Search | Engineering

订阅投稿

首页工程期刊工程焦点工程成就工程前沿关于我们 English

资源类型

期刊论文 805

会议视频 24

会议信息 18

年份

2024 2

2023 98

2022 91

2021 80

2020 67

2019 83

2018 52

2017 66

2016 36

2015 15

2014 15

2013 21

2012 14

2011 16

2010 9

2009 11

2008 23

2007 20

2006 26

2005 24

展开︾

关键词

机器学习 27

深度学习 15

人工智能 13

能源 8

神经网络 7

2019 3

MATLAB 3

图像处理 3

颠覆性技术 3

2020 2

3D打印 2

ACM 2

DX桩 2

决策规则 2

动力学 2

动态规划 2

化学反应 2

参数估计 2

可再生能源 2

展开︾

检索范围：

排序：展示方式：

基于核稀疏表示的磁共振图像分析及其在脑肿瘤自动分割中的应用 None

Ji-jun TONG, Peng ZHANG, Yu-xiang WENG, Dan-hua ZHU

《信息与电子工程前沿（英文）》 2018年第19卷第4期页码 471-480 doi: 10.1631/FITEE.1620342

摘要：脑肿瘤分割在疾病辅助诊断、治疗方案规划以及手术导航中扮演重要角色。对脑肿瘤精确分割可以帮助临床医生获取肿瘤位置、尺寸和形状信息。提出一种基于核稀疏编码的全自动脑肿瘤分割方法，并在3D多模态磁共振成像图（magnetic resonance imaging, MRI）上验证。首先对MRI图像进行预处理以减少噪声，然后通过核字典学习提取非线性特征，用来构建坏死组织、水肿组织、非增强肿瘤组织、增强肿瘤组织和健康组织5个适应性字典。对从原始MRI图像上肿瘤像素点周边m×m×m的小区域提取的特征向量进行稀疏编码，并通过一种基于字典学习的核聚类方法对像素点进行编码。最后通过形态滤波填充在多个相连部分间的区域，提高分割质量。相较于脑肿瘤分割（BRATS）挑战中其他团队采用的方法，该方法具有竞争力。该方法在健康组织和病理组织区分上具有一定潜力。

关键词：脑肿瘤分割；核方法；稀疏编码；字典学习

HTML PDF 收藏

基于稀疏表示的拉普拉斯稀疏字典图像分类 Article

Fang LI, Jia SHENG, San-yuan ZHANG

《信息与电子工程前沿（英文）》 2017年第18卷第11期页码 1795-1805 doi: 10.1631/FITEE.1600039

摘要：稀疏表示作为数据表示的一种数学模型，是解决模式识别、机器学习、计算机视觉等领域问题的有力工具。字典学习是稀疏表示方法的重要组成部分，在对原始信号及其在字典学习空间中的重建误差的最小化上发挥着重要的作用。在稀疏表示模型中，直接利用训练样本作为字典可以取得良好的性能。为取得更小且表现更好的字典，本文提出一种基于流形学习及双稀疏理论的拉普拉斯稀疏字典学习方法（Laplacian sparse dictionary, LSD）。本文将拉普拉斯权重图加入稀疏表示的模型，并对字典加以范数约束。LSD是一个稀疏的过完备字典，可保持数据的内在结构，并为每个类学习一个更小的字典。学习得到的字典可以嵌入基于稀疏表示的分类框架。结果显示本文提出的LSD算法比当前基于分类的稀疏表示的方法更有优势。

关键词：稀疏表示；拉普拉斯正则子；字典学习；双稀疏；流形

HTML PDF 收藏

结合全变分最小化和稀疏字典学习后处理的低剂量CT重建 Article

Yong DING, Tuo HU

《信息与电子工程前沿（英文）》 2017年第18卷第12期页码 2001-2008 doi: 10.1631/FITEE.1700287

摘要：本文提出一种结合全变分（total variation, TV）最小化和稀疏字典学习的重建方法，不仅提高了重建效果，而且通过自适应的停止策略提高了重建速度。实验结果表明，本文提出的方法相比其他类型的方法能获得更好的图像质量和更高的计算效率。

关键词：低剂量CT；CT成像；全变分；稀疏字典学习

HTML PDF 收藏

一种用于工业过程监测的鲁棒迁移字典学习算法 Article

阳春华, 梁慧平, 黄科科, 李勇刚, 桂卫华

《工程（英文）》 2021年第7卷第9期页码 1262-1273 doi: 10.1016/j.eng.2020.08.028

摘要：

由于数据驱动的过程监测方法具有普遍性，且不依赖反应机理，其已经成为复杂工业系统过程监测的主流。然而，大多数数据驱动的过程监测方法均假设历史训练数据和在线测试数据遵循相同的分布。为了解决操作环境变化导致的历史训练数据和在线测试数据之间的分布差异问题，提出了一种鲁棒的迁移字典学习（RTDL）算法用于工业过程监测。RTDL是表示学习和域自适应迁移学习的协同方法。该方法将历史训练数据和在线测试数据分别作为迁移学习问题的源域和目标域。然后将最大均值差异正则化和线性判别分析正则化引入字典学习框架，可以减少源域和目标域之间的分布差异。这样，即使源域和目标域的特征在实际变化的操作环境的干扰下明显不同，仍可以学习鲁棒的字典。这样的字典可以有效地提高过程监测和模态识别的性能。通过数值仿真和两个工业系统的实验验证了该方法的有效性和优越性。

关键词：过程监测多模态过程字典学习迁移学习

HTML PDF 收藏

融合显著性模型和高斯网模型的视网膜血管分割方法 Research Articles

Lan-yan XUE, Jia-wen LIN, Xin-rong CAO, Shao-hua ZHENG, Lun YU

《信息与电子工程前沿（英文）》 2019年第20卷第8期页码 1075-1086 doi: 10.1631/FITEE.1700404

摘要：视网膜血管分割是眼底图像分析的一个重要问题。本文提出一种融合显著性模型和高斯网（GNET）模型的新型深度学习结构分割视网膜血管。显著性图像替代原始图像作为GNET模型的输入。利用DRIVE数据库对所提方法进行评估。实验结果表明，与UNET模型相比，GNET模型能获得更精确的特征和更精细的细节。本文所提算法能提取准确的血管网络，与其他深度学习方法相比具有更高精确度。视网膜血管分割有助于提取血管变化特征，为脑血管疾病筛查提供依据。

关键词：视网膜血管分割；显著性模型；高斯网模型（GNET）；特征学习

HTML PDF 收藏

结构化稀疏学习综述 Review

Lin-bo QIAO, Bo-feng ZHANG, Jin-shu SU, Xi-cheng LU

《信息与电子工程前沿（英文）》 2017年第18卷第4期页码 445-463 doi: 10.1631/FITEE.1601489

摘要：稀疏学习由于其简约特性和计算优势而获得了越来越多的关注，在具有稀疏性的条件下，许多计算问题可以在实践中得到有效的处理。而结构化稀疏学习则进一步将结构信息进行编码，在多个研究领域取得成功。这些正则函数通过利用特定的结构信息极大提高了稀疏学习算法的性能。在本文中，我们从想法、形式化、算法和应用等方面系统的回顾了结构化稀疏学习。我们将这些算法置于最小化损失函数和惩罚函数的统一框架中，总结了算法的开源软件实现，并比较了典型优化算法解决结构化稀疏学习问题时的计算复杂度。在实验中，我们给出了无监督学习在结构化信号恢复和层次化图像重建中的应用，以及具有图结构引导的逻辑回归的在监督学习中的应用。

关键词：结构化稀疏学习；算法；应用

HTML PDF 收藏

联合局部学习和组稀疏回归的无监督特征选择 Regular Papers

Yue WU, Can WANG, Yue-qing ZHANG, Jia-jun BU

《信息与电子工程前沿（英文）》 2019年第20卷第4期页码 538-553 doi: 10.1631/FITEE.1700804

摘要：通过挑选特征子集，可有效提升学习算法效率。由于难以获取标签信息，无监督特征选择算法相较于有监督特征选择算法应用更为广泛，其关键在于找出更能反映数据分布的特征集合。为解决这一问题，本文提出联合局部学习和组稀疏回归的无监督特征选择算法。将基于局部学习聚类方法与组稀疏回归算法有机整合，选出有效反映数据流形分布同时保持组稀疏结构的特征。

关键词：无监督；局部学习；组稀疏回归；特征选择

HTML PDF 收藏

基于RGBD和稀疏学习的鲁棒目标跟踪 Article

Zi-ang MA, Zhi-yu XIANG

《信息与电子工程前沿（英文）》 2017年第18卷第7期页码 989-1001 doi: 10.1631/FITEE.1601338

摘要：本文提出了一种基于RGBD和稀疏学习的跟踪算法，从三个方面将深度信息应用到稀疏学习跟踪框架。首先将深度图像特征结合现有的基于彩色图像的视觉特征用于目标外观的鲁棒特征描述。为了适应跟踪过程中的各种遮挡情况，我们设计了一种特殊的遮挡物模板用于增广现有的超完备字典。最后，我们进一步提出了一种基于深度信息的遮挡物检测方法用于有效地指示模板更新。基于KITTI和Princeton数据集的大量实验证明了所提出算法的跟踪效果优于时下最先进的多种跟踪器，包括基于稀疏学习的跟踪以及基于RGBD的跟踪。

关键词：目标跟踪；稀疏学习；深度视角；遮挡物模板；深度图像特征

HTML PDF 收藏

基于改进Kullback-Leibler散度稀疏自动编码机的战损评估 Article

Zong-feng QI, Qiao-qiao LIU, Jun WANG, Jian-xun LI

《信息与电子工程前沿（英文）》 2017年第18卷第12期页码 1991-2000 doi: 10.1631/FITEE.1601395

摘要：为解决深度学习网络中隐藏层节点数难以确定的问题，文中提出一种改进的KL（Kullback-Leibler）散度稀疏自动编码机，并将该方法应用到战斗损伤评估中。该方法能够自动筛选出对数据重建贡献大的隐层特征，舍弃贡献小的隐层特征，从而优化网络结构。在网络预测精度不受影响的前提下，该方法自动筛选隐层特征，提升了计算速度。基于UCI（University of California, Irvine）数据集和BDA（battle damage assessment）战争破坏数据的实验表明，该方法优于其他数据驱动的方法。改进的KL稀疏自动编码机回归网络在保证预测精度的前提下，能提升网络的训练和预测速度，并自动筛选隐层有效特征，优化隐层节点数，优化网络结构。

关键词：战场损伤评估；改进的KL散度稀疏自动编码机；结构优化；特征选择

HTML PDF 收藏

基于学习方法的三维医学图像压缩质量控制参数预测 Research Articles

侯宇轩1,任重1,陶煜波1,陈为2

《信息与电子工程前沿（英文）》 2021年第22卷第9期页码 1169-1178 doi: 10.1631/FITEE.2000234

摘要：高效视频编码（HEVC）是目前最先进的压缩工具。其中，量化参数（QP）对HEVC的压缩质量控制起决定性作用，如能对其精确预测，就能完成质量控制的目标；然而，直接将视频压缩领域中的预测方法套用到三维医学数据压缩，精度和效率无法取得令人满意的结果。为此，提出一种基于学习的参数预测方法，用于实现三维医学图像压缩中的高效质量控制。本文方法基于支撑向量回归（SVR），可以直接利用从原始数据中提取的基于视频的特征与基于结构的特征来预测最佳QP，无需经过耗时长的预编码或迭代过程。在若干数据集上的实验结果证明，本文方法比现有方法在预测准确度和速度上表现更好。

关键词：医学图像压缩；高效视频编码（HEVC）；质量控制；基于学习方法

HTML PDF 收藏

基于回归预测集成学习的交互式图像分割 Article

Jin ZHANG, Zhao-hui TANG, Wei-hua GUI, Qing CHEN, Jin-ping LIU

《信息与电子工程前沿（英文）》 2017年第18卷第7期页码 1002-1020 doi: 10.1631/FITEE.1601401

摘要：对于复杂场景下的自然图像，全自动图像分割方法难以获得与真实情况吻合的结果，人们常常采用交互式分割手段实现精确分割。然而，当前及背景中存在颜色相似的区域时，传统半监督图像分割方法只能通过大量增加手工标记获得精确分割结果。为此，本文提出一种结合半监督学习的基于回归预测的集成学习交互式图像分割方法。通过集成两个互补的样条回归函数，将图像分割视为一个非线性预测问题。首先，基于已标记样本训练出两个在属性上互补的多元自适应回归样条学习器（multivariate adaptive regression splines, MARS）和薄板样条回归学习器（thin platespline regression, TPSR）；接着，提出一种基于聚类假设和半监督学习的回归器增强算法，该算法从未标记样本中抽选部分样本辅助训练MARS和TPSR；然后，引入支持向量回归方法（support

关键词：交互式图像分割；多元自适应回归样条；集成学习；薄板样条回归；半监督学习；支持向量回归

HTML PDF 收藏

基于自适应置信度校准的交互式医疗图像分割框架

沈楚云,李文浩,徐琪森,胡斌,金博,蔡海滨,朱凤平,李郁欣,王祥丰

《信息与电子工程前沿（英文）》 2023年第24卷第9期页码 1332-1348 doi: 10.1631/FITEE.2200299

摘要：基于人机交互的医疗图像分割方法是一种新的范式，其通过引入专家交互信息来指导算法完成图像分割任务。然而，现有医疗图像分割模型往往容易产生“交互误解”，即无法合理权衡短期和长期交互信息的重要性。为更好地利用不同时间尺度上的交互信息，本文提出一种基于自适应置信度校准的交互式医疗图像分割框架MECCA，其结合了基于分割决策的置信度学习技术和多智能体强化学习技术，并通过预测分割决策与短期交互信息的对齐水平来学习一个新颖的置信度网络实验结果表明，MECCA在不同分割任务中可以显著提高短期和长期交互信息的利用效率，且仅需较少的标注样本。

关键词：医疗图像分割交互式分割多智能体强化学习置信度学习半监督学习

HTML 收藏

一种分形图像编码的新方法

王秀妮,姜威,王利村

《中国工程科学》 2006年第8卷第1期页码 54-57

摘要：

由于分形图像编码过程非常费时，因此在前人的基础上，通过分析影响分形图像编码速度的相关因素，提出了使用图像块的改进方差来提高分形压缩性能的思想。在证明迭代函数系统不会改变图像块的改进方差的基础上，给出了基于改进方差的分形图像压缩方法。实验结果说明该方法在保证快速性的同时，重建图像的质量又得到了进一步的提高。

关键词：分形编码图像压缩方差

HTML PDF 收藏

半监督堆叠距离自动编码器的表征学习在图像分类上的应用 Research Articles

侯亮,罗潇逸,汪子扬,梁军

《信息与电子工程前沿（英文）》 2020年第21卷第7期页码 963-1118 doi: 10.1631/FITEE.1900116

摘要：图像分类是深度学习的重要应用。在典型分类任务中，分类精度与通过深度学习方法提取的特征密切相关。自动编码器是一种特殊神经网络，常用于降维和特征提取。本文所提方法基于传统的自动编码器，将不同类别样本之间的“距离”信息纳入其中。该模型被称为半监督距离自动编码器。首先以无监督方式对每一层进行预训练。在随后的监督训练中，将优化的参数设置为初始值。为获得更好性能，使用堆叠式模型代替具有单一隐含层的传统自动编码器结构。将所提半监督距离自动编码器方法分别与传统自动编码器、稀疏自动编码器和监督自动编码器比较，实验结果证明该模型有效。

关键词：自动编码器；图像分类；半监督学习；神经网络