-
题名基于LBP和Mixup数据增强后的肺音识别
被引量：1
- 1
-
-
作者
古依聪
郭涛
李成
刘启明
石帅
-
机构
中北大学电子测试技术国家重点实验室
中国航天科技集团有限公司中国运载火箭技术研究院
-
出处
《计算机与数字工程》
2023年第1期268-272,共5页
-
基金
国家自然科学基金项目(编号:51975541)资助
-
文摘
肺音蕴含着重要的生理病理信息。对肺音进行智能化识别,是推进医疗现代化的一种重要方式。论文针对肺音分类问题,采用梅尔谱图(Mel)、小波变换(WT)、短时傅里叶变换(STFT)、恒Q变换(CQT)四种方法进行特征提取,并且使用构建的卷积神经网络(CNN)和卷积神经网络与随机子空间判别结合法(CNN-RSM)对肺音进行分类。最终Mel谱图在CNN-RSM的测试集中的准确率为76.01%,特异度为89.7%,ICBHI得分为66.38%。经过与使用同一数据库的其他作者综合对比,本文肺音识别方法更具优势。
-
关键词
梅尔谱图
卷积神经网络
随机子空间判别
局部二值模式
Mixup
-
Keywords
meyer spectrum
convolutional neural network
random subspace method
local binary pattern
Mixup
-
分类号
TN912.3
[电子电信—通信与信息系统]
R563.1
[电子电信—信息与通信工程]
-
-
题名基于高光谱的黑色签字笔墨水种类鉴别方法研究
被引量：9
- 2
-
-
作者
王书越
杨玉柱
何伟文
李润康
-
机构
中国人民公安大学侦查学院
-
出处
《分析测试学报》
CAS
CSCD
北大核心
2021年第10期1489-1496,共8页
-
基金
国家重点研发计划(2017YFC0822506-3,2019YFF0303405)。
-
文摘
该文提出了高光谱成像技术结合机器学习快速无损鉴别黑色签字笔墨水种类的新方法。采集36支不同品牌型号的黑色签字笔笔迹的高光谱图像,对每支签字笔笔迹的高光谱图像选取18个感兴趣区域,共提取648个平均光谱作为样本集。对450~950 nm的原始光谱进行Savitzky-Golay平滑、Z-Score标准化和两种组合方法光谱预处理,使用线性判别分析(LDA)和随机子空间-线性判别分析(RSM-LDA)分别构建黑色签字笔墨水种类鉴别模型。实验结果表明:不同预处理方法对RSM-LDA模型的鉴别准确率影响较小,而对于LDA模型,组合预处理具有更优的鉴别准确率;相比LDA模型,RSM-LDA模型分类效果更佳,训练集的平均分类准确率达100%,交叉验证平均分类准确率达99.09%,测试集的平均分类准确率达90.70%,每类样本的准确率、精准率、召回率均高于LDA模型分类结果,模型的接受者操作特征曲线下方面积(AUC值)达0.9983,模型性能良好。因此,采用高光谱成像技术结合RSM-LDA可实现不同品牌型号黑色签字笔墨水的快速无损鉴别。
-
关键词
高光谱成像
黑色签字笔墨水
线性判别分析(LDA)模型
随机子空间-线性判别分析(RSM-LDA)模型
-
Keywords
hyperspectral imaging
black signing-pen ink
linear discriminant analysis(LDA)model
random subspace method-linear discriminant analysis(RSM-LDA)model
-
分类号
O657.3
[理学—分析化学]
O433.4
[理学—化学]
-
