-
公开(公告)号：CN105260995A
公开(公告)日：2016-01-20
申请号：CN201510866909.X
申请日：2015-12-01
Applicant: 苏州大学
IPC: G06T5/00
Abstract: 本发明公开了一种图像修复与去噪方法及系统，对于给定的原始训练图像，该方法包括：通过引入联合低秩与稀疏矩阵分解的思想，利用凸优化技术，将给定的训练样本图像数据矩阵分解为联合低秩与稀疏主成分特征编码矩阵与稀疏错误矩阵，根据所述训练图像样本数据的低秩和稀疏特性，确定所述训练图像样本数据的联合低秩与稀疏主成分特征以及错误矩阵，实现对所述原始的可能包含错误的图像进行修复与去噪处理，得到经过修复与去噪后的图像。本发明所提供的图像修复与去噪方法及系统，在对图像数据进行特征描述的同时充分考虑了数据的鲁棒低秩和稀疏特性，以克服现有技术的不足，提高了图像修复与去噪的性能及模型的鲁棒性。
-
公开(公告)号：CN105224957A
公开(公告)日：2016-01-06
申请号：CN201510697522.6
申请日：2015-10-23
Applicant: 苏州大学
CPC classification number: G06K9/6212 , G06K9/00268 , G06K9/6256
Abstract: 本发明公开了一种基于单样本的图像识别的方法及系统，包括：获取待识别图像；将所述待识别图像划分为预定尺寸的互不重叠的子图像，并利用LBP算法得到每个子图像的统计直方图；依次计算所述每个子图像的统计直方图与所述统计直方图相对应的各个样本中的统计直方图的第一曼哈顿距离，根据所述第一曼哈顿距离确定粗检样本；依次计算每个子图像的统计直方图与所述统计直方图相对应的所述粗检样本中的统计直方图的第二曼哈顿距离，根据所述第二曼哈顿距离确定与所述待识别图像最相似的最终样本；该方法及系统能够在提高人脸识别效果的同时，避免了在特征提取的过程中需要过多的时间。
-
公开(公告)号：CN104778479A
公开(公告)日：2015-07-15
申请号：CN201510197288.0
申请日：2015-04-23
Applicant: 苏州大学
IPC: G06K9/62
CPC classification number: G06K9/6286
Abstract: 本发明公开了一种基于稀疏编码提取子的图像分类方法及系统，通过将一个特征描述项集成到现有的判别型标签一致字典学习框架，提出一个统一的“编码+描述+分类”模型框架。模型通过最小化稀疏重构错误、特征描述错误、稀疏编码错误和分类错误，得到判别的稀疏编码，同时输出一个线性的稀疏编码提取子和一个多类分类器。稀疏编码提取子主要通过最小化图像数据之描述和其稀疏编码之间的拟合错误得到。通过计算一个稀疏编码提取子，可快速实现样本外图像数据的分类，无需引入额外的稀疏重构过程，有效提高了图像分类的精准度。分类过程主要通过线性分类器实现，输出测试样本的类别归属概率，取概率的最大值，用于类别鉴定，得到最准确的分类结果。
-
-
公开(公告)号：CN104615789A
公开(公告)日：2015-05-13
申请号：CN201510101131.3
申请日：2015-03-06
Applicant: 苏州大学
CPC classification number: G06K9/6271
Abstract: 本申请提供了一种数据分类方法及装置，该方法在对初始属性进行约简时，使用的是基于最小化属性个数、条件属性对决策属性的依赖度和区别矩阵的遗传算法，具有该种特征的遗传算法相较于通过最小化属性个数和最大化区别矩阵个数进行约简的算法而言，考虑到了条件属性对决策属性的依赖度，避免不相关属性的存在，从而提高了分类准确度。
-
Patent Agency Ranking
公开(公告)号：CN104504412A
公开(公告)日：2015-04-08
申请号：CN201510027888.2
申请日：2015-01-20
Applicant: 苏州大学
CPC classification number: G06K9/6835 , G06K9/46 , G06K9/66
Abstract: 本发明公开了一种手写体笔划特征提取和识别方法，通过引入低秩矩阵恢复和稀疏投影，将手写体图像分解为低秩主成分笔划特征、显著笔划特征和笔划错误。通过凸优化技术，实现主成分特征编码、显著笔划特征提取和笔划自动纠错，并保持显著笔划特征的相似性。得到的稀疏投影不仅可以提取手写体训练样本的显著笔划特征，且可用于测试样本的嵌入和鉴别性特征提取，生成训练集和测试集，再输入最近邻分类器，根据测试样本与训练样本间的相似性和训练样本的类别，得到测试样本的类别信息，得到最准确的手写体识别结果。通过引入低秩和稀疏编码，在得到主成分笔划特征和具鉴别性的显著笔划特征的同时可检测错误的笔划，有效提高了手写体描述和识别能力。
-
公开(公告)号：CN104463202A
公开(公告)日：2015-03-25
申请号：CN201410708851.1
申请日：2014-11-28
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明公开一种多类图像半监督分类方法及系统，首先对训练集中有标签图像样本和无标签图像样本进行相似性学习，构造相似近邻图和归一化的权重，用于表征样本相似性，再初始化一个类标签矩阵，为有效降低“软类别标签”预测标签F中的混合信号对结果的影响，引入l2,1-范数正则化，同时对F施加非负与列和为1的约束，确保估计的“软标签”满足概率定义和非负性，最后利用参数权衡相似性度量、初始类别标签和l2,1-范数正则化对分类的影响，完成半监督学习建模，取相似性概率的最大值，用于图像类别鉴定，得到分类结果。通过引入l2,1-范数正则化，将混合信号对分类的影响降低，使分类精准度有了提高。此外，还可有效对训练集外的数据进行分类，可拓展性好。
-
公开(公告)号：CN102495944B
公开(公告)日：2014-11-05
申请号：CN201110356343.8
申请日：2011-11-11
Applicant: 苏州大学
IPC: G06F19/00
Abstract: 本发明实施例公开了一种时间序列预测方法、设备和方法，其中方法包括：训练获取的时间序列数据得到训练数据集；利用所述训练数据集训练选定预测器组生成具有多样性的预测器组；提取稀疏信号重构优化函数并求解所述具有多样性的预测器组的加权系数；截获加权系数非零的预测器进行时间序列数据预测。本发明实施例将具有多样性的预测器组的加权系数作为稀疏信号进行重构并求解相应优化函数，所得出的加权系数由于具有稀疏性，利用上述得出的加权系数为非零的预测器进行时间序列数据预测校验，由于所用预测器组的数量精简从而加速了校验过程，且预测准确性得到了提高。
-
公开(公告)号：CN103986653A
公开(公告)日：2014-08-13
申请号：CN201410234723.8
申请日：2014-05-29
Applicant: 苏州大学
IPC: H04L12/721
Abstract: 本发明公开一种网络节点以及数据传输方法和系统。本发明基于DTN网络特性为网络节点制定了信息维护、更新机制，以使每个网络节点可以计算出任意时刻网络的拓扑结构，进而为后续的路由选择提供支持；并基于公平性原则依据数据的优先级和排队等待时间制定了网络节点的数据转发调度策略。在此基础上，公开的数据传输方法中，源节点综合考虑当前节点的数据排队情况以及节点间的链路带宽，依据当前网络的实时状态计算、获取下一跳节点实现数据传输，并保证下一跳节点处于当前网络的最优路径上。可见，本发明兼顾了数据传输的高实时性和公平性，减少了网络的平均时延，解决了传输带宽和节点容量均受限的DTN中高成功率、低延迟的数据传输问题。
-
公开(公告)号：CN102567740B
公开(公告)日：2014-07-16
申请号：CN201010588569.6
申请日：2010-12-14
Applicant: 苏州大学
IPC: G06K9/64
Abstract: 本发明公开了一种图像识别方法及系统。一种图像识别方法，包括：计算所述待识别图像的极值点的位置值和极值以及变动系数；依次获取每种图像类中的标准图像的变动系数和待识别图像的变动系数匹配代价，并将所获取的变动系数匹配代价与预设匹配值比较；当比较结果不大于预设匹配值时，进行匹配识别步骤；当比较结果大于预设匹配值时，判定待识别图像与标准图像不属于同一图像类。应用上述技术方案，首先比较变动系数匹配代价，在比较结果不大于预设匹配值时，才进行匹配步骤。而比较结果大于预设匹配值时，直接判定待识别图像与标准图像不属于同一图像类。与现有技术相比减少了匹配时间，提高了匹配效率。
-
-
-
-
-
-
-
-
-
Search Results
231
records
(took 0.03 seconds)
