公共文化服务平台

史颖欢: 作品数：34 被引量：148H指数：6; 供职机构：南京大学更多>>; 发文基金：国家自然科学基金教育部“新世纪优秀人才支持计划”国家重点基础研究发展计划更多>>; 相关领域：自动化与计算机技术医药卫生电子电信更多>>

合作作者

一种基于原型学习的多示例深度卷积神经网络: 卷积神经网络是一种全监督的深度学习模型，其要求样本类标完整。在样本类标缺失等弱监督的实际应用中，卷积神经网络的应用受到了极大的制约。为解决弱标记环境下的多示例学习问题，本文提出了一种新的多示例深度卷积网络模型。该模型引入...; 何克磊史颖欢高阳霍静汪栋张缨

医学图像处理中的机器学习方法及其应用研究: 医疗成像设备的发展和普及，大大促进了医学图像处理研究。作为医学图像处理的重要方法，机器学习技术扮演着重要的角色，已经成为最常使用的处理方法之一。本文围绕医学图像处理的两个应用:“肺癌病理细胞图像识别”和“前列腺CT图像分...; 史颖欢; 关键词：医学图像信息处理机器学习技术; 文献传递

因子分解机算法在基于DPI的手机应用推荐中的应用: 随着移动互联网的发展，用户在手机应用方面的消费成为了OTT企业、手机服务运营商和通信服务运营商所共同关注的增长点，针对手机应用的推荐也日益受到人们的关注。本文使用江苏电信运营商在ISP机房抽取的网络深度数据包数据，从数据...; 孙良君范剑锋杨婉琪史颖欢

一种基于原型学习的多示例卷积神经网络被引量：13: 2017年; 卷积神经网络是一种全监督的深度学习模型,其要求样本类标完整.在样本类标缺失等弱监督的实际应用中,卷积神经网络的应用受到了极大的制约.为解决弱标记环境下的多示例学习问题,该文提出了一种新的多示例深度卷积网络模型.该模型引入了一种新的原型学习层.该层使用基于原型度量的算法,实现了示例特征至包特征的映射,从而使网络能够在包的层面给予类标信息,进而完成整个模型的学习过程.该文首先在肺癌病理图像细胞分类的问题中,验证了该网络的性能.实验表明,相较于传统基于手工图像特征的方法,该文所提出的方法在准确率方面约有12%的提升.相较于卷积神经网络结合传统多示例学习的方法,所提出的方法在各项指标上同样取得了更好的效果.此外,在自然图像分类数据集GRAZ-02上,所提出的方法相较于目前最优的算法也取得了相当的效果.; 何克磊史颖欢高阳霍静汪栋张缨; 关键词：多示例学习卷积神经网络图像分类人工智能

一种基于多源数据融合的帕金森氏病药物推荐模型: 本发明是专门针对帕金森病提出的一种基于多源数据融合的药物推荐模型，属于计算机应用领域。一种基于多源数据融合的帕金森氏病药物推荐模型，包括如下步骤：步骤（1）前期数据收集PD患者的运动和非运动症状以及相对应的医生开具临床治...; 史颖欢陈震涛高阳张丽潘杨; 文献传递

一种用于RGB-D图像分类的对抗度量学习模型生成方法: 本发明公开了一种用于RGB‑D图像分类的对抗度量学习模型生成方法，属于计算机应用领域。其中，该方法引入对抗学习的思想从多视图特征的视图内和视图间两个角度学习度量距离，1)对于每个单独的视图，该方法生成了难以与原始正样本区...; 史颖欢陈建蓉高阳

面向复杂交互场景的新型机器学习技术: 高阳史颖欢霍静杨琬琪王皓陈兴国胡裕; 机器学习是模式识别、机器视觉、数据挖掘等方向的支撑技术之一，被广泛应用到安防、医疗、大数据分析等领域。基于样本的独立同分布假设，监督学习技术通过学习已标记数据来训练模型。然而在复杂交互场景下，当处理动态、多源、弱标记等非...; 关键词：

基于Group Lasso的多源电信数据离网用户分析被引量：2: 2014年; 随着行业竞争愈演愈烈,电信企业的客户流失情况越来越严重,给电信企业造成了巨大损失.通过电信企业的数据来做离网用户的预测,从而进一步作出挽留客户的正确决策,成为电信企业日益关注的问题.面对电信后台汇总的多源数据,经分析发现其呈现天然的组结构.为了选择对于离网类别最具判别性的特征,本文使用了一种基于Group Lasso的组特征选择方法,在此基础上用交叉验证法选择适当的特征组,最终将选择出的少量组特征用于预测离网和停机的宽带用户.实验表明,在江苏某地级市电信离网用户分析数据中取得了比其他特征选择方法的精度平均高至少10%的预测性能.; 孙良君范剑锋杨琬琪史颖欢高阳周新民; 关键词：客户流失多源数据 GROUP

面向小目标的多尺度Faster-RCNN检测算法被引量：81: 2019年; 小目标是指图像中覆盖区域较小的一类目标.与常规目标相比,小目标信息量少,训练数据难以标记,这导致通用的目标检测方法对小目标的检测效果不好,而专门为小目标设计的检测方法往往复杂度过高或不具有通用性.在分析现有目标检测方法的基础上,提出了一种面向小目标的多尺度快速区域卷积神经网络(faster-regions with convolutional neural network, Faster-RCNN)检测算法.根据卷积神经网络的特性,修改了Faster-RCNN的网络结构,使网络可以同时使用低层和高层的特征进行多尺度目标检测,提升了以低层特征为主要检测依据的小目标检测任务的精度.同时,针对训练数据难以标记的问题,使用从搜索引擎上获取的数据来训练模型.因为这些训练数据与任务测试数据分布不同,又利用下采样和上采样的方法对目标高分辨率的训练图像进行转化,使训练图像和测试图像的特征分布更类似.实验结果表明:所提出的方法在小目标检测任务上的平均精度均值(mean average precision, mAP)可以比原始的Faster-RCNN提高约5%.; 黄继鹏史颖欢高阳; 关键词：小目标检测采样

元数据存储库系统中违背良格式约束潜在操作的推理: 2016年; 存储库系统的元数据组织方式呈现出分层、多级并且动态变化的复杂结构;存储库系统标准对确保良格式约束规定得并不充分,上述2个原因使得确保基于元对象设施(meta object facility,MOF)建立的元数据存储库系统的状态不违背良格式约束成为一个令人棘手的问题.提出了一种能够自动推断可能违背良格式约束的潜在操作的方法.首先定义了一组比MOF的构造活动更精确和灵活的MOF内部活动并建立了二者之间的对应关系;接着研究了如何推断可能违背约束条件的内部活动;最后通过比对与这些内部活动相对应的构造活动是否在操作规范中出现,研究了如何推断违背约束条件的潜在操作,该方法可以用于约束检测领域.由于可以剔除许多无关的检测,该方法可以有效地提高良格式约束检测的效率.此外该方法对约束设计领域也有一定的参考价值.; 赵晓非高阳史颖欢史忠植; 关键词：元对象设施