基于图卷积神经网络的胸部放射影像疾病分类方法北大核心CSCD

医学X射线作为胸部疾病的常规检查手段,可以对早期不明显的胸部疾病进行诊断,并且观察出病变部位。但是,同一张放射影像上呈现出多种疾病特征,对分类任务而言是一个挑战。此外,疾病标签之间存在着不同的对应关系,进一步导致了分类任务的困难。针对以上问题,本文将图卷积神经网络(graph convolutional neural network,GCN)与传统卷积神经网络(convolutional neural network,CNN)相结合,提出了一种将标签特征与图像特征融合的多标签胸部放射影像疾病分类方法。该方法利用图卷积神经网络对标签的全局相关性进行建模,即在疾病标签上构建有向关系图,有向图中每个节点表示一种标签类别,再将该图输入图卷积神经网络以提取标签特征,最后与图像特征融合以进行分类。本文所提出的方法在ChestX-ray14数据集上的实验结果显示对14种胸部疾病的平均AUC达到了0.843,与目前3种经典方法以及先进方法进行比较,本文方法能够有效提高分类性能。     

Modulation classification in the presence of adjacent channel interference using convolutional neural networks

This paper investigates a vital issue in wireless communication systems, which is the modulation classification. A proposed framework for modulation classification based on deep learning (DL) is presented in the presence of adjacent channel interference (ACI). This framework begins with the generation of constellation diagrams from the received data. These constellation diagrams are fed to convolutional neural networks (CNNs) for modulation classification. The objective of this process is to eliminate the manual feature extraction from the received data and make feature extraction process as a built‐in step with CNNs. Three types of CNNs are considered in this paper and compared for this objective. These types are AlexNet, VGG‐16, and VGG‐19. The proposed classifier is applied on Rayliegh and Rician fading channels.     

隐写术中矩阵编码的保密安全性

针对矩阵编码在隐写码和湿纸码中的应用,基于信息论模型研究矩阵编码在不同攻击条件下的保密安全性。在已知载体攻击条件下,给出矩阵编码的密钥疑义度、消息疑义度和密钥的唯一解距。在选择载密攻击条件下,指出只需n个差分方程组即可恢复矩阵编码的共享密钥。     

正交空时分组码性能估计的一种方法

本文给出并证明了采用正交空时分组码传输的衰落信道条件下,接收机输出瞬时信噪比的一般表达形式,分析了瑞利衰落信道条件下接收机输出符号差错性能.给出了正交空时分组码的符号差错概率的最小距离球界,由此可以得到空时分组码关于发送天线数量的"地板效应".     

LDPC码的译码算法研究

根据硬件实现的要求,文中研究了LPDC码的译码算法,提出了适合硬件实现的NormaIized Min-Sum译码算法的系数,并在此基础上对该算法的量化范围和量化方案的性能进行了仿真分析,仿真结果表明均匀量化比特5,6和7的选择对于误码性能影响不大,该算法大大降低了计算复杂度和硬件实现难度,具有很好的实用价值.     

一种新的二维光正交码及其性能分析

以光正交码(OOC)作为时间扩频序列,以单重合序列(OCS)作为波长跳频序列,构造了一种新的二维光正交码,即光正交码/单重合序列。与其他二维光正交码相比,光正交码/单重合序列的波长数并不局限于素数或素数幂,可以是任意整数,不仅构造灵活,而且可充分利用多波长光码分多址(MW OCDMA)系统的有效波长数。分析了光正交码/单重合序列码字的自相关和互相关性能,并得到了其互相关均值的具体表达式。最后,针对多波长光码分多址不同的系统参数,对不同参数的光正交码/单重合序列码字性能进行了分析和讨论:1)给定单重合序列参数和光正交码的码重,增加码长将降低光码分多址系统误码率;2)给定光正交码的参数和单重合序列的码长,增加波长数将降低光码分多址系统误码率。     

一种抑制低压电力线载波通信干扰的方法

以低压电力线作为媒介进行数据传输时,提高其传输的可靠性对低压电力线载波通信有重要意义。针对低压电力线信道所具有的时变性和强干扰性,提出了新的抗干扰方案,即采用卷积码直接序列扩频通信方案,并使用MATLAB对该方案的抗干扰性能进行了仿真验证。结果表明,该方案能较好地抑制低压电力线信道中的干扰,满足低压电力线通信要求。     

基于残差网络的光学遥感图像场景分类算法

提出一种基于卷积神经网络中残差网络的遥感图像场景分类方法.本文方法在原网络模型中嵌入了跳跃连接和协方差池化两个模块,用于连接多分辨率特征映射和融合不同层次的多分辨率特征信息,并在3个公开的经典遥感数据集上进行了实验.结果证明,本文方法不仅可以将残差网络中不同层次的多分辨率特征信息融合在一起,还可以利用高阶信息来实现更具...     

编织码编码原理及其分类

编织码 ( Woven码 )是一类包容性极强的新型高效纠错码 ,它是在级联码的基础上形成的 ,其编码结构具有把各类成员码按编织状组合编码的特点且其性能优于传统的 Turbo码。本文在简要阐述编织码的三种基本编码原理基础上对外经结构的不同编码方案构成的编织码做了简单的分类 ,这对优化设计和分析编织码性能具有积极推动作用。     

基于神经网络的纠错输出编码方法研究

构造基于数据编码矩阵是目前利用纠错输出编码解决多类分类问题的研究重点.为此提出利用单层感知器作为学习框架,结合解码策略把输出编码矩阵各码元值映射为感知器网络中的权值,同时引入含权值取值约束的目标函数作为该网络代价函数,并对其进行学习,最终得到基于子类划分的数据编码矩阵.实验中利用人工数据集和UCI数据集并选择线性逻辑分类器作为基分类器分别进行测试,通过与几种经典编码方法比较,结果表明该编码方法能在编码长度较小情况下得到更好的分类效果.