投影变换矩阵的获取方法及装置、样本分类方法及装置

    公开(公告)号:CN103886345A

    公开(公告)日:2014-06-25

    申请号:CN201410161914.6

    申请日:2014-04-22

    Applicant: 苏州大学

    Abstract: 本发明提供了一种投影变换矩阵的获取方法及装置、样本分类方法及装置,本发明使用训练样本的类别标签构建类别矩阵,并根据类别矩阵加入计算投影变换矩阵中。本发明中由于类别标签能够准确的表示训练样本的类别,因此类别矩阵能够准确反应训练样本的类别。本发明取在欧氏距离和值最小的基础上,加入类别信息实现了有监督的学习,因此能够获得正确地投影变换矩阵,并很好地实现拉近同类之间距离,扩大异类之间距离的目的,进而使分类性能变好。

    一种监督邻域保持嵌入人脸识别方法和系统及人脸识别器

    公开(公告)号:CN103793704A

    公开(公告)日:2014-05-14

    申请号:CN201410087724.4

    申请日:2014-03-11

    Applicant: 苏州大学

    Abstract: 本申请公开了一种监督邻域保持嵌入人脸识别方法和系统及人脸识别器,所述方法包括:对训练样本集进行初始降维,获得一次降维训练样本集和一次降维训练样本矩阵;采用类别散度矩阵对一次降维训练样本集中的每个训练点的类别信息进行标记;采用二次投影矩阵对一次降维训练样本矩阵进行二次降维,得到二次降维训练样本矩阵,和二次降维训练样本集;建立测试样本,对所述测试验本进行两次降维,得到二次降维测试样本;提取与所述二次降维测试样本距离最近的二次降维训练样本,并把所述二次降维训练样本的类别标签赋予所述二次降维测试样本。相对于现有技术的降维方法,采用本申请提供的人脸识别方法,可以实现有监督学习,并且具有较高的识别率。

    一种人脸识别方法及系统

    公开(公告)号:CN103679162A

    公开(公告)日:2014-03-26

    申请号:CN201410003346.7

    申请日:2014-01-03

    Applicant: 苏州大学

    Abstract: 本申请提供了一种人脸识别方法,通过互为近邻的同类样本之间的实际距离,并构建类内邻接图,通过互为近邻的异类样本之间的实际距离,并构建类间邻接图,确定最佳目标维数和投影变换矩阵,将降维后的各个训练样本按照所述投影变换矩阵变换到判别子空间中,利用所述投影变换矩阵,将待测样本映射到所述判别子空间中,得到测试样本;利用最近邻分类模块,对所述测试样本进行分类。因此,本申请的类内邻接图和类间邻接图是通过近邻样本之间的实际距离得到的,能够反映样本真实的局部结构,因此提高了对待测样本进行分类的分类性能。

    一种人脸识别方法和装置

    公开(公告)号:CN103679160A

    公开(公告)日:2014-03-26

    申请号:CN201410003078.9

    申请日:2014-01-03

    Applicant: 苏州大学

    Abstract: 本发明提供了一种人脸识别的方法,该方法基于一类支持向量机来学习人脸图像之间的相似性,包括:对人脸样本进行分类得到训练样本组和测试样本组;对训练样本组中的训练样本进行分类得到至少两个类别,在每个类别中获取训练样本生成差样本对,并构造训练样本对组;依据训练样本对组对一类支持向量机进行训练,得到其决策模型参数,并得到相似性判别模型;将测试样本组中任意获取两个测试样本生成的测试差样本对输入相似性判别模型中进行相似性判断。在该方法中,输入一类支持向量机的训练样本采用分类并依据同类训练样本中生成训练样本差的方式,使得输入一类支持向量机的数据量减少,降低了计算的复杂度。

    基于有监督稀疏线性嵌入的手写体数字可视化方法及系统

    公开(公告)号:CN103440506A

    公开(公告)日:2013-12-11

    申请号:CN201310379419.8

    申请日:2013-08-27

    Applicant: 苏州大学

    Abstract: 本发明提供一种基于有监督稀疏线性嵌入的手写体数字可视化方法及系统,所述方法包括以下步骤。将有标签的图像数据集合转换为向量数据集合,并根据所述向量数据集合生成分块样本矩阵。若所述分块样本矩阵中的第i类样本矩阵为Xi,且Xi的第j个列向量将所述Xi表示为其中为的加权系数,用正交匹配追踪算法求解所述根据所述加权系数及样本数据的加权系数矩阵,定义矩阵M。对所述矩阵M作特征分解,从小到大获取第2到d+1个特征值所对应的特征向量组成降维后的向量数据矩阵,其中d为降维后的维数,并输出所述降维后的向量数据矩阵的可视化坐标。

    一种基于支持向量机的人脸识别方法及系统

    公开(公告)号:CN103279746A

    公开(公告)日:2013-09-04

    申请号:CN201310210372.2

    申请日:2013-05-30

    Applicant: 苏州大学

    Abstract: 本发明公开了一种基于支持向量机的人脸识别方法及系统。所述方法包括:获取人脸样本训练集:对于人脸样本训练集中的每一个人脸样本,随机选取k个与该人脸样本属于同一个类别的人脸样本作为同类样本,随机选取k个与该人脸样本属于不同类别的人脸样本作为异类样本;根据所述同类样本和所述异类样本生成差样本对集合;所述差样本对集合中,对于所述人脸样本训练集中的每一个人脸样本,均有2k个同类差样本对,以及2k个异类差样本对;对于差样本对集合,采用支持向量机训练得到相似性判断模型;根据所述相似性判断模型得到分类模型,采用所述分类模型进行人脸识别。采用本发明的方法或系统,可以在保证快速采样的前提下提高人脸识别的效率。

    一种小样本语义分割方法及装置
    177.
    发明公开

    公开(公告)号:CN118736224A

    公开(公告)日:2024-10-01

    申请号:CN202410845144.0

    申请日:2024-06-27

    Applicant: 苏州大学

    Abstract: 本发明涉及图像处理技术领域,尤其是指一种小样本语义分割方法及装置。获取训练集,构建初始小样本语义分割模型,将训练集数据输入,对支持图像的高层特征与查询图像的高层特征分别进行校正,作为支持特征与查询特征,计算支持特征与查询特征的亲和矩阵,通过Softmax函数,得到第一矩阵,基于第一矩阵对支持掩码进行增强,得到增强支持掩码,通过增强支持掩码对亲和矩阵进行加权融合,得到先验掩码,将先验掩码以及获取的支持原型、中层查询特征输入特征富集模块,输出查询图像的预测分割图与查询图像的各个尺度分割图,利用损失函数对模型进行训练,得到目标小样本语义分割模型,缓解了数据集类别不平衡的问题,提高了对查询图像目标分割的精度。

    服务质量感知的并行柔性Skyline服务发现方法

    公开(公告)号:CN112787870B

    公开(公告)日:2021-11-02

    申请号:CN202110211321.6

    申请日:2021-02-25

    Applicant: 苏州大学

    Abstract: 本发明涉及一种服务质量感知的并行柔性Skyline服务发现方法,包括:由每个并行节点均执行锦标赛选择算法而对其内部的候选服务进行修剪;再使得每个并行节点均执行区块支配算法而对其内部的候选服务进行筛选而获得局部Skyline服务;将所有的局部Skyline服务集合构成第一集合,再用区块支配算法对第一集合进行筛选而获得全局Skyline服务;判断全局Skyline服务是否存在第一约束,若判断为是,则利用柔性Skyline服务修正算法进行处理得到柔性Skyline服务集合后输出,否则,直接输出全局Skyline服务。本发明降低了计算复杂度、提升了服务选择精度,利于准确、高效地过滤出优质服务。

    贝叶斯协同过滤推荐方法

    公开(公告)号:CN109840833B

    公开(公告)日:2020-11-10

    申请号:CN201910112719.7

    申请日:2019-02-13

    Applicant: 苏州大学

    Abstract: 本发明公开了一种贝叶斯协同过滤推荐方法。本发明一种贝叶斯协同过滤推荐方法,包括:模型的输入为协同过滤推荐系统的评分矩阵分解为两个潜在矩阵其中对于M×K的矩阵Uik表示用户i属于组k的概率,Uik∈(0,1);对于N×K的矩阵Vjk表示用户组k喜欢商品j的证据,即预测评分矩阵R'=UVT;由于数据集R比较稀疏,所以观察的条目可以用集合Ω={(i,j)|Rij is observed};对这个问题采取概率方法;对观测数据表示一个似然函数,并将潜在矩阵作为随机变量来处理;当假设R的每个值来自U和V的乘积时,加上一些高斯噪声本发明的有益效果:用户的喜好多种多样,不会像小数据集中体现出口味较为一致。现实数据集中存在大量数据缺失问题,如果对证据不足难以预测的值,都预测为中值或者为平均值就失去了推荐的意义。

    一种手写体字符图像特征识别的方法及系统

    公开(公告)号:CN106845358B

    公开(公告)日:2020-11-10

    申请号:CN201611217910.0

    申请日:2016-12-26

    Applicant: 苏州大学

    Abstract: 本发明公开了手写体字符图像特征识别的方法及系统,在特征学习方面,目标在于紧凑局部软标签类内散度并分离局部软标签类间散度,同时在所有训练数据上进行局部保持特征提取;为了在特征提取和展示方面对于噪声鲁棒,对于噪声鲁棒的1‑范数规则被用于构造样本间的相似度,使得在识别中图像展示的能力可得到显著提升;基于比例的模型可通过一个迭代的方法得到描述矩阵,该描述矩阵具有判别性与局部保持的特点且具有正交特性;样本外图像的归纳通过将测试样本向描述矩阵进行投影,进而将提取的特征输入最近邻分类器进行归类,取对应欧式距离最小值的位置,用于测试图像的类别鉴定,得到最准确的识别结果。

Patent Agency Ranking