首页期刊导航|智能科学与技术学报
期刊信息/Journal information
智能科学与技术学报
智能科学与技术学报
智能科学与技术学报/Journal Chinese Journal of Intelligent Science and TechnologyCSCDCSTPCD
正式出版
收录年代

    基于多变量逻辑回归的帕金森病认知障碍预测模型

    巴梦茹尹晓红李少远
    232-243页
    查看更多>>摘要：帕金森病(Parkinson's disease，PD)患者常伴随认知障碍，严重影响生活质量，因此对帕金森病认知障碍进行超前预测对于临床诊断和干预至关重要。然而，帕金森病受多变量因素(如年龄、性别、病程时间等)的耦合影响，使得认知障碍的超前预测面临严峻挑战。针对帕金森病认知障碍的多变量耦合特性，采用多变量逻辑回归方法，构建了一种新型列线图模型，旨在超前预测帕金森病患者发生认知障碍(cognitive impair-ment，CI)的风险。首先，应用最小绝对收缩选择算子(least absolute shrinkage and selection operator，LASSO)算法对可能影响患者认知能力的风险因素进行了分析，筛选出相关性高的临床变量。其次，采用多变量逻辑回归方法分析各变量之间的相关性，构建可视化的新型列线图模型，实现对帕金森病认知障碍的风险超前预测。最后，模型性能评估结果表明新型认知障碍预测模型具有良好的准确性、一致性和临床实用性，可显著地提高临床医生的诊断效率。此外，该模型还实现了对同一预测因子不同值的患者数量及分布的可视化对比和分析，能够辅助临床医生根据每位患者的个人风险制定个性化的医疗管理和咨询方案，有助于更早地展开对患者的干预和治疗，具备一定的临床诊断价值。

    帕金森病认知障碍多变量逻辑回归列线图

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    融入混合注意力的低缩放因子Seam Carving篡改检测算法

    赵洁常皓婵武斌
    244-252页
    查看更多>>摘要：针对现有的Seam Carving篡改检测算法对于低缩放因子情况存在检测精度不高、鲁棒性不强的问题，提出一种融入混合注意力机制的Seam Carving篡改检测算法。首先，利用BayarConv2D约束卷积对图像进行预处理，充分学习图像的噪声特征，并通过矩阵乘法与RGB图像进行特征融合;然后，采用ResNet作为骨干网络进行特征学习，引入残差传播和残差反馈机制，凸显Seam Carving的操作痕迹;最后，利用混合注意力机制同时提取相邻位置和通道之间的特征，更好地捕捉全局特征，进而将其输入全连接层进行分类。实验结果表明，在BOSSbase1。01数据集上，当缩放因子为1%和9%时，检测精度分别达到了89。48%和97。94%，优于现有主流方法，同时具有较低的计算复杂度和较好的鲁棒性，能够抵抗JPEG压缩攻击。

    混合注意力机制图像取证SeamCarving检测低缩放因子

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    二氧化氮浓度时空预测:一种区间二型直觉模糊神经网络方法

    赵亮李梦威郑玉卿崔贝贝...
    253-261页
    查看更多>>摘要：空气中二氧化氮浓度的高低对环境保护和公共健康具有重要影响。目前二氧化氮浓度预测方法在表征时空关联性方面存在不足。鉴于此，提出了新的使用区间二型直觉模糊神经网络时空预测二氧化氮浓度的方法。首先，阐述了该区间二型直觉模糊神经网络框架，引入可变系数加权其隶属部分和非隶属部分的输出，并采用随机向量泛函链接神经网络作为规则后件;然后，为确定网络结构和参数，采用分层聚类算法得到模糊规则库，并通过最小二乘法优化网络后件的输出权值;最后，使用2018年1月至3月采集的北京市二氧化氮浓度真实数据进行数值验证。实验结果表明，与现有方法相比，该方法在短期和长期时空预测方面均取得了较高的预测精度和效率。

    二氧化氮浓度时空预测区间二型直觉模糊神经网络结构辨识参数优化最小二乘法

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    UAVAI-YOLO:无人机航拍图像的小目标检测模型

    何植仟曹立杰
    262-271页
    查看更多>>摘要：针对无人机航拍图像目标检测效果差的问题，提出改进的UAVAI-YOLO模型。首先，为使模型获得更加丰富的语义信息，使用改进可变形卷积网络(deformable convolutional networks，DCN)替换原骨干(back-bone)网络部分通道到像素(channel-to-pixel，C2f)模块原始卷积。其次，为增加P2特征层而不增加模型参数量，提出Conv_C模块将骨干网络输出通道降维，同时避免通道降维导致的语义信息丢失，使用改进ODConv卷积替换颈部(neck)部分C2f模块原始卷积。然后，为充分利用上下文语义信息，引入双向特征金字塔网络(bi-directional feature pyramid network，BIFPN)。最后使用Wise-IoU替换原始损失函数，提高模型目标检测框的准确性。在公开的VisDrone2019数据集和UAVDT数据集的实验结果表明，UAVAI-YOLO模型相比于原YOLOv8n模型mAP@0。5分别提升了4。4%和1。1%。与其他主流目标检测模型相比具有较高的检测性精度。

    无人机航拍图像小目标检测YOLOv8可变形卷积网络注意力机制

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于自适应平滑度策略的三维模型分类神经架构搜索

    周鹏杨军
    272-280页
    查看更多>>摘要：针对人工设计三维模型分类网络架构过度依赖专家经验且泛化能力较差的问题，提出了一种自适应平滑度策略的神经架构搜索方法。首先，使用改进候选操作选择策略和连续松弛化方法将离散的搜索空间连续化，并利用权重共享机制提高搜索效率。其次，在损失函数中添加自适应平滑度策略的正则化，由温度参数控制损失函数的平滑程度。最后，使用指数归一化方法计算损失函数，以避免损失值溢出。在三维点云数据集和蛋白质间相互作用数据集上的实验结果表明，在相同的训练样本和迭代次数下，自适应平滑度策略的神经架构搜索方法的分类准确率更高，性能更稳定。

    正则化神经架构搜索搜索空间点云分类

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据