-
公开(公告)号：CN111951260B
公开(公告)日：2022-04-01
申请号：CN202010850481.0
申请日：2020-08-21
Applicant: 苏州大学
Abstract: 本发明涉及一种基于部分特征融合卷积神经网络实时目标计数系统及方法，包括：数据预处理模块，使用图像中已经标注好的目标位置信息，利用高斯滤波器生成目标图像的密度图，并将所有图像归一化；网络训练模块，建立部分特征融合卷积神经网络模型，使用处理好的图像及生成的密度图对所述部分特征融合卷积神经网络模型进行训练；目标数量预处理模块，根据给定的图像，使用训练好的网络模型对图像中的目标数量进行预测。本发明有利于降低网络的参数量和计算量，保证运行速度。
-
公开(公告)号：CN112990978A
公开(公告)日：2021-06-18
申请号：CN202110343459.1
申请日：2021-03-30
Applicant: 苏州大学
Abstract: 本发明涉及一种限价指令簿的趋势预测方法及预测系统,包括以下步骤：获取限价指令簿的数据，对所述限价指令簿的数据做预处理，获得预处理后的数据；构建堆叠残差门控循环单元神经网络，使用预处理后的数据对神经网络进行训练，获得训练后的堆叠残差门控循环单元神经网络，其中，所述堆叠残差门控循环单元神经网络包括多个基于GRU层的残差块，多个基于GRU层的残差块堆叠设置；使用训练后的堆叠残差门控循环单元神经网络对限价指令簿做趋势预测。其提出了堆叠残差门控循环单元神经网络模型，用于预测限价指令簿的未来走势，预测性能高，效果好。
-
公开(公告)号：CN112862206A
公开(公告)日：2021-05-28
申请号：CN202110230106.0
申请日：2021-03-02
Applicant: 苏州大学
Abstract: 本发明涉及一种基于子空间划分的推荐方法及系统，方法包括输入用户对物品的评分数据；根据评分数据将物品划分至子空间；在每个子空间中，分别计算用户之间的共同评分支持度，融合每个子空间的共同评分支持度得到总共同评分支持度，根据总共同评分支持度筛选出近邻集；根据近邻集获取目标用户对物品的评分预测值，并根据评分预测值向目标用户推荐物品。本发明子空间的划分使得每个评分子空间中的评分值相近，因此可以忽略每个子空间中用户对物品的具体评分值，只要分析用户在每个子空间上的评分行为即可，能够显著降低推荐系统的计算复杂度，提高推荐的速度和准确度，推荐性能高，而且更好地衡量用户之间的相关性，能够适应海量且稀疏的评分数据。
-
公开(公告)号：CN112329917A
公开(公告)日：2021-02-05
申请号：CN202011164944.4
申请日：2020-10-27
Applicant: 苏州大学
Abstract: 本发明涉及一种面向限价委托单趋势预测的多层神经网络集成系统及方法,包括：数据预处理模块，用于对输入的训练数据集作归一化处理；网络训练模块，用于将归一化处理后的训练集对多层神经网络进行训练，其中所述多层神经网络包括第一子模型、第二子模型以及第三子模型，且将所述第一子模型、第二子模型以及第三子模型的输出作为集成算法的输入，并将每个子模型赋予设定的权重，通过所述集成算法得到每一类别的最终输出值；限价委托单趋势预测模块，用于将待处理数据集经过所述数据预处理模块后得到三组数据集，将所述三组数据集输入至所述网络训练模块中预测未来的趋势。本发明预测更加精确。
-
公开(公告)号：CN111768340A
公开(公告)日：2020-10-13
申请号：CN202010614616.3
申请日：2020-06-30
Applicant: 苏州大学
Abstract: 本申请公开了一种基于密集多路径网络的超分辨图像重构方法和系统，其中，该方法包括对原始训练集中的图像进行旋转和翻转，得到大规模训练数据集；提取输入图像中的粗糙特征信息，利用多个密集多路径模块获得所述输入图像中的多尺度和多层次的特征信息；对所述多尺度和多层次的特征信息进行拼接和提纯；将拼接和提纯后的图像的分辨率采样至预设大小，恢复成超分辨图像。利用基于密集多路径网络的超分辨图像重构方法和系统，能够进一步提高重建质量，获得更加具有竞争力的结果。
-
Patent Agency Ranking
公开(公告)号：CN111680575B
公开(公告)日：2024-06-14
申请号：CN202010425239.9
申请日：2020-05-19
Applicant: 苏州大学
IPC: G06V20/69 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本申请公开了一种人类上皮细胞染色分类装置，包括：训练模块，用于预先利用多尺度卷积神经网络和样本人类上皮细胞染色图像数据训练出目标分类模型；获取模块，用于获取待测人类上皮细胞染色图像数据；分类模块，用于将待测人类上皮细胞染色图像数据输入至目标分类模型中，输出对应的分类结果。可见，由于本装置中所使用的多尺度卷积神经网络充分利用不同尺度的网络信息，使得前后特征信息能够进一步的融合，从而提高模型的效率，并且能够充分利用网络训练中的有效信息，从而提高人类上皮细胞染色分类结果的准确度。本申请还公开了一种人类上皮细胞染色分类设备及计算机可读存储介质，均具有上述有益效果。
-
公开(公告)号：CN111563843B
公开(公告)日：2023-11-28
申请号：CN202010365311.3
申请日：2020-04-30
Applicant: 苏州大学
IPC: G06T3/40 , G06T5/00 , G06N3/0464 , G06N3/08
Abstract: 本申请提供一种图像超分辨重构方法，包括：获取高分辨率图像；对所述高分辨率图像进行图像预处理，得到训练集；利用多尺度损失卷积神经网络对所述训练集训练，得到训练模型；利用所述训练模块对待重构图像进行超分辨率重建，得到超分辨率图像。本申请基于多尺度损失卷积神经网络得到训练模型，对模型中的损失函数加以改进，综合考虑了不同尺寸下SR图像与HR图像间的差异，实现高低层信息的融合，有效提高了图像超分辨率重构质量。本申请还提供一种图像超分辨重构系统、计算机可读存储介质和图像处理终端，具有上述有益效果。
-
公开(公告)号：CN111275135B
公开(公告)日：2023-09-12
申请号：CN202010125156.8
申请日：2020-02-27
Applicant: 苏州大学
IPC: G06F18/24 , G06F18/214
Abstract: 本申请公开了一种故障诊断方法、装置、设备、介质，该方法包括：获取待测样本；对所述待测样本进行预处理，得到目标待测样本；利用k近邻分类算法和预先得到的目标参考集对所述目标待测样本进行分类，以便确定所述目标待测样本是否是故障数据。由此可见，本申请在获取到待测样本之后，先对待测样本进行相应的预处理，得到目标待测样本，然后利用k近邻分类算法和预先得到的目标参考集对所述目标待测样本进行分类，根据分类结果确定所述目标待测样本是否是故障数据。这样能够利用预先得到的参考集对待检测数据进行分类，从而确定出待检测数据是否是故障数据，提高故障诊断的效率以及检测率。
-
公开(公告)号：CN112115359A
公开(公告)日：2020-12-22
申请号：CN202010974301.X
申请日：2020-09-16
Applicant: 苏州大学
IPC: G06F16/9535 , G06F16/9536 , G06Q30/06
Abstract: 本发明公开了一种基于多阶近邻预测的推荐系统及方法，该系统包括：用户评分矩阵建立模块，用于根据用户集合和物品集合建立用户评分矩阵；相似度计算模块，用于计算任意两个用户之间的相似度；迭代近邻查找模块，用于根据相似度计算结果为目标用户选择N个近邻用户作为其一阶近邻，再选择N个一阶近邻的一阶近邻作为其二阶近邻，并依次迭代，直至找出目标用户的k阶近邻集，其中，N和k均为正整数；预测及推荐模块，用于根据每一次迭代查找的近邻集重新预测目标用户对物品的评分，并为目标用户进行物品推荐。本发明基于多阶近邻预测的推荐系统及方法采用迭代查找的思想，使得该推荐系统和方法的预测评分更准确，有效性更高。
-
公开(公告)号：CN111951260A
公开(公告)日：2020-11-17
申请号：CN202010850481.0
申请日：2020-08-21
Applicant: 苏州大学
Abstract: 本发明涉及一种基于部分特征融合卷积神经网络实时目标计数系统及方法，包括：数据预处理模块，使用图像中已经标注好的目标位置信息，利用高斯滤波器生成目标图像的密度图，并将所有图像归一化；网络训练模块，建立部分特征融合卷积神经网络模型，使用处理好的图像及生成的密度图对所述部分特征融合卷积神经网络模型进行训练；目标数量预处理模块，根据给定的图像，使用训练好的网络模型对图像中的目标数量进行预测。本发明有利于降低网络的参数量和计算量，保证运行速度。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.018 seconds)
