公开(公告)号：CN108875782A

公开(公告)日：2018-11-23

申请号：CN201810431379.X

申请日：2018-05-08

Applicant: 东南大学

Inventor： 舒华忠 ,  陈晓鹏 ,  孔佑勇 ,  伍家松 ,  杨淳沨

IPC: G06K9/62

Abstract: 本发明公开一种基于自适应图滤波器下的特征聚类方法，包括如下步骤：步骤1，特征数据规范化，同一维度的特征要求单位化；步骤2，特征数据标签记录，提供一定量的先验知识；步骤3，构建基于数据源的图信号，将数据映射到数据结构图上，获取初始图信号s(known)；步骤4，全变分平滑滤波，获得降噪后的图信号s(true)；步骤5，图滤波器自匹配，获得抽头数组h；步骤6，全局滤波，获得分类结果s(pred)。此种方法可增强对先验知识的利用，构建新的图信号权重边。

公开(公告)号：CN107146228A

公开(公告)日：2017-09-08

申请号：CN201710175040.3

申请日：2017-03-22

Applicant: 东南大学

Inventor： 孔佑勇 ,  任洲甫 ,  左雨林 ,  沈傲东 ,  伍家松 ,  舒华忠

IPC: G06T7/11 ,  G06K9/62 ,  G06T7/33

Abstract: 本发明公开了一种基于先验知识的大脑磁共振图像超体素生成方法，基于K‑means聚类算法，利用空间距离、像素强度和先验知识的加权作为最终的距离度量，对图像像素进行聚类，把大脑MRI图像分割为一系列均匀并且较好地贴合图像边缘的超体素。本发明通过融入大脑不同组织的先验知识，设计一种新型测度算子，构建一种鲁棒的超体素生成方法，实现对大脑磁共振图像的超体素分割，能够减小图像噪声对分割结果的影响。与已有的超体素生成方法相比，本发明方法效率更高，边界贴合度更高，能较好地抑制噪声的影响。

公开(公告)号：CN106919710A

公开(公告)日：2017-07-04

申请号：CN201710144714.3

申请日：2017-03-13

Applicant: 东南大学

Inventor： 伍家松 ,  魏黎明 ,  邱诗洁 ,  杨淳沨 ,  孔佑勇 ,  朱小贝 ,  舒华忠

IPC: G06F17/30 ,  G06N3/08

CPC classification number: G06F17/30752 ,  G06F17/30268 ,  G06F17/3028 ,  G06N3/084

Abstract: 本发明公开了一种基于卷积神经网络的方言分类方法，包括如下步骤：(1)建立包含多地方言的样本集，对样本进行预处理，并进行标注；(2)将训练集和测试集中的所有图片缩放成预定大小的彩色图，并为每张图片赋予标签信息，标签信息表示对应的图片所属的县级市；(3)建立卷积神经网络，卷积神经网络各层次依次为输入层、多个卷积层、全连接层和输出层，使用梯度下降法和反向传播算法训练所属卷积神经网络；(4)训练完成后，得到训练过程中的错误率下降趋势图。本发明的有益效果为：使用卷积神经网络对二维图像进行分类，可取得良好的分类效果，很大程度上提高对方言的分类准确率。

公开(公告)号：CN104881682A

公开(公告)日：2015-09-02

申请号：CN201510274498.5

申请日：2015-05-26

Applicant: 东南大学

Inventor： 达臻 ,  伍家松 ,  姜龙玉 ,  孔佑勇 ,  杨淳沨 ,  舒华忠

IPC: G06K9/62

CPC classification number: G06K9/6269

Abstract: 本发明公开了一种基于保局映射与主成分分析的图像分类方法，包括以下步骤：1、输入训练对象；2、建立一层或两层的流形学习网络，对于每一种具体的网络，学习得到每一层的滤波器；3、建立流形学习网络的输出层得到最终特征向量；4、将步骤3中最终得到的所有的特征向量输入支持向量机分类器进行训练；5、用校验图像集进行校验，调整到最佳网络参数；6、对测试图像进行测试，统计分类结果，计算识别率。本发明通过构造三种结构相似但不同网络层的网络，应用一种流形方法即保局映射获得图像更加本质的局部结构，使得在各种分类任务中，构造的网络更加具有分辨力，获得更高的图像的分类准确率。