基于CSPPNet与集成学习的人类蛋白质图像分类方法

发布时间：2022-07-03 22:09

　　人类蛋白图像分类的目的是识别蛋白质细胞器中的细胞核浆、核膜等定位标签。针对蛋白质分类数据集大、多标签类别不平衡以及类间差异小等问题,结合CSPPNet与集成学习,提出一种人类蛋白质图像分类方法。该方法构建了粗细结合的CSPPNet模型,且将该模型前几层卷积生成的特征图加入空间金字塔池化层,并与模型后期卷积生成的特征图相结合,同时利用图片的整体特征和局部特征自动检测图片差异,以提高细粒度图像分类问题的精度,再通过集成学习的方法来进一步提升准确率。实验结果表明,相比经典卷积神经网络（CNN）,该模型的精度与F1值均有所提升。 

【文章页数】：8 页

【部分图文】：

HPA数据集原始图像数据

HPA中说明性图像数据

训练集中2组样本染色后的对比图

【参考文献】：
期刊论文
[1]多尺度空间金字塔池化PCANet的行人检测[J]. 夏胡云,叶学义,罗宵晗,王鹏.  计算机工程. 2019(02)
[2]手势识别身份认证的连续隐马尔可夫模型[J]. 李富,孙子文.  小型微型计算机系统. 2018(03)
[3]基于序的空间金字塔池化网络的人群计数方法[J]. 时增林,叶阳东,吴云鹏,娄铮铮.  自动化学报. 2016(06)
[4]基于相似性混合模型的蛋白质交互识别[J]. 王宇伟,牛耘,魏欧.  计算机工程. 2015(07)
[5]基于支持向量机的生物医学文献蛋白质关系抽取[J]. 杨志豪,洪莉,林鸿飞,李彦鹏.  智能系统学报. 2008(04)

硕士论文
[1]基于图像的蛋白质亚细胞定位[D]. 张燕群.福建农林大学 2015



本文编号：3655737