公开(公告)号：CN113537371B

公开(公告)日：2023-03-17

申请号：CN202110831372.9

申请日：2021-07-22

Applicant: 苏州大学

Inventor： 张莉 ,  张梦倩 ,  王邦军 ,  赵雷

IPC: G06F16/2458

Abstract: 本发明涉及一种融入边缘特征两阶段的上皮细胞分类方法，包括将细胞染色图像数据划分为原始训练集和原始验证集，通过聚类、Sobel运算和子集划分，得到聚类后的训练集、粗类训练集和细类训练集；利用聚类后的训练集和粗类训练集对粗粒度分类器进行训练，利用细类训练集对细粒度分类器进行训练，得到训练好的粗粒度分类器和细粒度分类器；利用粗粒度分类器和细粒度分类器对待分类的细胞染色图像数据进行类别分类。本发明在训练过程中，将训练集中图像的重要特征保留下来，使得前后的特征信息能够进一步的融合，从而最大限度地识别和保留判别信息，提高机器学习模型的效率。

公开(公告)号：CN115778667A

公开(公告)日：2023-03-14

申请号：CN202211418841.5

申请日：2022-11-14

Applicant: 苏州市吴江区儿童医院 ,  苏州大学附属儿童医院

Inventor： 金雪梅 ,  周云凤 ,  张莉

IPC: A61F7/00

Abstract: 本发明公开了一种皮肤烫伤应急处理装置，包括：设备箱体,其上方固定连接有提手，方便设备的携带和操作，所述设备箱体内部靠近所述提手一侧固定安装有上方降温组件，所述上方降温组件下方上下滑动设有下方降温组件，且所述上方降温组件和所述下方降温组件内设有冷却液体，所述设备箱体外侧固定有真空泵并通过导管与所述上方降温组件和所述下方降温组件连通，通过所述真空泵降低所述上方降温组件和所述下方降温组件内部气压使冷却液体剧烈汽化所需的温度降低，所述上方降温组件上方固定有通风组件，能够使气体快速流动，将伤口处的热量带至所述上方降温组件和所述下方降温组件处使冷却液快速汽化，实现快速降温。

公开(公告)号：CN114254997B

公开(公告)日：2023-03-10

申请号：CN202111488827.8

申请日：2021-12-07

Applicant: 苏州大学

Inventor： 张莉 ,  魏真 ,  赵雷 ,  王邦军

IPC: G06Q10/107 ,  G06F18/2413 ,  G06F18/22 ,  G06F17/18

Abstract: 本发明涉及一种基于密度自适应过采样的垃圾邮件分类系统，包括数据输入模块用于输入原始邮件数据集合，其中原始邮件数据集合包括垃圾邮件数据集合和非垃圾邮件数据集合；过采样模块用于剔除垃圾邮件数据集合中的噪音样本点，使噪音样本点不参与过采样的过程，获得第一垃圾邮件数据集合，计算第一垃圾邮件数据集合中的每个样本点的密度，生成第二垃圾邮件数据集合；数据训练模块用于获得最终的邮件数据集合，利用其对神经网络模型进行训练，获得邮件识别模型；邮件识别模块用于将待识别的邮件数据输入至邮件识别模型，并输出识别结果。本发明能够达到数据样本数量的平衡，克服现有技术因数据样本数量不平衡而导致的对垃圾邮件检测率较低的问题。

公开(公告)号：CN114070621B

公开(公告)日：2023-01-17

申请号：CN202111356908.2

申请日：2021-11-16

Applicant: 苏州大学

Inventor： 张莉 ,  苏畅之 ,  赵雷 ,  王邦军

IPC: H04L9/40 ,  H04L41/16

Abstract: 本发明涉及一种面向网络数据流分类的在线稀疏学习方法，包括以下步骤：S1、构建数据缓冲池，向数据缓冲池中输入预设数量的带标签数据流序列，获得初始模型函数；S2、当数据缓冲池接收到带标签的流数据，则利用梯度下降法求解该带标签的流数据的目标函数并更新模型参数；S3、当新的带标签的流数据小于数据缓冲池的容量，则将新的带标签的流数据加入到缓冲池中，转至S2；否则，继续下一步；S4、采用核匹配追踪算法重新分配模型参数以保证模型参数的稀疏性；S5、采用更新后的模型对无标签流数据进行预测和分类。本发明的在线支持向量机在线学习效率高，模型更新效果好，能够产生稀疏模型。

公开(公告)号：CN115329084A

公开(公告)日：2022-11-11

申请号：CN202211032809.3

申请日：2022-08-26

Applicant: 苏州大学

Inventor： 张莉 ,  苏畅之 ,  金玲彬 ,  赵雷 ,  王邦军 ,  周伟达

IPC: G06F16/35 ,  G06F16/335 ,  G06K9/62

Abstract: 本发明公开了一种基于稀疏线性在线学习的垃圾邮件分类方法及系统，方法包括：S1、利用随机傅里叶特征方法将特征化的电子邮件原始数据集映射为高维特征空间的训练样本，得到预处理后的训练样本集；S2、利用预处理后的训练样本集训练线性分类模型，并采用FTRL算法对模型参数进行更新，得到训练后的线性分类模型；S3、利用训练后的线性分类模型对电子邮件进行预测分类。本发明基于稀疏线性在线学习的垃圾邮件分类方法通过将特征化的电子邮件原始数据集映射为高维特征空间的训练样本，并在模型训练时采用FTRL算法对模型参数进行更新，在保留了线性分类模型快速高效特点的同时进一步取得了稀疏性，提升了分类准确率。

公开(公告)号：CN108830302B

公开(公告)日：2022-06-07

申请号：CN201810523533.6

申请日：2018-05-28

Applicant: 苏州大学

Inventor： 窦清昀 ,  张莉 ,  王邦军 ,  凌兴宏 ,  姚望舒 ,  张召 ,  李凡长

IPC: G06V10/764 ,  G06V10/762 ,  G06V10/774 ,  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：CN111640101B

公开(公告)日：2022-04-29

申请号：CN202010475998.6

申请日：2020-05-29

Applicant: 苏州大学

Inventor： 张莉 ,  于厚舜 ,  屈蕴茜 ,  王邦军 ,  孙涌

IPC: G06T7/00 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于Ghost卷积特征融合神经网络实时车流量检测系统及方法,包括：数据预处理模块，用于从拍摄的视频中进行抽帧，得到第一训练集，对所述第一训练集中的目标图像进行标记形成第二训练集，再利用高斯滤波器生成目标图像的密度图，形成第三训练集；网络训练模块，通过所述第三训练集对网络进行训练得到网络模型，其中所述网络包括多个Ghost卷积层；目标信息预测模块，从拍摄的视频中进行抽帧，作为测试图像，将所述测试图像输入至所述网络模型中进行预测，得到测试图像的目标信息。本发明误差小，有利于获得良好的性能。

公开(公告)号：CN110084155B

公开(公告)日：2022-04-12

申请号：CN201910294403.4

申请日：2019-04-12

Applicant: 苏州大学

Inventor： 张莉 ,  陆金刚 ,  王邦军 ,  周伟达

IPC: G06V40/10 ,  G06V20/52 ,  G06N3/04

Abstract: 本发明公开了一种密集人群计数的方法、装置、设备以及计算机可读存储介质，包括：将待测试图像输入预先完成训练的目标残差多尺度卷积神经网络，其中，所述目标残差多尺度卷积神经网络中的两个预选卷积层之间设有残差单元；利用所述目标残差多尺度卷积神经网络对所述待测试图像进行处理，得到所述待测试图像的估计密度图并输出；依据所述目标估计密度图，确定所述待测试图像中的人数。本发明所提供的方法、装置、设备以及计算机可读存储介质，利用残差单元有效解决了网络的退化问题，从而有效降低了密级人群计数的误差。

公开(公告)号：CN114140353A

公开(公告)日：2022-03-04

申请号：CN202111414625.9

申请日：2021-11-25

Applicant: 苏州大学

Inventor： 张莉 ,  代强 ,  赵雷 ,  王邦军

IPC: G06T5/00 ,  G06T3/40 ,  G06V10/40 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于通道注意力的Swin‑Transformer图像去噪方法及系统。本发明通过向训练优化后的去噪网络模型输入一张噪声图像，去噪网络模型中的浅层特征提取网络首先提取噪声图像的噪声、通道等浅层特征信息，然后将提取到的浅层特征信息输入到去噪网络模型中的深层特征提取网络用以获取到深层特征信息，之后将浅层特征信息和深层特征信息输入到去噪网络模型的重建网络进行特征融合，即可获得纯净图像，克服了现有技术中基于深度卷积神经网络的图像去噪方法易失去输入噪声图像细节且导致高计算内存和时间消耗的问题。

公开(公告)号：CN113902949A

公开(公告)日：2022-01-07

申请号：CN202111187944.0

申请日：2021-10-12

Applicant: 苏州大学

Inventor： 张召 ,  张妍 ,  张莉 ,  王邦军

IPC: G06V10/764 ,  G06V10/20 ,  G06V10/762 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请公开了一种图像识别方法、装置、电子设备及可读存储介质。其中，方法包括根据已知标签信息的第一类图像数据和无标签信息的第二类图像数据，生成用于训练图像识别模型的原始图像数据；利用预先构建的多层耦合分解结构对原始图像数据进行深度分解，得到深度特征信息；利用各已知标签信息构建约束信息，基于该约束信息和深度特征信息，通过最小化标签重构误差得到用于标签预测的标签投影矩阵；利用标签投影矩阵对第二类图像数据进行标签预测，并更新约束信息和原始图像数据，利用该原始图像数据对训练好的图像识别模型进行更新或者是进行图像识别模型的训练，提升模型性能，从而可以有效提高图像识别准确度。