2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩63頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、基于機(jī)器學(xué)習(xí)的模式識(shí)別系統(tǒng)通常由兩部分組成:特征提取和分類。針對(duì)特征提取,本文既嘗試了手工設(shè)計(jì)新的特征,又研究了學(xué)習(xí)來的特征的優(yōu)勢(shì)。由于通常情況下,集成分類器優(yōu)于單個(gè)的基分類器,本文選擇集成分類器作為模式識(shí)別器??傊?,本文主要研究集成學(xué)習(xí)和深度學(xué)習(xí)及其應(yīng)用,并針對(duì)細(xì)胞膜的分割和視網(wǎng)膜的分割分別提出了對(duì)應(yīng)的解決方法。
  本文的研究?jī)?nèi)容主要有兩部分:基于層次級(jí)特征和隨機(jī)森林的細(xì)胞膜分割方法、基于特征學(xué)習(xí)和集成學(xué)習(xí)的層次級(jí)視網(wǎng)膜圖像分

2、割方法。
  提出一種基于層次級(jí)特征和隨機(jī)森林的細(xì)胞膜分割方法。鑒于細(xì)胞顯微圖像的局部聚簇性,首先定義和提取了層次級(jí)特征HLFs,層次級(jí)特征可被視為一種更合理、更自然的特征表示方法。然后,將層次級(jí)特征用于訓(xùn)練隨機(jī)森林來進(jìn)行細(xì)胞膜的分割,進(jìn)而提出針對(duì)細(xì)胞膜分割的HLFs-RF方法。在ISBI2012競(jìng)賽數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明:1)層次級(jí)特征整合了特征表達(dá)豐富的像素級(jí)特征和具有一定語義特征的超像素級(jí)特征的優(yōu)勢(shì)。2)與原有固定大小和形狀

3、的方形窗鄰域下上文信息相比,層次級(jí)特征能夠自適應(yīng)的調(diào)節(jié)單個(gè)像素點(diǎn)周圍的鄰域信息,較好的描述了局部錯(cuò)綜復(fù)雜的微觀結(jié)構(gòu),提高了用于細(xì)胞膜分割的模式識(shí)別系統(tǒng)的識(shí)別性能。3)而且,與同類方法相比,HLFs-RF方法即使在低維特征和小樣本的情況下,依然能取得良好的實(shí)驗(yàn)效果。同時(shí),還提出一種基于超像素的典型樣本點(diǎn)選擇方法,精簡(jiǎn)了樣本空間,減少了樣本之間的冗余。
  提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)和隨機(jī)森林的層次級(jí)視網(wǎng)膜圖像分割方法。由于CNN能夠

4、自行從原始圖像學(xué)習(xí)到具有普適性的特征,傳統(tǒng)分類器RF又具有優(yōu)越的分類性能。這就很自然的想到整合CNN和RF兩種分類器的優(yōu)勢(shì),使得整個(gè)模式識(shí)別系統(tǒng)的流程都是全自動(dòng)的(automatic)和可訓(xùn)練的(trainable)。具體來說,CNN的作用是可訓(xùn)練的層次級(jí)特征提取器,然后選擇隨機(jī)森林來訓(xùn)練CNN提取到的層次級(jí)特征。值得指出的是對(duì)于學(xué)習(xí)來的特征,本文不僅使用了CNN最后一層的特征,還使用了中間層的特征。并將CNN各層學(xué)習(xí)來的特征分別用于訓(xùn)

5、練隨機(jī)森林,最后將各個(gè)隨機(jī)森林的輸出結(jié)果采用勝者為王集成學(xué)習(xí)方法進(jìn)行集成。
  本文提出的基于層次級(jí)特征和隨機(jī)森林的細(xì)胞膜分割方法,層次級(jí)特征具有很強(qiáng)的區(qū)分力,所提方法取得了良好的分割效果。后續(xù)工作重點(diǎn)主要集中于兩方面:一方面是更有區(qū)別力的超像素特征的定義和提取;另一方面是設(shè)計(jì)使用新的分類算法以使HLFs得到更好的利用。
  整合特征學(xué)習(xí)和傳統(tǒng)分類器的研究不但具有重要的理論意義,還有廣闊的應(yīng)用空間。本文提出的基于特征學(xué)習(xí)和傳

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論