国家自然科学基金(60875011)
- 作品数：4 被引量：14H指数：3
- 相关作者：李宁郭乔进丁轶戴平李宁更多>>
- 相关机构：南京大学更多>>
- 发文基金：国家自然科学基金江苏省自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种基于SVM的快速特征选择方法被引量：8
- 2010年
- 针对现有特征选择方法计算量大、速度慢的缺点,提出了一种基于SVM的快速特征选择算法。该算法使用SVM作为分类器,并利用粒子群优化算法进行搜索。通过利用SVM线性核与多项式核函数的特性,减少了在特征选择中训练分类器的次数,降低了计算复杂度。实验结果表明在不损失分类精度的情况下,能显著提高特征选择的速度。
- 戴平李宁
- 关键词：支持向量机粒子群优化
- 一种新的目标检测方法：Latent Dirichlet classification被引量：3
- 2012年
- 图像目标检测的任务是通过对图像分块或者分区域提取特征,进行学习和分类,从而检测出目标在图像中的位置.基于潜在迪利克雷分布模型,提出一种应用于目标检测的主题模型latentDirichlet classification(LDC),结合图像连续值局部特征和共生关系来进行目标检测.LDC模型将latentDirichlet allocation(LDA)生成的主题信息作为权重赋予样本,生成多份样本,然后利用多份样本训练多个分类器进行集成分类.实验结果表明利用LDC模型能有效提高检测精度.
- 丁轶郭乔进李宁
- 关键词：目标检测主题模型
- 基于Cascade结构的代价敏感的医学图像ROI检测方法被引量：1
- 2010年
- 医学图像中感兴趣区域(ROI)通常包含重要的信息,对医生分析和诊断具有重大意义.文中结合医学图像特点,运用机器学习方法和图像处理技术,提出一种基于Cascade结构的代价敏感的医学图像的ROI检测方法.该方法将代价敏感的分类算法和Cascade结构有效结合,具有高敏感性和高效率.对数字乳腺图像中的肿块ROI进行实际检测的实验结果表明,与基于像素的方法相比计算量小、效率高;与基于区域的方法相比避免了直接使用传统的图像分割和滤波技术难以有效检测ROI的问题.
- 李宁李宁郭乔进谢俊元
- 关键词：医学图像
- 一种基于上下文信息的乳腺肿块ROI检测方法被引量：3
- 2010年
- 传统的ROI(region of interest)检测方法忽略了图像中的上下文信息,为了解决这个问题,本文利用概率潜在语义分析(probability latent semantic analysis,PLSA)来对图像中的每块区域周围的图像特征进行分析,并利用其作为上下文特征来辅助ROI的检测。实验表明,该方法与直接进行分类相比,能够取得更好的分类效果。
- 郭乔进丁轶李宁
- 关键词：概率潜在语义分析
