典型文献
基于无监督样本关系嵌入模型的疟疾识别算法
文献摘要：
目的 在不依赖真实标签的情况下利用图像样本关系识别被疟疾寄生虫感染的细胞.方法 采用一种能够提取样本间关系的无监督疟疾识别方法,并提出了一个由3个模块组成的样本关系注意力嵌入(Sample Correlation Attention Embedding,SCAE)模型.特征和关系初始化模块用于将原始图像映射为特征向量,并建立疟疾细胞之间的初始相关性矩阵.图注意力编码器模块通过一个带有注意力机制和图重构技术的图卷积网络进一步学习样本间特征和他们的关系信息.深度特征聚类模块用来预测细胞是否被疟疾感染.结果 将SCAE模型与一些最新的无监督算法进行了比较,以验证其在疟原虫识别任务中的有效性.结果 表明,SCAE算法可达到94.8％ 的准确率、86.8％ 的标准化互信息(NMI)指标和84.7％ 的调整互信息(AMI)指标.结论 通过对SCAE模型评估,证明了该方法具有强大的疟疾识别能力,是当前最优的无监督疟疾识别方法.
文献关键词：
疟疾寄生虫识别;显微图像分类;图注意力机制;图卷积网络
中图分类号：
作者姓名：
胡静波;王欢
作者机构：
宝鸡文理学院电子电气工程学院,陕西宝鸡721016;宝鸡文理学院计算机学院,陕西宝鸡721016
文献出处：
引用格式：
[1]胡静波;王欢-.基于无监督样本关系嵌入模型的疟疾识别算法)[J].宝鸡文理学院学报（自然科学版）,2022(02):30-39
A类：
SCAE,图注意力编码器,疟原虫识别,疟疾寄生虫识别,显微图像分类
B类：
关系嵌入,嵌入模型,识别算法,不依,下利,像样,关系识别,寄生虫感染,Sample,Correlation,Attention,Embedding,初始化模块,原始图像,图像映射,特征向量,相关性矩阵,重构技术,图卷积网络,深度特征,特征聚类,无监督算法,互信息,NMI,AMI,模型评估,识别能力,图注意力机制
AB值：
0.310912
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
