-
公开(公告)号：CN110032973B
公开(公告)日：2021-01-19
申请号：CN201910292967.4
申请日：2019-04-12
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于人工智能的无监督寄生虫分类方法及系统。所述分类方法包括：获取待检测样本的训练数据集；利用深度卷积神经网络VGG网络提取所述训练数据集的特征信息；利用模糊C均值聚类FCM算法对所述特征信息进行分类，确定每个类别的聚类中心矩阵；根据所述聚类中心矩阵确定每个类别的聚类中心向量；根据所述聚类中心向量确定隶属度矩阵；根据所述聚类中心矩阵以及所述隶属度矩阵确定FCM损失函数；利用FCM损失函数对所述VGG网络进行训练，确定训练后的VGG网络；根据所述训练后的VGG网络和FCM算法对所述训练数据集内的细胞和寄生虫进行分类。采用本发明所提供的分类方法及系统能够准确对寄生虫细胞与宿主健康细胞进行识别分类，提高分类准确率。
-
公开(公告)号：CN110032973A
公开(公告)日：2019-07-19
申请号：CN201910292967.4
申请日：2019-04-12
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于人工智能的无监督寄生虫分类方法及系统。所述分类方法包括：获取待检测样本的训练数据集；利用深度卷积神经网络VGG网络提取所述训练数据集的特征信息；利用模糊C均值聚类FCM算法对所述特征信息进行分类，确定每个类别的聚类中心矩阵；根据所述聚类中心矩阵确定每个类别的聚类中心向量；根据所述聚类中心向量确定隶属度矩阵；根据所述聚类中心矩阵以及所述隶属度矩阵确定FCM损失函数；利用FCM损失函数对所述VGG网络进行训练，确定训练后的VGG网络；根据所述训练后的VGG网络和FCM算法对所述训练数据集内的细胞和寄生虫进行分类。采用本发明所提供的分类方法及系统能够准确对寄生虫细胞与宿主健康细胞进行识别分类，提高分类准确率。
-
Search Results
2
records
(took 0.019 seconds)
