公开(公告)号：CN115908828A

公开(公告)日：2023-04-04

申请号：CN202211415263.X

申请日：2022-11-11

Applicant: 苏州大学

Inventor： 张莉 ,  郭晨怡 ,  赵雷 ,  王邦军 ,  周伟达 ,  李映

IPC: G06V10/32 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明涉及图像描述技术领域，尤其是指一种图像描述生成方法及装置。本发明所述的图像描述生成方法，通过局部通道注意力计算图像各个通道的权重，关注不同布纹之间的底层特征差异，从而提升网络的表征能力；通过全局通道注意力将局部通道注意力所提取的特征进行更好的融合。此外，本发明将通道注意力结构进行堆叠，局部邻域向全局进行扩散，局部特征与全局相关性结合，以提取图像局部与全局特征间以及特征通道间依赖关系，从而获得图像的上下文信息，有利于生成更精确的描述。该模块能够减少冗余特征并抑制与任务无关特征的干扰，使得网络高效的利用于生成描述强相关的特征，得到更加准确、质量更高的布纹图像描述。

公开(公告)号：CN115908828B

公开(公告)日：2024-08-16

申请号：CN202211415263.X

申请日：2022-11-11

Applicant: 苏州大学

Inventor： 张莉 ,  郭晨怡 ,  赵雷 ,  王邦军 ,  周伟达 ,  李映

IPC: G06V10/32 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明涉及图像描述技术领域，尤其是指一种图像描述生成方法及装置。本发明所述的图像描述生成方法，通过局部通道注意力计算图像各个通道的权重，关注不同布纹之间的底层特征差异，从而提升网络的表征能力；通过全局通道注意力将局部通道注意力所提取的特征进行更好的融合。此外，本发明将通道注意力结构进行堆叠，局部邻域向全局进行扩散，局部特征与全局相关性结合，以提取图像局部与全局特征间以及特征通道间依赖关系，从而获得图像的上下文信息，有利于生成更精确的描述。该模块能够减少冗余特征并抑制与任务无关特征的干扰，使得网络高效的利用于生成描述强相关的特征，得到更加准确、质量更高的布纹图像描述。

公开(公告)号：CN115880524B

公开(公告)日：2024-09-06

申请号：CN202211460720.7

申请日：2022-11-17

Applicant: 苏州大学

Inventor： 张莉 ,  张非凡 ,  赵雷 ,  王邦军 ,  周伟达 ,  李映

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/74 ,  G06V10/40 ,  G06V10/82

Abstract: 本发明涉及一种基于马氏距离损失特征注意力网络的小样本图像分类方法，包括对带标签的小样本图像数据集进行特征提取，得到训练集；将训练集中的样本输入至特征注意力网络进行训练，得到训练好的特征注意力网络；训练集向量通过训练好的特征注意力网络后求平均获得类的表示；对不带标签的小样本图像数据集进行特征提取，得到测试集，将测试集中的样本输入至训练好的特征注意力网络，得到新的特征向量，计算新的特征向量与类表示之间的马氏距离，其中马氏距离最小时所对应的类即表示对该样本的分类预测。本发明弥补了主干模型对于新任务特征重要性知识不足的缺点，使用马氏距离分类前通过特征注意力网络对特征赋予不同的权重，使得类内距离缩小、类内距离扩大，以此提升分类性能。

公开(公告)号：CN115795290A

公开(公告)日：2023-03-14

申请号：CN202211493667.0

申请日：2022-11-25

Applicant: 苏州大学

Inventor： 张莉 ,  陈心怡 ,  赵雷 ,  王邦军 ,  周伟达 ,  李映

IPC: G06F18/2115 ,  G01S7/41 ,  G06F18/214 ,  G06F18/2413

Abstract: 本发明公开了一种雷达回波信号的分类方法、装置和设备，包括：对数据预处理；选择每一对不能连接约束对中每个样本自相关度最大时的近邻集合，作为对应的同类样本集合，由此扩展约束对集合；由扩展后的约束对集合生成连接矩阵，计算候选特征子集中每一个特征并入到特征子集后的目标函数，选择目标函数最小的特征索引，更新目标特征子集，对原始样本数据集特征选择生成训练样本；利用其训练最近邻分类器对未知雷达回波信号分类。本发明考虑每个样本周围的近邻样本情况不同，通过自适应对每个样本找最合适的近邻集合，确保其中元素间联系紧密，便于生成最优特征子集；考虑特征间关联性和数据局部几何结构，提高对于雷达回波信号分类精度的准确性。

公开(公告)号：CN115293887A

公开(公告)日：2022-11-04

申请号：CN202210989033.8

申请日：2022-08-17

Applicant: 苏州大学

Inventor： 张莉 ,  魏真 ,  赵雷 ,  王邦军 ,  李映

IPC: G06Q40/02 ,  G06F16/215 ,  G06K9/62

Abstract: 本发明公开了基于样本重要性过采样的信用风险预测方法，包括以下步骤：S1、对信用数据集合进行预处理；S2、对不良信用数据样本进行去噪；S3、划分不良信用数据样本的概率区间并计算不良信用数据样本被选取作为样本生成点的选择概率；S4、依次根据选择概率选择样本生成点，并根据概率区间来选择不同的样本生成方式，生成新的不良信用数据样本；S5、将新的不良信用数据样本与原信用数据集合中的样本并集作为输入数据训练信用风险预测模型；S6、采用训练后的信用风险预测模型对未知信用数据样本进行风险预测。本发明通过基于样本重要性过采样方法，有效平衡数据数量，提高风险预测准确性。

公开(公告)号：CN115272130A

公开(公告)日：2022-11-01

申请号：CN202211007177.5

申请日：2022-08-22

Applicant: 苏州大学

Inventor： 张莉 ,  代强 ,  赵雷 ,  王邦军 ,  李映 ,  周伟达

IPC: G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于多光谱级联归一化的图像去摩尔纹系统，其包括数据处理模块、模型训练模块和图像处理模块，数据处理模块用于对获取的原始训练集中的图像进行数据增强处理，得到训练数据集；模型训练模块用于使用训练数据集对去摩尔纹网络模型进行训练，图像处理模块用于利用训练好的去摩尔纹网络模型在测试图像上进行去摩尔纹处理，得到去摩尔纹处理后的图像。本发明提出了多光谱级联归一化模块，利用多光谱级联归一化模块对摩尔纹进行动态编码，有助于模型学习摩尔纹之前的频率并清晰地还原摩尔纹图像，实现对摩尔纹的有效去除。

公开(公告)号：CN115239485A

公开(公告)日：2022-10-25

申请号：CN202210980620.0

申请日：2022-08-16

Applicant: 苏州大学

Inventor： 张莉 ,  陈心怡 ,  赵雷 ,  王邦军 ,  李映

IPC: G06Q40/02 ,  G06K9/62

Abstract: 本发明公开了基于前向迭代约束评分特征选择的信用评估方法，包括以下步骤：S1、对用户信用数据集中的数据进行预处理，得到原始样本数据集；S2、建立目标特征子集和候选特征集，设置需要选择的特征数量，通过前向迭代的约束评分算法从候选特征集中选择特征添加到目标特征子集，得到更新后的目标特征子集；S3、根据更新后的目标特征子集对原始样本数据集进行特征选择，生成训练样本数据，利用训练样本数据训练的分类器对用户进行信用评估。本发明通过基于前向迭代约束评分特征选择方法，有效考虑特征之间的耦合，生成最优特征子集，从而提高最终信用评估效果。

公开(公告)号：CN116740403B

公开(公告)日：2024-09-06

申请号：CN202211644751.8

申请日：2022-12-20

Applicant: 苏州大学

Inventor： 张莉 ,  张黄凯 ,  赵雷 ,  王邦军 ,  周伟达 ,  李映

IPC: G06V10/764 ,  G06V10/772 ,  G06V10/774

Abstract: 本发明涉及一种图像分类的方法包括：对已经获取到的图像数据集进行预处理，将同类别的训练样本整合到同一矩阵中；令所有子字典都满足线性表示每个训练样本的条件，采用交替更新法求解判别保真项与强化判别项和最小时所对应的字典和表示系数矩阵；求解接受到的待预测样本的最优表示系数向量，根据所述最优表示系数向量求得所述待预测样本的残差，根据所述残差判断待预测样本的对应标签；考虑对每一类图像标签设计一个子字典，即增加了强化判别项，通过最小化强化判别项，降低任意两类数据之间的关联性，使得每一个子字典都具备优秀的重构训练样本能力和强大的判别性，当训练样本较少时，能获得并有效区分不同类别，大大提高图像分类准确性。

公开(公告)号：CN116740403A

公开(公告)日：2023-09-12

申请号：CN202211644751.8

申请日：2022-12-20

Applicant: 苏州大学

Inventor： 张莉 ,  张黄凯 ,  赵雷 ,  王邦军 ,  周伟达 ,  李映

IPC: G06V10/764 ,  G06V10/772 ,  G06V10/774

Abstract: 本发明涉及一种图像分类的方法包括：对已经获取到的图像数据集进行预处理，将同类别的训练样本整合到同一矩阵中；令所有子字典都满足线性表示每个训练样本的条件，采用交替更新法求解判别保真项与强化判别项和最小时所对应的字典和表示系数矩阵；求解接受到的待预测样本的最优表示系数向量，根据所述最优表示系数向量求得所述待预测样本的残差，根据所述残差判断待预测样本的对应标签；考虑对每一类图像标签设计一个子字典，即增加了强化判别项，通过最小化强化判别项，降低任意两类数据之间的关联性，使得每一个子字典都具备优秀的重构训练样本能力和强大的判别性，当训练样本较少时，能获得并有效区分不同类别，大大提高图像分类准确性。

公开(公告)号：CN116401153A

公开(公告)日：2023-07-07

申请号：CN202310267759.5

申请日：2023-03-20

Applicant: 苏州大学

Inventor： 张莉 ,  魏真 ,  赵雷 ,  王邦军 ,  李映

IPC: G06F11/36 ,  G06F18/2321 ,  G06F18/25

Abstract: 本发明涉及一种基于聚类融合过采样的软件缺陷预测方法，包括：将软件数据集合划分为无缺陷数据集合与有缺陷数据集合；对有缺陷数据集合中样本点聚类，获取无噪声有缺陷子簇集合；将无噪声有缺陷子簇集合中属于同一方向的子簇合并；计算无噪声有缺陷子簇集合中每个子簇的子簇选择概率，计算有缺陷子簇中每个样本点的样本选择概率；根据子簇选择概率，选择有缺陷子簇，根据样本选择概率，从所选有缺陷子簇中选择基点样本点；根据基本样本点的类型选择候选点，对所选有缺陷子簇进行插值，直至有缺陷数据集合与无缺陷数据集合中样本数相同，获取平衡软件数据集合来训练软件缺陷预测模型，利用训练好的软件缺陷预测模型对待检测软件数据进行缺陷预测。