域中。
-
公开(公告)号：CN113344107B
公开(公告)日：2023-07-11
申请号：CN202110709322.3
申请日：2021-06-25
申请人： 清华大学深圳国际研究生院
IPC分类号： G06F18/2135 , G06F40/216 , G06N3/04 , G06N3/08
摘要： 本发明涉及一种基于核主成分分析和LDA的主题分析方法及系统，其特征在于，包括以下内容：1)获取文献语料库，并对文献语料库中的各文章进行预处理；2)根据预处理后的文献语料库，建立KPCA‑LDA主题模型；3)采用建立的KPCA‑LDA主题模型，对文献语料库中的文章进行主题分析，确定文献语料库中文章的文本表示；4)采用吉布斯抽样算法，对KPCA‑LDA主题模型进行训练和参数估计，求解KPCA‑LDA主题模型的参数，生成若干个由词语表示的主题，本发明可以广泛应用于文本挖掘领域中。
-
公开(公告)号：CN113077466A
公开(公告)日：2021-07-06
申请号：CN202110513843.1
申请日：2021-05-11
申请人： 清华大学深圳国际研究生院
摘要： 本发明涉及一种基于多尺度感知损失的医学图像分类方法和装置，采用卷积神经网络对医学图像进行处理，还包括：将卷积神经网络的输出分别传输给至少两个类激活图和分类器；将所述至少两个类激活图的输出传输给用于进一步挖掘所述至少两个类激活图的输出中被关注区域的第一损失函数；将所述分类器的输出传输给用于增加所述被关注区域的权重，并减小所述不被关注区域的权重第二损失函数；将所述第一损失函数的输出和所述第二损失函数的输出融合在一起获得分类后的图像。本发明第一损失函数会促使模型更准确地关注致病所在的区域。第二损失函数有助于增加难识别类疾病的损失权重而减小易识别类疾病的损失权重，从而增强卷积网络对难识别样本的分类。
-
公开(公告)号：CN112232362A
公开(公告)日：2021-01-15
申请号：CN202011215732.4
申请日：2020-11-04
申请人： 清华大学深圳国际研究生院
摘要： 本发明提供一种跨模态医学图像配准方法及计算机可读存储介质，方法包括：构建全分辨率残差配准网络的跨模态医学图像配准模型；包括：采用全分辨率流连接浮动图像和参考图像，依次将与全分辨率流并行的多尺度残差流返回的残差相加以丰富全分辨率流的全分辨特征信息；通过连续的残差学习模块逐步减少通道数，并通过3D卷积模块估计全分辨率变形场；基于全分辨率变形场，通过空间变换网络对浮动图像进行扭曲，以评估扭曲后的浮动图像与参考图像之间的相似性；训练模型；输入待配准的浮动图像及参考图像进行配准得到多模态图像配准。通过增加全分辨流来解决常规单流编码器‑解码器结构潜在的在全分辨率预测上信息损失、局部配准质量不佳的问题。
-
公开(公告)号：CN113076960B
公开(公告)日：2023-07-11
申请号：CN202110514525.7
申请日：2021-05-11
申请人： 清华大学深圳国际研究生院
IPC分类号： G06V10/44 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本发明涉及一种基于多尺度特征迭代融合网络的图像分类方法和装置，包括如下步骤：S1：将需要分类的原始图像导入N个特征提取网络以获取N个特征图；S2：将所述N个特征图分别导入多尺度特征迭代融合网络，以获得多尺度特征注意图；S3：将所述多尺度特征注意图导入分类器，以获得需要分类的图像。通过所述图像分类方法，从图像处理的角度，设计了一种灵活的端到端训练多尺度注意力网络体系结构，充分利用多尺度的信息，更好的自适应地学习判别性的特征，提高分类识别精度。
-
公开(公告)号：CN113076960A
公开(公告)日：2021-07-06
申请号：CN202110514525.7
申请日：2021-05-11
申请人： 清华大学深圳国际研究生院
摘要： 本发明涉及一种基于多尺度特征迭代融合网络的图像分类方法和装置，包括如下步骤：S1：将需要分类的原始图像导入N个特征提取网络以获取N个特征图；S2：将所述N个特征图分别导入多尺度特征迭代融合网络，以获得多尺度特征注意图；S3：将所述多尺度特征注意图导入分类器，以获得需要分类的图像。通过所述图像分类方法，从图像处理的角度，设计了一种灵活的端到端训练多尺度注意力网络体系结构，充分利用多尺度的信息，更好的自适应地学习判别性的特征，提高分类识别精度。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.034 秒)
