国家自然科学基金(61003174)
- 作品数：4 被引量：3H指数：1
- 相关作者：李世群马千里刘靖陈涛邓辉舫更多>>
- 相关机构：华南理工大学湖南科技大学中山大学附属第三医院更多>>
- 发文基金：国家自然科学基金中央高校基本科研业务费专项资金国家教育部博士点基金更多>>
- 相关领域：自动化与计算机技术文化科学医药卫生更多>>
- 基于密度聚类和多示例学习的图像分类方法被引量：1
- 2014年
- 针对图像的低级特征表示与高级概念之间的语义鸿沟,本文利用密度聚类获得的簇分布信息和多示例学习框架在区分歧义性对象上的特点,提出了一个基于区域特征密度聚类和多示例学习的图像分类方法(DCRF-MIL)。该方法首先将每个图像分割为多个区域,将所有区域组成一个集合,在这个区域集合上,使用密度聚类算法学习到区域特征的簇分布信息;然后,将图像看作包,区域看作包中的示例,基于区域特征的簇分布信息,将包映射为簇分布空间上的一个向量作为包的特征,使得包特征带有图像区域的语义信息;最后,使用支持向量机算法,在带有包特征的训练集上训练分类器,对测试图像进行分类。在Corel图像集和MUSK分子活性预测数据集上的实验表明,DCRF-MIL算法具有分类精度高和参数易于选择等特点。
- 陈涛邓辉舫刘靖
- 关键词：图像分类多示例学习密度聚类支持向量机
- 用于癌症分类的随机子空间半监督维数约减(英文)
- 2013年
- 精确的癌症分类对于癌症的成功诊断和治疗是必不可少的.半监督维数约减算法在干净的数据集上表现得很好,然而当面临噪声时,当前的大部分算法所构造的邻域结构是拓扑不稳定的.为了克服这一问题,文中提出了一种基于随机子空间的半监督维数约减算法(RSSSDR),将随机子空间与半监督维数约减算法结合起来.在数据集的不同随机子空间上,该算法首先设计多个不同的子图,然后将这些子图联合起来构成一个混合图并在其上进行维数约减.该算法通过最小化局部重构误差来确定邻域图的边权值,在保持癌症数据集局部结构的同时能够保持其全局结构.在公共癌症数据集上的实验结果表明,RSSSDR算法具有较高的分类准确率和较好的参数鲁棒性.
- 文贵华蔡先发韦佳
- 关键词：半监督学习随机子空间癌症分类维数约减
- 基于学生数学现实的离散数学教学研究被引量：2
- 2012年
- 目前,各高等学校很多理工科专业都开设了离散数学课程,关于离散数学教学方法的探讨也越来越热烈。文章根据离散数学教学实践,介绍离散数学教学应该基于学生的数学现实选择相应教学方法的思路,并提出一种新的考核方式——笔试与答辩相结合的复合考核方式。
- 马千里李世群
- 关键词：离散数学数学现实教学
- 基于双神经气体的聚类集成算法应用于癌症基因数据集
- 2015年
- 在生物和医学研究中采用基因矩阵技术为癌症诊断和治疗提供了一条新思路,为了发现不同癌症类型和准确地对癌症样本进行分类,提出了基于神经气体(NG)算法的聚类集成算法框架双神经气体聚类集成(DNGCE)去挖掘含有噪音的癌症基因数据集的内在结构。该算法框架不仅把神经气体算法应用在癌症基因数据集的样本维,同时也应用于属性维中,最后使用Normalized Cut算法去划分前面得到的多种不同聚类结果组成的一致性矩阵,最终得到更加准确的聚类结果。通过应用在癌症基因数据集的实验结果表明,提出的聚类集成算法框架对于癌症基因数据集的聚类效果要远胜过单一的聚类算法和现阶段存在的大多数的聚类方法,可以极大提高癌症诊断的准确度。
- 张晓东陈汉涛
- 关键词：聚类集成癌症诊断
