公共文化服务平台

搜索到2050篇“ 高斯核函数“的相关文章

一种基于高斯核函数的长文本检索方法及系统: 本发明涉及一种基于高斯核函数的长文本检索方法及系统，属于信息检索技术领域。本方法利用预训练语言模型的语义建模能力计算长文本各段落与用户检索内容的语义相似度，作为用户点击相关性的伪标签，有效缓解了缺乏段落级别标注数据的问题...; 史树敏朱乐黄河燕

一种基于高斯核函数泰勒展开的微生物丰度数据嵌入方法: 本发明公开一种基于高斯核函数泰勒展开的微生物丰度数据嵌入方法，所述方法具体步骤包括：S1.收集样本信息，对样本进行DNA提取；S2.对提取的DNA样品进行测序；S3.分析出样本的丰度表；S4.通过高斯核函数泰勒展开微生物...; 向沙沙方智毅苏晓明王鑫洋沈宇标朱炫陈杰

基于高斯核函数的差分隐私模糊C均值聚类算法的构建与应用被引量：1: 2024年; 目的:提出一种基于高斯核函数的差分隐私模糊C均值聚类算法(DPFCM_GF),旨在优化大数据背景下医疗数据分析和挖掘带来的数据隐私安全问题,为数据隐私保护提供理论基础。方法:针对随机初始化模糊C-均值隶属度矩阵降低算法精度问题,采用最大距离法确定初始中心点,使用聚类中心点的高斯值计算隐私预算分配比率,并添加拉普拉斯噪声以完成差分隐私保护,构建DPFCM_GF。收集整理美国加州大学欧文分校机器学习存储库的心脏病、乳腺癌、甲状腺疾病及糖尿病公开数据集对DPFCM_GF有效性进行验证,收集2019年1月1日至2022年12月31日淮安市第二人民医院收治的756例胃癌和肺癌患者病例数据集,对DPFCM_GF的可用性进行验证,并将分析结果与模糊C均值聚类算法(FCM)以及差分隐私模糊C均值聚类算法(DPFCM)进行对比分析。结果:对于心脏病、乳腺癌、甲状腺疾病及糖尿病公开数据集,DPFCM_GF和DPFCM的最优聚类效果与FCM聚类效果相当;相较于DPFCM,DPFCM_GF迭代时间更快,聚集速度显著,差异有统计学意义(t=4.01、4.71、4.01、12.38,P<0.05)。对于肺癌和胃癌数据集,随着隐私预算ε的增大,DPFCM_GF正确识别率逐渐聚集于91.9%和93.9%,受试者工作特征(ROC)曲线下面积(AUC)值分别为0.79和0.81;当隐私函数ε为0.1、0.5、1和2(ε<3)时,DPFCM_GF聚类效果显著优于DPFCM,且聚类效果更佳,差异有统计学意义(χ^(2)=12.25、87.12、68.58、7.76,P<0.05;χ^(2)=4.74、43.51、42.47、4.89,P<0.05)。结论:DPFCM_GF是一种有效保护医疗数据隐私的方法,同时也可进行数据分析和挖掘任务,具有一定的研究意义和研究前景。; 曹自雄陈宇鲜蒋秀梅; 关键词：数据隐私模糊C均值聚类算法高斯核函数数据挖掘

基于高斯核函数的差分隐私技术联合聚类算法在医疗数据安全中的应用: 2024年; 目的针对数据隐私泄露的风险,提出一种基于高斯核函数的差分隐私技术联合聚类算法。通过对医疗数据的处理和保护,旨在提供一种保证医疗数据隐私安全的解决方案。方法通过介绍医疗数据在机器学习过程中隐私暴露的问题以及差分隐私技术原理、差分隐私模糊C均值聚类算法(Differential Privacy Fuzzy C-means Algorithm,DPFCM)和基于高斯核函数的差分隐私模糊C均值聚类算法(Differential Privacy Fuzzy C-means Algorithm Based on Gaussian Kernel Function,DPFCM_GF)的构建过程,采用最大距离法确定初始中心点,使用聚类中心点的高斯值来计算隐私预算分配比率,使用拉普拉斯噪声完成差分隐私保护。通过收集整理心脏病、乳腺癌、甲状腺疾病、糖尿病的公开数据对各算法进行验证。结果DPFCM_GF和DPFCM对不同数据集的聚类效果随隐私预算的增加逐渐改善。DPFCM_GF限值隐私预算分别为1.31、0.85、0.66、1.75,相对DPFCM减少了41.78%、50.29%、53.52%、38.38%,具有较快的收敛迭代速度,增幅差异具有统计学意义(P<0.05)。结论在医疗数据分析中,DPFCM_GF在一定程度上能够保护医疗数据的隐私,同时可提供具有较高准确性的聚类结果,具有潜在的应用前景和市场价值。; 曹自雄陈宇鲜蒋秀梅; 关键词：高斯核函数聚类算法模糊C均值聚类算法

一种基于随机紧凑高斯核函数的粮食作物病害预测方法: 本发明涉及一种粮食作物病害预测方法，尤其是一种基于支持向量机的随机紧凑高斯核的粮食作物病害预测方法，属于机器学习在粮食的预测技术领域。本发明在传统单尺度高斯核函数的支持向量机的基础上，扩展了高斯核函数的参数，提出的多尺度...; 丁晓剑程伟刘健杨帆曹杰

基于高斯核函数热点图与融合信息距离的三维目标检测算法研究: 随着自动驾驶的兴起，三维物体目标检测与自动驾驶技术引起了学术界和工业界极大的关注。基于点云数据的三维物体目标检测算法是目前主流的三维物体目标检测算法，然而，由于点云数据的稀疏性，局限性和复杂性，虽然目前有大多数优秀的算法...; 曾子恒; 关键词：目标检测

一种基于高斯核函数的长文本检索方法及系统: 本发明涉及一种基于高斯核函数的长文本检索方法及系统，属于信息检索技术领域。本方法利用预训练语言模型的语义建模能力计算长文本各段落与用户检索内容的语义相似度，作为用户点击相关性的伪标签，有效缓解了缺乏段落级别标注数据的问题...; 史树敏朱乐黄河燕

基于变形高斯核函数的自适应强光人脸图像纹理恢复方法: 本发明公开了一种基于变形高斯核函数的自适应强光人脸图像纹理恢复方法，概括为：1、首先提取图像中的人脸区域；2、利用自适应二值化技术将人脸图像分割为强光区与次强光区；3、针对图像中的强光区、次强光区、图像边界、强光区与次强...; 易积政阳洁琼司马懿周孟娜

基于高斯核函数的Hammerstein非线性系统辨识被引量：5: 2022年; 提出了一种基于高斯核函数的Hammerstein非线性系统参数辨识方法。Hammerstein非线性系统由一个静态非线性模块和一个动态线性模块串联组成,利用高斯核函数神经网络和传递函数模型分别建立Hammerstein系统的静态非线性模块和动态线性模块。首先,基于可分离信号的输入输出数据,采用相关性分析方法估计动态线性模块的参数,有效抑制噪声的干扰。其次,针对Hammerstein非线性系统的不可测噪声项,利用残差的估计值代替不可测变量,推导了递推增广最小二乘辨识方法,根据随机信号的输入输出数据辨识静态非线性模块和噪声模型的参数。仿真结果表明,针对有色噪声干扰的Hammerstein非线性系统,所提方法具有较好的辨识精度和鲁棒性。; 郑天李峰罗印升刘冉冉顾亚; 关键词：HAMMERSTEIN系统非线性系统辨识

基于参数预估计的改进径向高斯核函数时频分析方法: 对于非平稳信号,时频分析是一种有力的分析和处理工具。针对传统的径向高斯核函数时频分析方法处理大量观测数据时运算量过大的问题,提出了一种基于参数预估计的改进径向高斯核函数时频分析方法。该方法首先获取待处理脉冲信号,并预估信...; 姚帅王宸匡青云; 关键词：时频分析调频信号

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈