您当前的位置:首页 > 论文浏览
您选择的条件: 张晗(4)

1. chinaXiv:201901.00177 [pdf]

NMF和增强奇异值分解的自适应零水印算法

肖振久; 宁秋莹; 张晗; 唐晓亮; 陈虹
分类: 计算机科学 >> 计算机科学的集成理论

针对奇异值分解水印算法导致虚警率高、稳健性不强的问题,提出一种基于分块非负矩阵分解(NMF)和增强奇异值分解(BN-SVD)相结合的自适应零水印算法。首先将原始灰度图像进行二级离散小波变换(DWT),对变换后的二级低频子带(LL2)进行不重叠分块,并对每一个子块进行秩为r的NMF分解;然后对NMF分解得到的特征矩阵采用增强奇异值分解,依据每一个块矩阵的最大奇异值与整体最大奇异值均值的大小关系构成特征向量;利用生成的特征向量与经过Arnold变换与混沌映射双重置乱加密水印图像做异或运算生成零水印,并利用天牛须优化算法(BAS)自适应确定增强奇异值分解中最抗攻击缩放比例的参数β。实验结果表明,在虚警问题上NC值达到0.4以下,JPEG压缩、噪声、滤波、旋转、剪切以及混合攻击下,提取水印图像与原水印图像的归一化系数NC值均可达到99%以上,该方案高效地解决虚警问题,具有较强的稳健性,能够有效地抵抗各种攻击。

提交时间: 2019-01-28 来自合作期刊:《计算机应用研究》 点击量69下载量42 评论 0

2. chinaXiv:201711.01964 [pdf]

基于SEER数据库应用贝叶斯网络构建亚洲肿瘤患者预后模型——以非小细胞肺癌为例

尹玢璨; 辛世超; 张晗; 赵玉虹
分类: 图书馆学、情报学 >> 情报学

【目的】利用SEER 数据库, 找出对非小细胞肺癌患者预后生存的影响因素并预测患者预后生存状态, 指导肿瘤预后评价。【方法】采用单因素统计学方法及Logistic 回归分析初步筛选预后相关因素, 利用贝叶斯网络方法构建患者术后生存预测模型, 并与其他三种常见的机器学习分类算法所建模型效能做比较。【结果】最终纳入模型的预后变量共5 项, 包括年龄、肿瘤大小、组织学分级、肿瘤分期和受累淋巴结比率。贝叶斯网络所建模型对非小细胞肺癌患者生存状况预测准确率达到72.87%。【局限】SEER 数据库内纳入的预后因素有限, 一定程度影响预测效果。【结论】贝叶斯网络可探寻变量间的关系并构建肺癌患者最优预后模型, 辅助医生判断患者预后情况及治疗效果, 优于决策树、支持向量机及人工神经网络三种模式。

提交时间: 2017-11-08 来自合作期刊:《数据分析与知识发现》 点击量216下载量148 评论 0

3. chinaXiv:201711.01986 [pdf]

基于SEER数据库应用贝叶斯网络构建亚洲肿瘤患者预后模型——以非小细胞肺癌为例

尹玢璨; 辛世超; 张晗; 赵玉虹
分类: 图书馆学、情报学 >> 情报学

【目的】利用SEER 数据库, 找出对非小细胞肺癌患者预后生存的影响因素并预测患者预后生存状态, 指导肿瘤预后评价。【方法】采用单因素统计学方法及Logistic 回归分析初步筛选预后相关因素, 利用贝叶斯网络方法构建患者术后生存预测模型, 并与其他三种常见的机器学习分类算法所建模型效能做比较。【结果】最终纳入模型的预后变量共5 项, 包括年龄、肿瘤大小、组织学分级、肿瘤分期和受累淋巴结比率。贝叶斯网络所建模型对非小细胞肺癌患者生存状况预测准确率达到72.87%。【局限】SEER 数据库内纳入的预后因素有限, 一定程度影响预测效果。【结论】贝叶斯网络可探寻变量间的关系并构建肺癌患者最优预后模型, 辅助医生判断患者预后情况及治疗效果, 优于决策树、支持向量机及人工神经网络三种模式。

提交时间: 2017-11-08 来自合作期刊:《数据分析与知识发现》 点击量244下载量169 评论 0

4. chinaXiv:201711.01243 [pdf]

基于电子病历利用支持向量机构建疾病预测模型——以重度急性胰腺炎早期预警为例

张晔; 张晗; 尹玢璨; 赵玉虹
分类: 图书馆学、情报学 >> 情报学

【目的】为构建疾病预测模型, 以重度急性胰腺炎早期预警为例, 提出一种基于支持向量机的疾病预测模型构建方法。【方法】基于支持向量机LIBSVM3.11, 采用优化后的径向基核函数产生的分类器, 同时结合统计学单因素及多因素Logistic 回归分析方法, 进行特征变量选取, 提出一种简单易行的重度急性胰腺炎早期预警模型。【结果】所构建重度急性胰腺炎预警模型准确率达70.37%。最终纳入模型变量包括白细胞计数、血清钙离子、血清脂肪酶、收缩压、舒张压及胸腔积液。【局限】样本量有限, 主要采用支持向量机构建疾病预测模型, 未来可建立系统, 突出临床应用价值。【结论】支持向量机可构建疾病预测的最优模型, 进一步建立系统, 辅助临床决策。

提交时间: 2017-10-11 来自合作期刊:《数据分析与知识发现》 点击量324下载量212 评论 1

  [1 页/ 4 条记录]