首页期刊导航|长春工业大学学报
期刊信息/Journal information
长春工业大学学报
长春工业大学学报

张德江

双月刊

1674-1374

xb@mail.ccut.edu.cn

0431-85716257

130012

长春市延安大街2055号

长春工业大学学报/Journal Journal of Changchun University of Technology(Natural Science Edition)
查看更多>>长春工业大学是吉林省属重点工科大学,是一所多学科性的工科高等院校,2002年3月由原吉林工学院更名为长春工业大学。设有机械工程及自动化、工业设计、金属材料工程、材料成型及控制工程、自动化、电气工程及其自动化、测控技术与仪器、计算机科学与技术、电子信息工程、工商管理、信息管理与信息系统、国际经济与贸易、电子商务、市场营销、会计学、化学工程与工艺、高分子材料与工程、制药工程、纺织工程、食品科学与工程、服装设计与工程、生物技术、艺术设计、信息与计算科学、法学、社会工作、公共事业管理、广告学、英语、日语、教育技术学、土木工程、交通运输、机电一体化、计算机及应用、证券投资与管理、会计电算化、外贸英语(经贸英语)、公共关系等专业。本刊主要刊登上述相关专业及基础学科在理论研究、应用技术研究方面的学术论文和科技成果,以及实验新技术、新方法,国内外先进科学技术的文献综述和评论文稿。
正式出版
收录年代

    基于改进DenseNet的膝骨关节炎分类算法

    徐睿刘爽宋宇王昕...
    370-376页
    查看更多>>摘要:针对膝骨关节炎分类准确率低的问题,提出一种改进的 DenseNet算法.在Dense201模型的基础上,加入浅层卷积块,将浅层特征与深层特征拼接,丰富分类层判别信息.利用水平翻转、图像旋转等数据增强方法扩增数据集,使用迁移学习对模型进行训练,减少过拟合.对比实验结果表明,改进后的DenseNet模型分类准确率达到91.0%,与原始DenseNet201网络相比提高了分类准确性.

    膝骨关节炎磁共振图像DenseNet卷积神经网络

    极端梯度提升改进的森林优化特征选择算法

    王丽王涛
    377-384页
    查看更多>>摘要:针对传统的森林优化特征选择算法(FSFOA)处理分类任务时,存在初始化盲目和忽视降维率的问题,利用集成学习算法能够高效地对特征进行评价,提出一种用集成学习启发的,并带有重要性度量的初始化策略的改进方式,结合提出的后向删除最优子集选择策略得到一个新的特征选择算法,极端梯度提升改进的森林优化特征选择算法(FSFOAX).通过在来自7个不同维度的 UCI数据库的数据集上做对比实验,可以发现FSFOAX的性能优于FSFOA,即便是对比近年来性能优异的包裹式特征选择算法,FSFOAX在重要的分类准确率这一指标上也十分具有竞争力,说明FSFOAX在改进FSFOA的同时,更好地适用于特征选择任务.

    特征选择集成学习演化计算分类

    人物介绍

    封3页