-
公开(公告)号：CN104657486B
公开(公告)日：2018-01-19
申请号：CN201510093347.X
申请日：2015-03-02
Applicant: 武汉工程大学
IPC: G06F17/30
Abstract: 本发明提供一种基于多因子的行政区划的可信度计算的方法，对一个待查询地址字符串，计算位置查询因子；根据该待查询地址字符串所有可能的行政区划结果集，计算区划位置级差因子、区划相关因子和区划级差相关因子；根据区划级差相关因子，获得某行政区划字符串与所有其它行政区划字符串之间的区划级差相关因子的和，乘以该行政区划字符串的位置查询因子，即为该行政区划字符串的可信度，取最大可信度对应的行政区划字符串所在的行政区划结果。利用对待查询地址字符串的分词结果及所有可能的行政区划结果集，根据地址数据表达的语义特点，通过适当的匹配算法提高地址检索的速度和准确性，从而提高网络地图在线服务质量，从而为用户更好的定位。
-
公开(公告)号：CN105321178A
公开(公告)日：2016-02-10
申请号：CN201510657285.0
申请日：2015-10-12
Applicant: 武汉工程大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于稀疏主成分分析的图像分割的方法及装置，通过对待处理图像中的每一点，获取该点的邻域，根据该邻域的灰度值获取相似图像块，组成样本训练集，通过对样本训练集中的与该点对应的样本块进行稀疏主成分分析，得到稀疏主成分表达基和稀疏主成分表达系数，根据稀疏主成分表达基和稀疏主成分表达系数计算以该点为中心的图像块不含噪声的像素值，根据待处理图像中的各点对应的不含噪声的像素值构造不含噪声的图像，并且对不含噪声的图像分别进行二维直方图的全局阈值分割和基于移动平均法局部阈值分割，将两种分割方法得到图像根据区域联通性，获取分割后的图像，以此保证分割后的图像不受噪声影响。
-
公开(公告)号：CN104572992A
公开(公告)日：2015-04-29
申请号：CN201510004485.6
申请日：2015-01-06
Applicant: 武汉工程大学
IPC: G06F17/30
CPC classification number: G06F17/30241
Abstract: 本发明提供一种基于多约束推理的互联网地理位置信息规范化方法，首先利用爬虫从互联网上挖掘需要的原始文本地理信息，然后利用自定义的地理规范化模型，对从互联网中获取的零散的、不易理解的地理信息进行规范化，将他们进行分词，按照规范化的格式进行存储，最后结合贝叶斯公式进行计算判断信息的可信度，进行信息库的更新，使已经建立的规范化的地理文本信息库不断的完善和充实，信息的准确性和可靠性不断的提升。本发明提出了基于多约束的贝叶斯算法，提高了地理信息的准确性。
-
公开(公告)号：CN106326843B
公开(公告)日：2019-08-16
申请号：CN201610669093.6
申请日：2016-08-15
Applicant: 武汉工程大学
IPC: G06K9/00
Abstract: 本发明公开了一种人脸识别方法，在人脸集合中提取出p张人脸图像，将人脸集合中剩余的图像分为n类人脸图像并作为训练样本库，采用训练样本库中的类别均值信息对P张人脸图像进行预分类，在分类之后将P个人脸图像中的每张图像和对应类别的图像一并进行低秩恢复，获得低秩恢复图像和稀疏误差图像。依据低秩图像的低秩性对噪声鲁棒的原理，利用训练样本库训练极限学习机，最后将P个人脸图像对应的低秩恢复图像作为测试样本库，利用极限学习机作为标准，建立P个人脸图像和训练之后得到的人脸标签之间的映射关系，对P个人脸图像对应的低秩恢复图像进行人脸识别，不但提升了极限学习机的识别鲁棒性，还降低了计算复杂度。
-
公开(公告)号：CN105550649B
公开(公告)日：2019-03-08
申请号：CN201510906586.2
申请日：2015-12-09
Applicant: 武汉工程大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于全耦合局部约束表示的极低分辨率人脸识别方法及系统，该方法包括以下两个阶段：训练阶段和测试阶段；训练阶段包括以下三个步骤：S1、对表达字典进行更新；S2、计算其在局部约束和线性重建条件下的最优权值系数；S3、确定最优的神经元个数；测试阶段包括以下三个步骤：S4、获取待识别的低分辨率人脸图像计算其低分辨率表达系数；S5、利用高分辨率表达系数作为图像耦合局部约束特征；S6、得出识别结果。本发明提升了极低分辨率图像的表达能力，提升了在极低人脸图像上的识别率；最后通过极限学习机完成人脸识别，使识别结果更加准确。
-
Patent Agency Ranking
公开(公告)号：CN105677700B
公开(公告)日：2018-12-14
申请号：CN201510980148.0
申请日：2015-12-23
Applicant: 武汉工程大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于集合运算的中文地址行政区划解析方法，该方法包括以下步骤：首先利用行政区划字典和移动窗口最大匹配算法，从中文地址中提取所有可能的行政区划数据集，然后利用中文地址行政区划元素之间具有层次关系的特点，建立行政区划条件集合运算规则，最后对行政区划集合进行条件集合运算，得到信息量最完整最准确的中文地址的行政区划。本发明方法解决了在互联网中中文地址数据混乱无序的情况下快速解析出中文地址行政区划的问题，并能得到信息量最完整最准确的中文地址的行政区划解析结果。
-
公开(公告)号：CN104700078B
公开(公告)日：2018-06-08
申请号：CN201510081168.4
申请日：2015-02-13
Applicant: 武汉工程大学
Abstract: 本发明公开了一种基于尺度不变特征极限学习机的机器人场景识别算法，该方法包括以下步骤:首先，利用尺度不变特征表达机器人视觉图像的场景，其次使用K均值聚类算法实现机器人场景图像表达码本，最后利用极限学习机算法建立机器人视觉场景图像和场景标签之间的映射关系。本方法利用了极限学习机的优点，降低了传统神经网络的参数估计和优化的复杂度，进一步缩短了训练时间和提高了机器人场景图像的识别率。
-
公开(公告)号：CN106326843A
公开(公告)日：2017-01-11
申请号：CN201610669093.6
申请日：2016-08-15
Applicant: 武汉工程大学
IPC: G06K9/00
CPC classification number: G06K9/00268 , G06K9/00288
Abstract: 本发明公开了一种人脸识别方法，在人脸集合中提取出p张人脸图像，将人脸集合中剩余的图像分为n类人脸图像并作为训练样本库，采用训练样本库中的类别均值信息对P张人脸图像进行预分类，在分类之后将P个人脸图像中的每张图像和对应类别的图像一并进行低秩恢复，获得低秩恢复图像和稀疏误差图像。依据低秩图像的低秩性对噪声鲁棒的原理，利用训练样本库训练极限学习机，最后将P个人脸图像对应的低秩恢复图像作为测试样本库，利用极限学习机作为标准，建立P个人脸图像和训练之后得到的人脸标签之间的映射关系，对P个人脸图像对应的低秩恢复图像进行人脸识别，不但提升了极限学习机的识别鲁棒性，还降低了计算复杂度。
-
公开(公告)号：CN105469359A
公开(公告)日：2016-04-06
申请号：CN201510904054.5
申请日：2015-12-09
Applicant: 武汉工程大学
IPC: G06T3/40
CPC classification number: G06T3/4053
Abstract: 本发明公开了一种基于局部约束低秩表示的人脸超分辨率重建方法，包括以下步骤：S1、获取一张待重建的低分辨率人脸图像，将它与多张高分辨率人脸图像分别进行比对，找到互相重叠的图像块；S2、分别计算其在局部约束和低秩约束条件下的表达权重系数并对其求解，得到最优权重系数；S3、用其对应的高分辨率人脸图像上的重叠图像块，结合最优权重系数以及重叠次数进行合成，得到高分辨率的人脸图像块；S4、对合成得到的多个高分辨率的人脸图像块进行位置拼合，得到一张完整的高分辨率人脸图像。本发明能够获得更高质量的高分辨率人脸图像。
-
公开(公告)号：CN104657486A
公开(公告)日：2015-05-27
申请号：CN201510093347.X
申请日：2015-03-02
Applicant: 武汉工程大学
IPC: G06F17/30
Abstract: 本发明提供一种基于多因子的行政区划的可信度计算的方法，对一个待查询地址字符串，计算位置查询因子；根据该待查询地址字符串所有可能的行政区划结果集，计算区划位置级差因子、区划相关因子和区划级差相关因子；根据区划级差相关因子，获得某行政区划字符串与所有其它行政区划字符串之间的区划级差相关因子的和，乘以该行政区划字符串的位置查询因子，即为该行政区划字符串的可信度，取最大可信度对应的行政区划字符串所在的行政区划结果。利用对待查询地址字符串的分词结果及所有可能的行政区划结果集，根据地址数据表达的语义特点，通过适当的匹配算法提高地址检索的速度和准确性，从而提高网络地图在线服务质量，从而为用户更好的定位。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.024 seconds)
