-
公开(公告)号：CN104899578B
公开(公告)日：2019-02-12
申请号：CN201510363785.3
申请日：2015-06-26
Applicant: 苏州大学张家港工业技术研究院
IPC: G06K9/00
Abstract: 本发明公开了一种人脸识别的方法，包括：将获取得到的人脸图像数据作为待测样本；利用投影变换矩阵将所述待测样本映射到低维特征空间中，得到投影后的测试样本；在训练样本集合中，查找与所述测试样本距离最近的标准样本作为目标样本；将所述目标样本的类别确定为所述测试样本的类别；其中，所述投影变换矩阵为通过构造的类内邻接矩阵以及类间邻接矩阵，对所述训练样本集合中的多个样本进行训练得到的变换矩阵，以使类间距离最大、类内距离最小。本发明所提供的人脸识别的方法及装置，为正交判别投影分别构造了两个邻接矩阵：类间和类内邻接矩阵，把类内信息和类间信息分开表示，以得到均衡的信息，从而实现类内最小和类间最大的目的。
-
公开(公告)号：CN104899578A
公开(公告)日：2015-09-09
申请号：CN201510363785.3
申请日：2015-06-26
Applicant: 苏州大学张家港工业技术研究院
IPC: G06K9/00
CPC classification number: G06K9/00288 , G06K9/6274
Abstract: 本发明公开了一种人脸识别的方法，包括：将获取得到的人脸图像数据作为待测样本；利用投影变换矩阵将所述待测样本映射到低维特征空间中，得到投影后的测试样本；在训练样本集合中，查找与所述测试样本距离最近的标准样本作为目标样本；将所述目标样本的类别确定为所述测试样本的类别；其中，所述投影变换矩阵为通过构造的类内邻接矩阵以及类间邻接矩阵，对所述训练样本集合中的多个样本进行训练得到的变换矩阵，以使类间距离最大、类内距离最小。本发明所提供的人脸识别的方法及装置，为正交判别投影分别构造了两个邻接矩阵：类间和类内邻接矩阵，把类内信息和类间信息分开表示，以得到均衡的信息，从而实现类内最小和类间最大的目的。
-
公开(公告)号：CN104834834A
公开(公告)日：2015-08-12
申请号：CN201510166526.1
申请日：2015-04-09
Applicant: 苏州大学张家港工业技术研究院
Abstract: 本发明的启动子识别系统的构建方法和装置，将包含多条基因序列的数据集划分为具有预设属性的第一数据子集和不具有预设属性的第二数据子集；并分别提取第一、第二数据子集的多种预设特征，所述预设特征包括基因刚性特征；之后，对特征提取所得的多个特征数据集合进行建模，得到构成启动子识别系统所需的各个子分类器模型。可见，本发明在构建人类基因启动子识别系统时，考虑了基因结构特征(如基因刚性特征)，通过提取基因数据的基因刚性特征，并将提取的基因刚性特征作为训练数据进行建模，使最终的识别系统具备了结合基因结构特征识别启动子的能力，提升了系统的识别性能。
-
公开(公告)号：CN117273590A
公开(公告)日：2023-12-22
申请号：CN202311358313.X
申请日：2023-10-19
Applicant: 苏州大学
IPC: G06Q10/0835 , G06Q10/047 , G06N3/048 , G06N3/0464
Abstract: 本发明提供一种求解车辆路径优化问题的神经组合优化方法及系统，涉及车辆路径规划技术领域，该方法包括对CVRP问题进行描述，引入热力图来反映节点之间的关联关系，并采用图神经网络来参数化热力图；基于参数化的热力图来确定客户与车辆的匹配，构建包括状态、动作、奖励和策略的客户匹配框架；采用强化学习方法对神经网络模型进行训练，以所有车辆的行驶路径长度最小化为优化目标，得到训练好的神经网络模型；利用训练好的神经网络模型，求解车辆的最优配送路径。本发明在CVRP问题上对所提出算法进行了评估，该方法在求解性能和求解时间上明显优于现有的实时求解器。
-
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。
-
Patent Agency Ranking
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：CN107507611B
公开(公告)日：2021-08-24
申请号：CN201710774048.1
申请日：2017-08-31
Applicant: 苏州大学
Abstract: 本发明公开了一种语音分类识别的方法，向预先创建的分类器模型中输入待判别的语音数据样本，根据所述分类器模型的输出值得到所述语音数据样本的分类结果；其中，所述分类器模型是基于采用L1范式正则参数和拉普拉斯正则参数确定以及支持向量机的约束条件，获得支持向量样本集合，从而使得获得的分类器模型，具有较强的稀疏性和可解释性，且对噪音具有较强的过滤能力，从而对噪音具有较强的鲁棒性，从而能够获得对语音分类的一个较为准确的结果。本发明还提供一种语音分类识别的装置，具有上述有益效果。
-
公开(公告)号：CN106327520B
公开(公告)日：2020-04-07
申请号：CN201610692267.0
申请日：2016-08-19
Applicant: 苏州大学
Abstract: 本申请公开了一种运动目标检测方法，包括：预先确定与视频监控设备的监控场景所对应的背景图像；对待检测灰度图像和背景图像进行相减处理，得到相应的差分图像；对差分图像进行二值化处理，确定出待检测灰度图像上的运动目标；其中，背景图像的确定过程包括，分别对视频监控设备已采集的灰度图像帧序列中的第一灰度图像帧和第二灰度图像帧进行图像块划分处理，相应地得到第一图像块集和第二图像块集，然后利用第一图像块集和第二图像块集之间的差异性，确定出背景图像。本申请公开的技术方案提升了运动目标的检测效果并降低了检测过程的复杂程度。另外，本申请还相应公开了一种运动目标检测系统。
-
公开(公告)号：CN105608471B
公开(公告)日：2020-01-14
申请号：CN201511002862.9
申请日：2015-12-28
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明公开了一种鲁棒直推式标签估计及数据分类方法和系统，方法包括：利用有标签和无标签训练样本人工初始化类标签矩阵，经近邻搜索构造相似近邻图和归一化后的权重系数矩阵；通过平衡近邻重构项和标签拟合项得到未知标签训练样本的软标签矩阵；基于鲁棒l2,1‑范数度量的近邻重构错误，定义流形平滑项；对标签拟合项进行l2,1‑范数正则化；通过迭代计算得到每个未知标签样本数据的软类别标签向量，估计出样本类别，得到分类结果。采用该方法构建的系统，通过引入l2,1‑范数正则化技术，有效提升了系统对于噪音的鲁棒性，增强分类性能。
-
公开(公告)号：CN105608478B
公开(公告)日：2019-12-06
申请号：CN201610192000.5
申请日：2016-03-30
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 发明公开了一种图像特征提取与分类联合方法及其系统，首先根据训练样本间的相似性，构造近邻图，并计算重构系数矩阵。进而引入基于核范数度量的近邻重构错误最小化的非线性流形学习，对训练图像样本进行低维流形特征学习，得到一个可获取样本低维流形特征的线性投影矩阵；再利用所述训练样本低维特征,最小化L2,1‑范数正则化的分类错误，完成鲁棒稀疏分类器学习，输出一个最优分类器，从而对测试样本进行特征提取和分类。与现有技术相比，本发明通过采用核范数度量和L2,1‑范数正则化的联合问题，有效提高了提取特征的描述性与分类准确率。
-
-
-
-
-
-
-
-
-
Search Results
231
records
(took 0.053 seconds)
