检索历史 清除

【中文期刊】 尚耐丽 王骁力  等 《计算机应用与软件》 2015年32卷11期 162-166,179页

【摘要】 半监督学习是人工智能研究领域中的重要课题,结合有监督学习和无监督学习的优点来提高学习器的性能.针对有监督分类和无监督分类不能充分利用已标记样本和未标记样本的问题,介绍了半监督分类方法及其基本思想、研究现状、应用领域与常用算法,分析了当前半监...

【关键词】 半监督分类； 生成模型； 自训练；

【中文期刊】 黄宜真 张世劼  等 《金华职业技术学院学报》 2004年4卷3期 14-18,9页

【摘要】 样本数据分类是医学研究中常见的工具.本文提出了一种新的数据分类思想和方法.在分析分类过程及其主要矛盾的基础上,提出了极大λ-截子图的概念.作为示范,建立了三个基于最小生成树的图论模型,并分析了其在研究营养与疾病的关系以及基因分类中的应用.最...

【关键词】 图论； 最小生成树； 分类；

【中文期刊】 赵丹宁 卢海霞  等 《中草药》 2024年55卷18期 6298-6304页 ISTICPKUCSCDCA

【摘要】 目的 实现海量中药方剂的功效自动化分类,辅助建设更加健全完备的中药方剂信息化编码体系.方法 以中药方剂为样本,以组成方剂的中药材和中药饮片为特征,利用方剂主成分相似性对样本间关系进行表征,设计一种图卷积神经网络模型,并基于国家标准《中药方剂...

【关键词】 中药方剂； 自动分类； 功效预测；

【中文期刊】 邵益梓 黄柏恺  等 《生物医学工程研究》 2024年43卷3期 190-199页 ISTIC

【摘要】 针对手工睡眠分期过程繁琐,自动睡眠分期模型存在精度不足或难以解释分类结果的问题,本研究提出了一种基于混合智能的自动睡眠分期模型,结合数据智能和知识智能以实现睡眠分期精度、可解释性和泛化性的平衡.首先,基于典型脑电(electroenceph...

【关键词】 睡眠分期； 混合智能； 多任务学习；

【中文期刊】 张玮 林子琦  等 《口腔医学》 2017年37卷6期 520-523页 ISTICCA

【摘要】 目的 采用树图分析法对南京大学青年人的上颌中切牙临床牙冠形态进行分类,为前牙美学修复提供参考.方法 获得南京大学114例青年自愿者上颌中切牙临床牙冠的图像数据,使用Digimizer软件测量每个样本的牙冠长度(CL)、龈缘角度(GA)、邻接...

【关键词】 上颌中切牙； 分类； 牙周生物型；

【中文期刊】 高雷 朱平  《生物信息学》 2009年7卷4期 248-251页 ISTIC

【摘要】 利用代数学中同态思想和物理中的"粗粒化"思想,以及HP模型,根据a,t,c,g的化学结构分类,提出了DNA序列的特征序列概念(σ-,τ-, σ∩τ-)并推广到蛋白质序列中, 从而给出一种数值刻划, 将蛋白质序列简化成一个(0,1)序列~([...

【关键词】 Rh血型系统； 特征序列； RHD基因；

【中文期刊】 WU Caiyu SABOR Nabil  等 《上海交通大学学报（英文版）》 2022年27卷4期 463-472页

【摘要】 As a kind of physical signals that could be easily acquired in daily life,photoplethysmography(PPG)signal becomes a prom...

【关键词】 photoplethysmography(PPG)； biometric identification； Gram matrix(GM)；

【中文期刊】 《中国高等学校学术文摘·生物学》 2008年3卷4期 507-511页 MEDLINEISTICCA

【摘要】 Based on the survey of community plots, a quantitative analysis of endangered Acanthopanax senti-cosus communities in Do...

【关键词】 endangered plant； Acanthopanax senticosus； classification of community；

【中文期刊】 马军 邵陆  《软件学报》 2001年12卷4期 578-581页

【摘要】 给出模糊关系传递闭包在对应模糊图上的几何意义,并提出一个基于图连通分支计算的模糊聚类最佳算法.对任给的n个样本,新算法最坏情况下的时间复杂性函数T(n)满足O(n)≤T(n)≤O(n2).与经典的基于模糊传递闭包计算的模糊聚类算法的O(n3...

【关键词】 模糊理论； 模糊关系； 模糊聚类；

【外文期刊】 Qi Chang ; Cancheng Li ; 等 2021年29卷 1784-1794页

【关键词】 Electroencephalography; Support vector machines; Brain modeling;