公共文化服务平台

黄栋: 作品数：15 被引量：19H指数：3; 供职机构：华南农业大学更多>>; 发文基金：国家自然科学基金广东省自然科学基金中央高校基本科研业务费专项资金更多>>; 相关领域：自动化与计算机技术文化科学农业科学医药卫生更多>>

合作作者

基于决策加权的聚类集成算法被引量：4: 2016年; 聚类集成的目标是融合多个聚类成员的信息以得到一个更优、更鲁棒的聚类结果。针对聚类成员可靠度估计与加权问题,提出了一个基于二部图模型与决策加权机制的聚类集成方法。在该方法中,每个聚类成员被视作一个包含若干连接决策的集合。每个聚类成员的决策集合享有一个单位的可信度,该可信度由集合内的各个决策共同分享。基于可信度分享的思想,进一步对各个聚类成员内的决策进行加权,并将此决策加权机制整合至一个统一的二部图模型;然后利用快速二部图分割算法将该图划分为若干子集,以得到最终聚类结果。实验结果表明,该方法相较于其他对比方法在聚类效果及运算效率上均表现出显著优势。; 黄栋王昌栋赖剑煌梁云边山陈羽; 关键词：聚类聚类集成图分割

一种基于多尺度结构学习的深度医学图像聚类方法: 本发明公开了一种基于多尺度结构学习的深度医学图像聚类方法，通过将图像数据自身的表征学习和图像之间的全局多尺度结构学习结合起来，以卷积神经网络、自编码器、图卷积网络共同构建可进行多尺度结构学习的深度医学图像聚类方法，从而提...; 黄栋徐元琨凌华保朱博文陈定华方思国张颢译

一种基于深度学习和时空信息的降水数据订正方法: 本申请公开了一种基于深度学习和时空信息的降水数据订正方法，属于数据处理技术领域，该方法包括:获取第一格点和第一地形，第一格点表示为一个区域内的气象数据，第一地形表示为第一格点的地形数据；获取某一时间段内所述区域的邻域的多...; 黄栋吴雪峰钟颍邓小智刘津铭

一种基于多尺度结构学习的深度医学图像聚类方法: 本发明公开了一种基于多尺度结构学习的深度医学图像聚类方法，通过将图像数据自身的表征学习和图像之间的全局多尺度结构学习结合起来，以卷积神经网络、自编码器、图卷积网络共同构建可进行多尺度结构学习的深度医学图像聚类方法，从而提...; 黄栋徐元琨凌华保朱博文陈定华方思国张颢译

基于混合阶相似性的多视图聚类:一个广义的视角: 2024年; 多视图聚类已经被广泛研究,它能够采用可用的多源信息来实现更好的聚类性能.然而,大多数之前的工作仍存在两个不足:(1)它们通常关注多视图属性特征的场景,很少留意到多视图属性图数据;(2)它们主要尝试发现一致的结构或多个视图之间的关系,而忽略了多视图观测之间潜在的高阶相关性。为了解决这些问题,我们从广义角度出发,提出了一种新颖的方法,称为混合阶相似性的多视图聚类(Multiview Clustering by Hybridorder Affinity,MCHA).它将结构图和多视图属性特征巧妙融合,同时考虑了低秩概率相似性图和混合阶的相关性.具体而言,我们通过图过滤策略构建了一组保留几何结构的视图特定的平滑表示.同时,我们将从平滑表示中学习得到的多视图概率相似性图堆叠成一个张量,并对该张量给予低秩属性的约束.这可以很好地恢复视图间更高阶的相关性.在八个基准数据集上的实验表明,我们所提出的MCHA方法具有最先进的有效性.; 陈曼笙任骊安王昌栋黄栋黄栋

基于视图互信息加权的多视图集成聚类算法: 2023年; 现有的多视图聚类算法往往缺乏对各视图可靠度的评估和对视图进行加权的能力,而一些具备视图加权的多视图聚类算法则通常依赖于特定目标函数的迭代优化,其目标函数的适用性及部分敏感超参数调优的合理性均对实际应用有显著影响。针对这些问题,提出一种基于视图互信息加权的多视图集成聚类(MEC-VMIW)算法,主要过程可分为两个阶段,即视图互加权阶段与多视图集成聚类阶段。在视图互信息加权阶段,对数据集进行多次随机降采样,以降低评估加权过程的问题规模,进而构建多视图降采样聚类集合,根据不同视图的聚类结果之间的多轮互评得到视图可靠度评估,并据此对视图进行加权;在多视图集成聚类阶段,对各个视图数据构建基聚类集合,并将多个基聚类集合加权建模至二部图结构,利用高效二部图分割算法得到最终多视图聚类结果。在若干个多视图数据集上的实验结果验证了所提出的多视图集成聚类算法的鲁棒聚类性能。; 劳景欢黄栋王昌栋赖剑煌; 关键词：数据聚类互信息二部图

张量学习诱导的多视图谱聚类被引量：1: 2024年; 现有的方法将通过张量奇异值分解(t-SVD)正则化的低秩表示应用到多视图子空间聚类中,取得了令人印象深刻的聚类性能.然而,它们都具有以下两个共同的缺点:(1)他们专注于探索样本之间的关系以构建表征,然后将其堆叠为张量,其计算复杂度至少为O(n2logn);(2)他们总是直接在整合的表征上运行标准的谱聚类算法,而忽略了不同表征对最终聚类结果的先验知识.为了解决这些问题,本文提出了一种新颖的张量学习诱导的多视图谱聚类(TLIMSC)方法,其中同时探索了空间聚类结构和互补信息.具体来说,该方法将关联样本和簇关系的多视图谱嵌入表示堆叠成张量,计算复杂度最终变为O(n logn).然后,将学习到的带有不同自适应置信度的表征与最终的一致聚类结果联系起来.在五个数据集上的广泛实验证明了TLIMSC所具有的有效性和高效性.; 陈曼笙蔡晓莎林家祺王昌栋黄栋黄栋

一种基于眼震识别的耳石症诊断模型的构建方法及系统: 本发明提供一种基于眼震识别的耳石症诊断模型的构建方法及系统。所述基于眼震识别的耳石症诊断模型的构建方法及系统包括以下步骤：T1：获取人群的多组双眼眼震视频和人口学信息，所述人群包括非健康人群和健康人群，所述非健康人群包括...; 蔡跃新黄栋区永康

基于集成学习的改进深度嵌入聚类算法被引量：3: 2021年; 近年来深度学习的迅速发展为聚类研究提供了一个有力的工具,并衍生出了许多基于深度神经网络的聚类方法。在这些方法中,深度嵌入聚类(DEC)因其可对深度表示学习和聚类分配同时进行优化的优势而日益受到关注。但是,深度嵌入聚类的一个局限性在于其超参数λ的敏感性,而往往需要诉诸人工调节来解决。对此,提出一种基于集成学习的改进深度嵌入聚类(IDECEL)方法。相较于寻求单个最优超参数的常规做法,提出以多样化超参数λ构建一组具有差异性的基聚类,并结合熵理论对基聚类集合的簇不确定性进行评估与加权,进而在簇与样本之间构建一个局部加权二部图模型,再将之高效划分以得到一个更优聚类结果。在多个数据集上的实验结果表明,提出的IDECEL方法不仅可缓解常规DEC算法超参数敏感性的问题,同时也表现出比其他多个深度聚类和集成聚类方法更为鲁棒的聚类性能。; 黄宇翔黄栋王昌栋王昌栋; 关键词：数据聚类

基于眼动轨迹分析的BPPV诊断算法研究: 2023年; 近年来,以机器学习模型辅助临床诊断已成为智慧医疗领域的一大研究热点。在良性阵发性位置性眩晕(Benign Paroxysmal Positional Vertigo,BPPV)的临床诊断上,眼动视频的解释往往是由医生观测得出的,但直接观测诊断的局限性在于难以捕捉细微的眼动特性而容易导致误诊。对此,论文提出了一种基于时序轨迹的BPPV诊断模型,将基于深度学习的目标检测器和基于时序数据分析的分类器相结合以实现BPPV诊断。具体地,该模型对眼动视频进行眼球目标检测,以提取眼球运动的时序轨迹,并结合数据增强对训练样本进行扩充,以准确分类并得到更好的诊断结果。实验结果表明,论文提出的模型可有效提取眼动时序轨迹,并在BPPV诊断上取得良好性能。; 刘津铭蔡跃新曾俊波唐小武区永康叶伟杰叶鸿生熊彬彬黄栋; 关键词：目标检测时序数据良性阵发性位置性眩晕

黄栋

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

黄栋

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈