-
公开(公告)号：CN108388869A
公开(公告)日：2018-08-10
申请号：CN201810166510.4
申请日：2018-02-28
Applicant: 苏州大学
Abstract: 本发明公开了一种基于多重流形的手写数据分类方法及系统，该方法包括：获取高维数据集；分别计算高维数据集中任意两个数据点之间的相似度，获取高维数据集对应的相似矩阵；根据相似矩阵，构建高维数据集对应的目标拉普拉斯矩阵；将目标拉普拉斯矩阵的前第一预设数量的特征向量聚入到第二预设数量的类别内，获取高维数据集的分类结果；本发明通过获取高维数据集对应的相似矩阵，获得高维数据的底层低维映射流形结构，可以构建同时考虑高维数据的高维结构和底层低维映射结构的拉普拉斯矩阵，利用目标拉普拉斯矩阵对拉普拉斯矩阵进行特征值分解，从而对得到的特征值进行聚类，得到高维数据集的聚类结果，尽可能多地保留了高维数据的原始结构。
-
公开(公告)号：CN108052974A
公开(公告)日：2018-05-18
申请号：CN201711320019.4
申请日：2017-12-12
Applicant: 苏州大学
Abstract: 本申请公开了一种故障诊断方法、系统、设备及存储介质，该方法包括：分别获取目标设备在正常运行和故障运行时的与初始特征集对应的特征数据集，得到包括正常特征数据集和故障特征数据集的训练数据；分别计算正常特征数据集中每一特征数据与故障特征数据集中相应的特征数据之间对应的KL距离，得到KL距离集；采用支持向量机分类在训练数据上进行交叉验证；根据验证结果以及KL距离集中KL距离的大小，从初始特征集中确定出与故障运行相关的特征，得到最优特征集；当获取到目标设备的待诊断数据，则从待诊断数据中确定出与最优特征集对应的特征数据，然后利用该特征数据对目标设备进行相应的故障诊断。本申请有效地提升了后续故障诊断结果的准确性。
-
公开(公告)号：CN104933868A
公开(公告)日：2015-09-23
申请号：CN201510338706.3
申请日：2015-06-17
Applicant: 苏州大学
Abstract: 本发明公开了一种基于交通监控视频的实时在线交通状态检测方法，其特征在于：包括对应每个监控设备上设置一视频处理器，每一所述视频处理器经网络模块与远程服务器连接，其中:所述视频处理器读取对应所述监控设备上的视频图像，按照获得的图片求取每一帧图片中各像素点的灰度值X，并与预存参数值X-1比较，由核方法评估该视频处理器上观察到的路段拥堵程度ci，并上传；由远程服务器通过各个实时路段拥堵程度ci进行分析，获得从一个路口到下一个路口的路段拥堵程度值C。本发明通过视频处理器分析实时图像灰度，利用核方法评估拥堵程度并上传，减少了数据传数量，实现服务器对数据的实时获取，提高交通信息的处理能力和有效性。
-
公开(公告)号：CN111754025B
公开(公告)日：2024-06-25
申请号：CN202010449431.1
申请日：2020-05-25
Applicant: 苏州大学文正学院
IPC: G06Q10/04 , G06N3/0464 , G06N3/08 , G06Q50/40
Abstract: 本发明公开了一种基于CNN+GRU的公交短时客流预测方法。公交站点客流预测是公交调度的主要依据，针对传统的公交短时客流预测只考虑时间特征这一问题，提出基于卷积神经网络(CNN)和门控循环单元(GRU)的预测模型，分别利用CNN和GRU对公交客流的空间和时间特征进行提取，构建公交客流预测模型。利用苏州市公交IC卡刷卡数据和公交车GPS数据，构建站点客流时空矩阵，使用模型对公交站点的客流进行预测。实验结果表明，CNN+GRU预测模型能够有效地进行公交短时客流预测，并且比其他模型具有更好的准确性。
-
公开(公告)号：CN110941268B
公开(公告)日：2022-09-02
申请号：CN201911139128.5
申请日：2019-11-20
Applicant: 苏州大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于Sarsa安全模型的无人自动小车的控制方法，包括如下步骤：初始化，选择初始状态和初始动作；将初始状态置为当前状态，将初始动作置为当前动作；执行当前动作，无人自动小车进入下一状态并获得回报值；对约束函数进行线性处理；用拉格朗日乘数法求解无人自动小车处于下一状态时可执行的下一安全最优动作；完成Q值函数、状态空间和动作空间的更新。本发明将多维约束进行线性化，可以保证状态‑动作值函数和约束函数可求导，并且避免在求解过程中无人自动小车无法获得最佳动作，然后采用拉格朗日乘数法进行求解，提高了无人自动小车在当前状态下选择安全最优动作的效率和精确度。
-
Patent Agency Ranking
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
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：CN113592170A
公开(公告)日：2021-11-02
申请号：CN202110844598.2
申请日：2021-07-26
Applicant: 苏州大学文正学院
Abstract: 本发明涉及一种面向项目型ERP系统的APS规划方法及系统，包括以下步骤：获取临时物料列表；计算临时物料列表中的临时物料的层级，所述临时物料的层级分为0,1,2,3...，n级；获取0级物料的物资时间跟踪表；依次计算1级物料‑n级物料的制造订单的临时完工日期，根据物料制造订单的临时完工日期，计算该级物料的工单的工差及物料时间跟踪表。其将企业的资源限制与企业目标纳入考虑，使得生产规划与排程系统的规划结果达到最佳化。
-
公开(公告)号：CN107958241B
公开(公告)日：2021-09-21
申请号：CN201810007877.1
申请日：2018-01-04
Applicant: 苏州大学
Abstract: 本发明公开了一种单样本人脸识别方法、装置、设备及计算机可读存储介质，包括对待识别图像进行预处理，得到行列一致的待识别单样本；采用预先计算出的SVD投影矩阵和LU投影矩阵分别对待识别单样本进行投影，得到第一判别特征和第二判别特征；利用第一判别特征、第二判别特征、第一计算关系式、预先依据原始训练样本集计算出的SVD权重、LU权重、与原始训练样本集中的各个原始训练样本一一对应的各个SVD判别特征和各个LU判别特征计算出待识别单样本到各个原始单样本的距离；采用最近邻分类器从各个距离中确定出待识别单样本距离最近的原始单样本，并以确定出待识别单样本的类别。扩展了数据的求解范围，提高了识别率和识别性能。
-
公开(公告)号：CN109241426A
公开(公告)日：2019-01-18
申请号：CN201811016431.1
申请日：2018-08-31
Applicant: 苏州大学
IPC: G06F16/9535 , G06K9/62
Abstract: 本发明公开了一种对象推荐方法，该方法包括：获取目标用户所属的聚类用户集合，以及待推荐对象对应的客观用户集合；将聚类用户集合和客观用户集合的交集作为相似客观用户集合；对相似客观用户集合进行相似度估分计算，获得目标用户对待推荐对象的预估分值；若预估分值大于推荐阈值，则将待推荐对象推荐给目标用户。相似客观用户集合中的用户，既与目标用户具有相似性，又排除了非客观评价的用户，因而计算出预估分值，既符合目标用户的个性化特征，又具有客观性。因此，将预估分值大于推荐阈值的待推荐目标用户，更符合目标用户的需求，即对象推荐更准确。本发明还公开了一种对象推荐装置、设备及可读存储介质，具有相应的技术效果。
-
公开(公告)号：CN108805054A
公开(公告)日：2018-11-13
申请号：CN201810529645.2
申请日：2018-05-29
Applicant: 苏州大学
IPC: G06K9/00
CPC classification number: G06K9/00288
Abstract: 本发明公开了一种人脸图像分类方法、系统、设备及计算机存储介质，其中该方法包括：获取人脸数据样本集；基于预设的二次规划公式及其约束条件求解人脸数据样本集对应的稀疏系数和偏移量，以基于稀疏系数和偏移量对人脸数据样本集进行分类；其中，二次规划公式及其约束条件为将目标函数转化成二次规划形式得到的公式及条件；目标函数为将传统的支持向量机的分类函数中的二范数正则参数替换为一范数正则参数，并在分类函数中增加拉普拉斯正则参数得到的函数。实验证明，本发明提供的一种人脸图像分类方法、系统、设备及计算机存储介质的分类速度快，相比于现有技术的分类效率更高。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.018 seconds)
