-
公开(公告)号：CN110136113B
公开(公告)日：2022-06-07
申请号：CN201910399732.5
申请日：2019-05-14
Applicant: 湖南大学
Abstract: 本发明属于计算机视觉及机器学习技术领域，公开了一种基于卷积神经网络的阴道病理图像分类方法。本发明包括步骤：使用上采样方法，得到类别平衡的阴道病理图像数据集；利用数据增强方法扩增阴道病理图像数据集；利用扩增的阴道病理图像数据集对图像分类卷积神经网络进行训练；利用交叉熵损失函数，结合BP算法对图像分类卷积神经网络进行网络参数更新；通过训练后的最优图像分类卷积神经网络对输入图像进行分类。本发明避免了传统特征提取方法的局限，如：高度依赖于医护人员的经验知识，耗费大量的时间和精力完成，提取出有区分性的高质量特征也往往存在一定的困难，而且准确率低，本发明借助于卷积神经网络，实现阴道病理图像的高精度分类。
-
公开(公告)号：CN101222383A
公开(公告)日：2008-07-16
申请号：CN200810030533.9
申请日：2008-01-23
Applicant: 湖南大学
Abstract: 为提高现有基于H.323协议的IP网络电话语音流量监测技术的准确性，本发明公开了一种基于H.323协议的IP网络电话语音流量监测方法，包括呼叫初始化监测阶段，建立控制通道监测阶段，媒体传送通道监测阶段和结束呼叫监测阶段四个阶段。本发明所述方法能提高监测的准确性，克服因未多次动态分析会话的建立过程而无法监测VoIP语音数据流的缺陷，以提高网络检测和流量控制的效率和性能。
-
公开(公告)号：CN110033041B
公开(公告)日：2022-05-03
申请号：CN201910296276.1
申请日：2019-04-13
Applicant: 湖南大学
Abstract: 本发明属于基因表达谱分类领域，公开了一种基于深度学习的基因表达谱距离度量方法，属于深度学习在生物大数据上的挖掘和应用。首先，设计了一种适用于基因特征度量学习的卷积神经网络模型来提取数据的特征，然后运用改进的余弦距离来计算数据之间的距离，最后通过分类算法的分类效果来衡量该方法的优良。该方法能够快速高效地度量出不同的基因表达谱之间的相似度，为后续的基因分类、聚类、差异性表达分析、化合物筛查等研究提供数据。相比较传统的基因富集方法，这种方法显著提高了数据之间的距离度量效果，并且可以有效的减少基因表达谱分析时候的人工干预，避免了常规深度网络易产生的过拟合现象，该方法有较强的可迁移性。
-
Patent Agency Ranking
公开(公告)号：CN110033041A
公开(公告)日：2019-07-19
申请号：CN201910296276.1
申请日：2019-04-13
Applicant: 湖南大学
Abstract: 本发明属于基因表达谱分类领域，公开了一种基于深度学习的基因表达谱距离度量方法，属于深度学习在生物大数据上的挖掘和应用。首先，设计了一种适用于基因特征度量学习的卷积神经网络模型来提取数据的特征，然后运用改进的余弦距离来计算数据之间的距离，最后通过分类算法的分类效果来衡量该方法的优良。该方法能够快速高效地度量出不同的基因表达谱之间的相似度，为后续的基因分类、聚类、差异性表达分析、化合物筛查等研究提供数据。相比较传统的基因富集方法，这种方法显著提高了数据之间的距离度量效果，并且可以有效的减少基因表达谱分析时候的人工干预，避免了常规深度网络易产生的过拟合现象，该方法有较强的可迁移性。
-
公开(公告)号：CN101222383B
公开(公告)日：2010-06-02
申请号：CN200810030533.9
申请日：2008-01-23
Applicant: 湖南大学
Abstract: 为提高现有基于H.323协议的IP网络电话语音流量监测技术的准确性，本发明公开了一种基于H.323协议的IP网络电话语音流量监测方法，包括呼叫初始化监测阶段，建立控制通道监测阶段，媒体传送通道监测阶段和结束呼叫监测阶段四个阶段。本发明所述方法能提高监测的准确性，克服因未多次动态分析会话的建立过程而无法监测VoIP语音数据流的缺陷，以提高网络检测和流量控制的效率和性能。
-
公开(公告)号：CN111276187B
公开(公告)日：2021-09-10
申请号：CN202010029068.8
申请日：2020-01-12
Applicant: 湖南大学
Abstract: 本发明属于计算机科学领域，公开了一种基于自编码器的基因表达谱特征学习方法，通过将基因表达谱文件按实验条件提取所需要的数据，先对提取的样本数据进行处理，得到能直接用于模型的输入数据，再将多个多通道自编码器逐层叠加，得到包含多个隐藏层的深度多通道自编码器模型，接着用深度多通道自编码器模型从高维稀疏的基因表达谱数据中提取出维度相对较低，且能有效区分原始数据的特征表示，最后验证模型预测的特征的好坏。本发明充分发挥深度学习能准确获取数据特征的优势，结合卷积神经网络的多通道和自编码器的特征学习能力，设计一种新的多通道自编码器模型，从而更好的学习到维度相对较低，且能有效区分原始基因表达谱数据的特征表示。
-
公开(公告)号：CN111276187A
公开(公告)日：2020-06-12
申请号：CN202010029068.8
申请日：2020-01-12
Applicant: 湖南大学
Abstract: 本发明属于计算机科学领域，公开了一种基于自编码器的基因表达谱特征学习方法，通过将基因表达谱文件按实验条件提取所需要的数据，先对提取的样本数据进行处理，得到能直接用于模型的输入数据，再将多个多通道自编码器逐层叠加，得到包含多个隐藏层的深度多通道自编码器模型，接着用深度多通道自编码器模型从高维稀疏的基因表达谱数据中提取出维度相对较低，且能有效区分原始数据的特征表示，最后验证模型预测的特征的好坏。本发明充分发挥深度学习能准确获取数据特征的优势，结合卷积神经网络的多通道和自编码器的特征学习能力，设计一种新的多通道自编码器模型，从而更好的学习到维度相对较低，且能有效区分原始基因表达谱数据的特征表示。
-
公开(公告)号：CN110136113A
公开(公告)日：2019-08-16
申请号：CN201910399732.5
申请日：2019-05-14
Applicant: 湖南大学
Abstract: 本发明属于计算机视觉及机器学习技术领域，公开了一种基于卷积神经网络的阴道病理图像分类方法。本发明包括步骤：使用上采样方法，得到类别平衡的阴道病理图像数据集；利用数据增强方法扩增阴道病理图像数据集；利用扩增的阴道病理图像数据集对图像分类卷积神经网络进行训练；利用交叉熵损失函数，结合BP算法对图像分类卷积神经网络进行网络参数更新；通过训练后的最优图像分类卷积神经网络对输入图像进行分类。本发明避免了传统特征提取方法的局限，如：高度依赖于医护人员的经验知识，耗费大量的时间和精力完成，提取出有区分性的高质量特征也往往存在一定的困难，而且准确率低，本发明借助于卷积神经网络，实现阴道病理图像的高精度分类。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
