毛莎莎
- 作品数：65 被引量：39H指数：3
- 供职机构：西安电子科技大学更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划国家教育部博士点基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 基于双门控递归单元解码的喉镜图像识别方法
- 本发明公开了一种基于双门控递归单元解码的喉镜图像识别方法，主要解决现有方法无法用于光学喉镜图像，及生成的医学文本报告准确性差和可读性不足的问题。其实现方案为：获取光学喉镜图像数据集以及相应的医学文本报告，并对医学文本报告...
- 缑水平刘宁涛马兰李国栋毛莎莎童诺姚瑶李阳阳
- 文献传递
- 基于多任务学习边缘校正网络的男性盆腔CT分割方法
- 本发明公开了一种基于多任务学习边缘校正网络的男性盆腔CT分割方法，主要解决现有分割方法分割精度和效率较低的问题。其实现方案为：获取前列腺癌症病人的CT图像和医生手工勾画的器官标签和边缘标签，并划分训练数据集、验证数据集和...
- 缑水平童诺姚瑶陈姝喆焦昶哲杨淑媛毛莎莎
- 一种心冲击图信号的深度回归心率估计方法
- 本发明提出了一种心冲击图信号的深度回归心率估计方法，用于解决现有技术中存在的估计误差较大的技术问题，实现步骤为：采集心冲击图信号和心脏脉冲信号；对心冲击图信号进行滤波；利用心冲击图信号的周期性先验知识获取训练样本集和测试...
- 焦昶哲海栋程家鑫毛莎莎缑水平周海彬谭瑶陈姝喆
- 基于Batchformer的疼痛表情评估方法
- 本发明公开了一种基于Batchformer的疼痛表情评估方法，主要解决现有技术在设计疼痛评估神经网络上过于复杂和训练疼痛评估神经网络的数据集存在数据不平衡的问题。本发明在不改变传统疼痛评估神经网络特征提取器和分类器网络结...
- 毛莎莎何婧洁齐梦男缑水平焦李成
- 基于密度聚类和视觉相似度的英文单词分类方法
- 一种基于密度聚类和视觉相似度的英文单词分类方法，其步骤为：英文单词预处理；计算所选英文单词与每个英文单词的视觉相似度和距离；若邻域集中单词个数大于或等于2，则将所选单词加入空簇后选择未分类英文单词；处理未访问的未分类英文...
- 毛莎莎齐梦男杨谨瑗缑水平焦李成石光辉路凯
- 基于跨模态映射的心冲击图信号心率估计方法
- 本发明提出了一种基于跨模态映射的心冲击图信号心率估计方法，用于解决现有技术中存在的心率估计精度较低的技术问题，实现步骤为：采集心冲击图信号和心脏脉冲信号；对心冲击图信号进行滤波；利用心冲击图信号的周期性先验知识获取训练样...
- 缑水平刘源洁刘宁涛沙毓焦昶哲海栋毛莎莎程家馨
- 文献传递
- 基于多尺度相似指导网络的SAR舰船目标分割方法
- 本发明公开了一种基于多尺度相似指导网络的舰船目标分割方法，主要解决现有技术在小样本条件下对舰船目标分割结果较差的问题。其方案是：将现有的不同地区且包含不同成像方式的SAR图像舰船目标分割数据集构建原始数据集；将原始数据集...
- 缑水平逯皓帆李睿敏李继超毛莎莎任子豪白苑宁牟金明
- 文献传递
- 基于全概率协同分割的极化合成孔径雷达变化检测方法
- 本发明公开了一种基于全概率协同分割的极化合成孔径雷达变化检测方法，主要解决现有技术对噪声不鲁棒，依赖人工标注数据及无法给出发生变化具体类别的问题。其实现步骤为：输入极化相干矩阵T，从中提取极化特征；使用极化特征进行谱聚类...
- 缑水平张沛阳牟金明刘波任海洋毛莎莎焦昶哲李哲
- 利用0-1矩阵分解集成的极化SAR图像分类被引量：8
- 2015年
- 全极化合成孔径雷达(Pol SAR)图像蕴含更丰富的散射信息,具有更多的可用特征。如何使用这些特征是极化SAR图像分类中非常重要的一步,但是目前尚未对此提出非常明确的准则。为了能够有效地解决上述问题,该文提出一种基于特征加权集成的极化SAR图像分类算法。该算法采用0-1矩阵分解集成方法对包括不同特征的数据集进行学习获得相应加权系数,并通过对每个特征集获得的预测结果进行加权集成来提高极化SAR图像分类性能。首先,输入极化SAR数据,获得极化特征作为原始特征集,并对其进行随机抽取获得不同的特征子集;然后,使用0-1矩阵集成算法得到每个特征值相对应的加权系数;最后,通过对各个特征子集的预测结果进行集成得到最终极化SAR图像分类结果。实测L波段和C波段极化数据的实验结果表明,该算法可以有效地提高极化SAR图像分类的准确度。
- 陈博王爽焦李成刘芳毛莎莎张爽
- 关键词：极化合成孔径雷达分类器集成
- 贝叶斯集成框架下的极化SAR图像分类被引量：13
- 2015年
- 对于极化合成孔径雷达(SAR)图像,由于雷达角度和地物形状导致属于同一类的数据可能存在较大的差异性.针对此问题提出了一种基于贝叶斯集成框架的极化SAR图像分类方法.该算法采用贝叶斯集成,通过学习不同个体而获得的分类面来改善极化SAR图像分类性能.首先,输入极化SAR图像,并获得其对应的极化SAR数据及特征.从图像的每一类中任意选择像素点作为图像分类的原始训练样本,并对其进行随机划分获得不同的样本子集.然后,基于获得的样本子集构造对应极化SAR图像的贝叶斯集成框架.最后,通过构造的贝叶斯集成框架对极化SAR图像进行分类.特别在构造贝叶斯集成框架中采用支撑矢量机作为基本的分类器算法.实验结果表明,所提出的算法相比经典的极化SAR分类方法和单个SVM的极化SAR分类方法获得更好的分类性能.
- 陈博王爽焦李成刘芳毛莎莎
- 关键词：极化合成孔径雷达图像分类
