期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于性别差异的化生型慢性萎缩性胃炎患者色诊特征研究
1
作者 陈佳萍 杜正光 +4 位作者 关贝 吉星宇 陈龙畅 王永吉 马赟 《世界科学技术-中医药现代化》 CSCD 北大核心 2024年第1期129-136,共8页
目的基于性别差异,分别探讨男性与女性化生型慢性萎缩性胃炎(Chronic atrophic gastritis,CAG)患者颜面色诊特征,从中医发病学角度出发探究不同性别患者的病变机理,为中医药防治化生型CAG提供个性化参考。方法本研究应用MT-BX-01四诊仪... 目的基于性别差异,分别探讨男性与女性化生型慢性萎缩性胃炎(Chronic atrophic gastritis,CAG)患者颜面色诊特征,从中医发病学角度出发探究不同性别患者的病变机理,为中医药防治化生型CAG提供个性化参考。方法本研究应用MT-BX-01四诊仪采集慢性非萎缩性胃炎(Chronic non atrophic gastritis,CNG)与CAG患者的面色信息,采用病例对照研究方法,分别从男性与女性化生型CAG患者及CNG患者的面色色度学特征进行分析。结果在女性患者中,CAG伴轻度和中、重度肠化(Intestinal metaplasia,IM)组面部肝区位点L值、a值均显著低于CNG组(P<0.05)。在男性患者中,CAG伴中、重度IM组脾区位点b值显著高于CNG组(P<0.05)。结论化生型CAG患者的面色特征存在一定的性别差异,化生型CAG女性患者面部色度值在肝区变化最显著,男性患者则主要表现于脾区。提示女性化生型CAG发病多与肝相关,男性发病则多与脾相关,为临床针对不同性别化生型CAG患者进行中医临床诊疗与防治提供了个性化思路。 展开更多
关键词 慢性萎缩性胃炎 肠上皮化生 色诊 客观化 色度值
下载PDF
代码审查自动化研究综述
2
作者 花子涵 杨立 +1 位作者 陆俊逸 左春 《软件学报》 EI CSCD 北大核心 2024年第7期3265-3290,共26页
随着现代软件规模的不断扩大,协作开发成为软件开发的主流趋势,代码审查成为现代化软件开发的重要工作流程.但由于人工代码评审往往耗费审查者较大精力,且存在审查者不匹配或审查者水平有限等问题,人工代码评审的质量和效率难以保证,且... 随着现代软件规模的不断扩大,协作开发成为软件开发的主流趋势,代码审查成为现代化软件开发的重要工作流程.但由于人工代码评审往往耗费审查者较大精力,且存在审查者不匹配或审查者水平有限等问题,人工代码评审的质量和效率难以保证,且审查后的代码修复也十分费时费力.因此,亟需研究人员为代码审查流程进行改进,提供自动化思路.对代码审查自动化相关研究进行系统梳理和总结,并重点介绍4种主要方向:审查者推荐、代码变更质量评估、审查意见生成和代码自动修复.整理了相关方向的148篇研究,对每个方向的研究进行技术分类与分析.随后,整理了各方向研究任务的评估方法,并整理出常用的数据集与开源工具.最后,对代码审查自动化领域面临的问题进行梳理,并对未来研究进行展望. 展开更多
关键词 代码审查自动化 审查者推荐 代码变更质量评估 审查意见生成 代码自动修复
下载PDF
基于密度峰值的海量云数据模糊聚类算法设计
3
作者 张西广 张龙飞 +1 位作者 马钰锡 樊银亭 《吉林大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第5期1401-1406,共6页
为准确聚类海量云数据,提出一种基于密度峰值的海量云数据模糊聚类算法。将含有噪声的云数据采用BP神经网络分离,将输出的噪声利用奇异值分解重构,获取联合算法输出的噪声,将带有噪声的云数据和输出噪声相减,得到去噪后的云数据。将密... 为准确聚类海量云数据,提出一种基于密度峰值的海量云数据模糊聚类算法。将含有噪声的云数据采用BP神经网络分离,将输出的噪声利用奇异值分解重构,获取联合算法输出的噪声,将带有噪声的云数据和输出噪声相减,得到去噪后的云数据。将密度峰值和优化后的模糊聚类算法相结合,自适应形成初始聚类中心,确定聚类数量,最终实现海量云数据模糊聚类。实验结果表明:本文算法获取的聚类效果和聚类效率明显优于其他算法。 展开更多
关键词 密度峰值 海量云数据 模糊聚类 蝙蝠算法 神经网络 奇异值
原文传递
面向纵向联邦学习的对抗样本生成算法
4
作者 陈晓霖 昝道广 +2 位作者 吴炳潮 关贝 王永吉 《通信学报》 EI CSCD 北大核心 2023年第8期1-13,共13页
为了适应纵向联邦学习应用中高通信成本、快速模型迭代和数据分散式存储的场景特点,提出了一种通用的纵向联邦学习对抗样本生成算法VFL-GASG。具体而言,构建了一种适用于纵向联邦学习架构的对抗样本生成框架来实现白盒对抗攻击,并在该... 为了适应纵向联邦学习应用中高通信成本、快速模型迭代和数据分散式存储的场景特点,提出了一种通用的纵向联邦学习对抗样本生成算法VFL-GASG。具体而言,构建了一种适用于纵向联邦学习架构的对抗样本生成框架来实现白盒对抗攻击,并在该架构下扩展实现了L-BFGS、FGSM、C&W等不同策略的集中式机器学习对抗样本生成算法。借鉴深度卷积生成对抗网络的反卷积层设计,设计了一种对抗样本生成算法VFL-GASG以解决推理阶段对抗性扰动生成的通用性问题,该算法以本地特征的隐层向量作为先验知识训练生成模型,经由反卷积网络层产生精细的对抗性扰动,并通过判别器和扰动项控制扰动幅度。实验表明,相较于基线算法,所提算法在保持高攻击成功率的同时,在生成效率、鲁棒性和泛化能力上均达到较高水平,并通过实验验证了不同实验设置对对抗攻击效果的影响。 展开更多
关键词 机器学习 纵向联邦学习 对抗样本 对抗攻击 深度卷积生成对抗网络
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部