控制与决策

作者：赵嘉晖,温杰,蔡星娟,崔志华

单位：太原科技大学 大数据分析与并行计算山西省重点实验室 ,太原 030024,,太原科技大学 大数据分析与并行计算山西省重点实验室 ,太原 030024;太原科技大学 先进控制与装备智能化山西省重点实验室,太原 030024,,太原科技大学 大数据分析与并行计算山西省重点实验室 ,太原 030024,,太原科技大学 大数据分析与并行计算山西省重点实验室 ,太原 030024,

关键词：元学习;多目标优化;小样本学习;注意力机制;数据增强

基金：中央引导地方科技发展基金项目(YDZJSX2021A038)；山西省重点研发计划项目(202202020101012).

由于皮肤癌数据的长尾分布特性,快速识别含少量数据的罕见皮肤病样本成为一个具有挑战性的小样本问题.基于元学习的检测方法能够从多数常见皮肤病样本中快速学习元知识,利用先验知识提高模型检测罕见皮肤病的能力.然而,皮肤癌公共类别质量和分布的偏差,导致元学习在预训练阶段存在过拟合风险,且基于传统网络的元学习模型难以处理细粒度皮肤病问题.针对此问题,提出一种高维多目标元学习皮肤癌检测模型.该模型在元学习的基础上,通过考虑皮肤癌检测模型的多种分类性能,优化公共类别(基类)分布获得强化的训练样本;采用融合CCNet注意力机制的ResNet12网络结构,充分提高识别细粒度皮肤病变图像的能力.此外,设计一种基于离散分组交叉策略的高维多目标优化算法对所提出的高维多目标皮肤癌检测模型进行高效求解.在ISCI2018和Derm7pt两个公开的医学数据集上进行实验,在二分类的1次、3次和5次采样任务中,分别获得67%、79%、82%的检测准确率,验证了高维多目标检测皮肤癌检测模型的有效性.

来源：2024年第11期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第11期