《数据采集与处理》杂志联系方式|投稿邮箱|地址电话
主要反映信号处理，测试工程和计算机应用等方面的科学成果，注重工程应用，力求创新。
发文量：122被引量：904影响因子：0.916107立即指数：0.040984被引半衰期：2.95引用半衰期：4.09期刊他引率：0.811947平均引文率：22.51639
主管单位：中国科学技术协会 主办单位：中国电子学会;南京航空航天大学 国内刊号：32-1367/TN 国际刊号：1004-9037 邮发代号：28-235 发行周期：双月刊
数据库收录
文摘杂志
北大核心期刊（2004版）
北大核心期刊（2008版）
北大核心期刊（2011版）
北大核心期刊（2014版）
北大核心期刊（2017版）
中国科学引文数据库（2011-2012）
中国科学引文数据库（2013-2014）
中国科学引文数据库（2015-2016）
中国科学引文数据库（2017-2018）
中国科学引文数据库（2019-2020）
哥白尼索引
日本科学技术振兴机构数据库
文摘与引文数据库
中国科技核心期刊
获奖情况
江苏省优秀期刊
目录
(381)王梅;李董;薛成龙
一种基于深度学习的半监督分层模型 (392)王江晴;张蕾;孙翀;帖军;周玮瑜;孟凯
基于深度语义模型的乳腺X线图像检索 (400)邹佩;王颖;李洁
基于最优传输的多中心自闭症谱系障碍诊断 (411)张俊艺;万鹏;王明亮;张道强
边缘标记弱化的多标记特征选择算法 (420)王一宾;吴陈;程玉胜;江健生
融合数据分布特征的保序学习机 (431)刘忠宝;张志剑;党建飞
基于信息修正的深度残差学习 (441)谢烟平;谭晓阳
基于短语成分表示的中文关系抽取 (449)刘娜娜;程婧;闵可锐;康昱;王新;周扬帆
基于统计特征的Quality Phrase挖掘方法 (458)杨欢欢;赵书良;李文斌;武永亮;田国强
基于深度学习的显著区域提取方法 (474)梁晔;马楠;刘宏哲
基于图嵌入模型的协同过滤推荐算法 (483)高海燕;毛林;窦凯奇;倪文晔;赵卫滨;余永红
基于深度学习的木材缺陷图像的识别与定位 (494)李若尘;朱悠翔;孙卫民;龚思源;钱鑫;业宁
融合模糊聚类的蚁群图像增强算法 (506)王小芳;邹倩颖;彭林子;李雨峰
融合HOG特征的相关滤波视频跟踪 (516)李梅云;欧丰林;杨文元
基于GHT的多目标检测自适应终止算法 (526)杨思燕;贺国旗
信息增益混合邻域粗糙集的肺部肿瘤高维特征选择算法 (536)陆惠玲;周涛;张飞飞;霍兵强
基于耦合度量的多尺度聚类挖掘方法 (549)田真真;赵书良;李文斌;张璐璐;陈润资
基于改进RetinaNet模型的接触网鸟巢检测 (563)刘国文;张彩霞;李斌;杨阳;张文生
基于多层集成学习的岩性识别方法 (572)段友祥;赵云山;马存飞;姜文煊
基于神经网络的中文谓语动词识别研究
范文
基于最优传输的多中心自闭症谱系障碍诊断
《数据采集与处理》2020年 第3期 | 张俊艺 万鹏 王明亮 张道强 南京航空航天大学计算机科学与技术学院 南京211106
导出参考文献 ★ 收藏 | 分享
第1页第2页第3页第4页
论文服务：论文检测 论文选题
摘 要：融合来自多个中心的医学数据能够增加样本数量,有助于研究自闭症谱系障碍(Autism spectrum disorder,ASD)的病理变化。因此,如何有效地利用多中心数据,提高对ASD诊断的准确性受到了越来越多的关注。然而,以往的大部分研究忽略了多中心数据的异质性(如受试者群体和扫描参数的不同),这可能会降低模型在多中心数据上对疾病诊断的性能。为了解决这一问题,提出一种基于联合分布最优传输(Joint distribution optimal transport,JDOT)的领域自适应模型鉴别ASD。选择一个中心作为目标域,其余的中心作为源域,假设两个域的联合特征、标签空间分布之间存在非线性映射,利用最优传输方法交替优化传输矩阵和分类器。结果表明,在多中心静息态功能磁共振成像(resting state functional magnetic resonance imaging,rs-fMRI)数据上,该模型能够有效提高对ASD鉴别的准确性。
【分 类】 【工业技术】 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工)
【关键词】 自闭症谱系障碍 联合分布 领域自适应 多中心 最优传输
【出 处】 《数据采集与处理》2020年 第3期 411-419页 共9页
【收 录】 中文科技期刊数据库
基于改进RetinaNet模型的接触网鸟巢检测
《数据采集与处理》2020年 第3期 | 刘国文 张彩霞 李斌 杨阳 张文生 佛山科学技术学院 佛山528000 广东省智慧城市基础设施健康监测与评估工程技术研究中心 佛山528000 中国科学院自动化研究所 北京100080
导出参考文献 ★ 收藏 | 分享
第1页第2页第3页第4页
论文服务：论文检测 论文选题
摘 要：鸟类活动故障已经成为高速铁路的主要隐患之一,找出和清理接触网的鸟巢是一种应对手段。传统的鸟巢目标检测方法需要人工提取特征,而手工设计的特征难以在复杂的接触网场景中保证泛化能力。针对该问题,本文提出使用基于深度学习的目标检测算法识别接触网鸟巢,并提出一种基于一阶段目标检测模型RetinaNet的改进模型,增加P2特征层,扩充网络的感受野范围,以更好地检测出目标较小的鸟巢。最后使用高铁车载设备的数据集对基于深度学习的目标检测算法进行了训练和测试。实验结果表明:基于深度学习的目标检测算法在接触网鸟巢检测任务上表现优秀,且改进RetinaNet模型的mAP值达到了90.4%,优于原模型,对于高速铁路的避障任务具有参考和应用价值.
【分 类】 【工业技术】 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论 > 人工神经网络与计算
【关键词】 目标检测 深度学习 异常检测 接触网
【出 处】 《数据采集与处理》2020年 第3期 563-571页 共9页
【收 录】 中文科技期刊数据库