[发明专利]一种基于人工智能的无监督寄生虫分类方法及系统有效
| 申请号： | 201910292967.4 | 申请日： | 2019-04-12 |
| 公开（公告）号： | CN110032973B | 公开（公告）日： | 2021-01-19 |
| 发明（设计）人： | 张阳;李森;李爱佳 | 申请（专利权）人： | 哈尔滨工业大学（深圳） |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06K9/66;G06N3/04;G06N3/08 |
| 代理公司： | 北京高沃律师事务所 11569 | 代理人： | 程华 |
| 地址： | 518000 广东省*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于人工智能的无监督寄生虫分类方法及系统。所述分类方法包括：获取待检测样本的训练数据集；利用深度卷积神经网络VGG网络提取所述训练数据集的特征信息；利用模糊C均值聚类FCM算法对所述特征信息进行分类，确定每个类别的聚类中心矩阵；根据所述聚类中心矩阵确定每个类别的聚类中心向量；根据所述聚类中心向量确定隶属度矩阵；根据所述聚类中心矩阵以及所述隶属度矩阵确定FCM损失函数；利用FCM损失函数对所述VGG网络进行训练，确定训练后的VGG网络；根据所述训练后的VGG网络和FCM算法对所述训练数据集内的细胞和寄生虫进行分类。采用本发明所提供的分类方法及系统能够准确对寄生虫细胞与宿主健康细胞进行识别分类，提高分类准确率。 | ||
| 搜索关键词： | 一种 基于 人工智能 监督 寄生虫 分类 方法 系统 | ||
【主权项】：
1.一种基于人工智能的无监督寄生虫分类方法，其特征在于，包括：获取待检测样本的训练数据集；利用深度卷积神经网络VGG网络提取所述训练数据集的特征信息；所述VGG网络为标准的VGG网络或预训练后的VGG网络；利用模糊C均值聚类FCM算法对所述特征信息进行分类，确定每个类别的聚类中心矩阵；根据所述聚类中心矩阵确定每个类别的聚类中心向量；根据所述聚类中心向量确定隶属度矩阵；根据所述聚类中心矩阵以及所述隶属度矩阵确定FCM损失函数；利用FCM损失函数对所述VGG网络进行训练，确定训练后的VGG网络；根据所述训练后的VGG网络对所述训练数据集内的细胞和寄生虫进行分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨工业大学（深圳），未经哈尔滨工业大学（深圳）许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910292967.4/，转载请声明来源钻瓜专利网。
