-
公开(公告)号：CN109376706A
公开(公告)日：2019-02-22
申请号：CN201811467055.8
申请日：2018-12-03
Applicant: 苏州大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于鲁棒判别字典对学习的人脸识别方法，该方法包括以下步骤：接收对目标人脸信息的识别请求；通过预设的人脸识别模型查找与目标人脸信息对应的目标类人脸信息集；其中，人脸识别模型为通过结合鲁棒判别字典对学习算法、自适应稀疏编码表示以及邻域自适应重构生成的；从目标类人脸信息集中调取预存的目标参照人脸信息，并利用目标参照人脸信息对目标人脸信息进行识别。应用本发明实施例所提供的技术方案，较大地缩短了对人脸识别的耗时，提高了对人脸信息集的分类精度，提高了识别的准确度。本发明还公开了一种基于鲁棒判别字典对学习的人脸识别装置、设备及存储介质，具有相应技术效果。
-
公开(公告)号：CN108830302A
公开(公告)日：2018-11-16
申请号：CN201810523533.6
申请日：2018-05-28
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本申请公开了一种图像分类方法，包括：对标准TWSVM算法进行预处理，得到预处理TWSVM算法；根据获取的训练数据集执行二叉决策树构造操作，根据预处理TWSVM算法和构造得到的二叉决策树中的非叶子结点进行训练处理，得到每个非叶子结点的决策函数；通过二叉决策树和决策函数对待测样本进行分类预测处理，得到分类结果。通过二叉决策树为基础拓展TWSVM算法，提高TWSVM算法处理多分类问题的效率，并且通过核聚类构造的二叉决策树提高了面对非线性问题时的准确率本申请还公开了一种图像分类的训练方法、分类预测方法、图像分类系统、图像分类装置以及计算机可读存储介质，具有以上有益效果。
-
公开(公告)号：CN108806796A
公开(公告)日：2018-11-13
申请号：CN201810522806.5
申请日：2018-05-28
Applicant: 苏州大学
IPC: G16H50/70
CPC classification number: G16H50/70
Abstract: 本申请公开了一种医疗数据的特征选择方法，包括：对获取的医疗数据进行标准化处理，得到标准化医疗数据；对所述标准化医疗数据进行权重向量稀疏计算处理，得到所述标准化医疗数据中特征对应的权重向量；根据所有所述权重向量对所有所述特征进行选择，得到最优特征集。通过在特征选择的权重向量计算过程进行稀疏处理，使不相关特征的权重向量趋近于0，减少多过无关特征被选入最优特征集，相当于减少的无关噪声，提高了处理高维数据时的精度。本申请还公开一种医疗数据的特征选择系统、特征选择装置以及计算机可读存储介质，具有上述有益效果。
-
公开(公告)号：CN108388869A
公开(公告)日：2018-08-10
申请号：CN201810166510.4
申请日：2018-02-28
Applicant: 苏州大学
Abstract: 本发明公开了一种基于多重流形的手写数据分类方法及系统，该方法包括：获取高维数据集；分别计算高维数据集中任意两个数据点之间的相似度，获取高维数据集对应的相似矩阵；根据相似矩阵，构建高维数据集对应的目标拉普拉斯矩阵；将目标拉普拉斯矩阵的前第一预设数量的特征向量聚入到第二预设数量的类别内，获取高维数据集的分类结果；本发明通过获取高维数据集对应的相似矩阵，获得高维数据的底层低维映射流形结构，可以构建同时考虑高维数据的高维结构和底层低维映射结构的拉普拉斯矩阵，利用目标拉普拉斯矩阵对拉普拉斯矩阵进行特征值分解，从而对得到的特征值进行聚类，得到高维数据集的聚类结果，尽可能多地保留了高维数据的原始结构。
-
公开(公告)号：CN108171261A
公开(公告)日：2018-06-15
申请号：CN201711396481.2
申请日：2017-12-21
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明实施例公开了一种鲁棒的自适应半监督图像分类方法、装置、设备及计算机存储介质。其中，方法包括将鲁棒自适应嵌入标签传播和自适应权重构造集成为统一的半监督学习框架，并同时对基于嵌入特征和嵌入标签的重构误差进行最小化；利用鲁棒投影将原始预测标签集变化到预设标签空间中，以对原始预测标签集中的各标签进行分类；将原始数据集分解为去噪结果表示项和噪声拟合错误项，并对去噪结果表示项进行自适应权重构造和自适应标签传播；将回归的标签近似误差项集成在半监督学习框架中，进行联合最优化学习，得到投影分类器矩阵。本申请提供的技术方案有效的提升了图像分类和图形分类预测的能力，有利于提升图像分类的准确度。
-
Patent Agency Ranking
公开(公告)号：CN108052974A
公开(公告)日：2018-05-18
申请号：CN201711320019.4
申请日：2017-12-12
Applicant: 苏州大学
Abstract: 本申请公开了一种故障诊断方法、系统、设备及存储介质，该方法包括：分别获取目标设备在正常运行和故障运行时的与初始特征集对应的特征数据集，得到包括正常特征数据集和故障特征数据集的训练数据；分别计算正常特征数据集中每一特征数据与故障特征数据集中相应的特征数据之间对应的KL距离，得到KL距离集；采用支持向量机分类在训练数据上进行交叉验证；根据验证结果以及KL距离集中KL距离的大小，从初始特征集中确定出与故障运行相关的特征，得到最优特征集；当获取到目标设备的待诊断数据，则从待诊断数据中确定出与最优特征集对应的特征数据，然后利用该特征数据对目标设备进行相应的故障诊断。本申请有效地提升了后续故障诊断结果的准确性。
-
公开(公告)号：CN108009571A
公开(公告)日：2018-05-08
申请号：CN201711141009.4
申请日：2017-11-16
Applicant: 苏州大学
IPC: G06K9/62
CPC classification number: G06K9/6267 , G06K9/6256 , G06K9/6259
Abstract: 本发明公开了一种新的直推式半监督数据分类方法及系统，将无监督子空间特征学习，判别聚类和自适应半监督分类无缝地集成到一个统一的框架，基于原始数据的低维流行特征和判别子空间聚类结果进行半监督学习，可用于高维数据表示和分类，基于上述联合模型，图构造与标签传播过程也被无缝地结合，由此可得到基于低维流形特征的自适应权重系数矩阵和无标签数据的软类别标签。
-
公开(公告)号：CN107193993A
公开(公告)日：2017-09-22
申请号：CN201710419357.7
申请日：2017-06-06
Applicant: 苏州大学
CPC classification number: G06F16/285
Abstract: 本发明公开了一种基于局部学习特征权重选择的医疗数据分类方法，首先根据训练样本集得到样本的属性值，根据属性值利用梯度下降的权重更新方式计算属性对应的权重向量，因此可以保证收敛性，可以较快地达到算法的停止准则，减少计算时间，降低计算复杂度；根据计算出的权重向量进行特征选择得到最优特征集，将待评估数据样本进行标准化后再最优特征子集中进行特征选择，再将特征选择后的待评估数据样本进行分类就可以使数据样本实现降维，因此本发明实施例提供的方法实现降维的同时又降低了计算的复杂度，减少了计算时间。本发明还提供了一种基于局部学习特征权重选择的医疗数据分类装置，同样可以实现上述技术效果。
-
公开(公告)号：CN107067023A
公开(公告)日：2017-08-18
申请号：CN201710017368.2
申请日：2017-01-10
Applicant: 苏州大学
IPC: G06K9/62
CPC classification number: G06K9/6269
Abstract: 本申请公开一种故障诊断方法和装置。本发明将特征选择与支持向量机相结合，利用特征之间的差异性，选出与该故障相关的特征，差异越大，代表该特征与正常情况下有了很大的偏离，说明该特征可能是造成故障的一个重要原因，从而减少无用特征对分类结果的影响，本发明可较为容易选择出与故障相关的重要特征，提高了故障诊断的精度。
-
公开(公告)号：CN106651574A
公开(公告)日：2017-05-10
申请号：CN201611264984.X
申请日：2016-12-30
Applicant: 苏州大学
CPC classification number: G06Q40/025 , G06K9/6256 , G06K9/6269
Abstract: 本发明公开了一种个人信用评估方法及装置，其中该方法包括：获取训练样本集，训练样本集包括具有信用标签及多个信用属性的训练样本，信用标签为对对应训练样本的信用进行评估得到的标签；选取出分类效果最好的信用属性作为最优信用属性并组成对应的最优信用属性集，将每个训练样本中包含的最优信用属性集之外的信用属性去掉，得到对应的最优训练样本集；采用支持向量机对最优训练样本集建模，得到支持向量机分类模型；获取未知信用标签且仅具有最优信用属性的待测样本并作为支持向量机分类模型的输入，得到待测样本的信用标签。由此，避免了现有技术中因为专家的主观性及随机性导致分类精度较低的问题，且具有较高的分类精度。
-
-
-
-
-
-
-
-
-
Search Results
141
records
(took 0.029 seconds)
