-
-
公开(公告)号：CN104463202B
公开(公告)日：2017-09-19
申请号：CN201410708851.1
申请日：2014-11-28
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明公开一种多类图像半监督分类方法及系统，首先对训练集中有标签图像样本和无标签图像样本进行相似性学习，构造相似近邻图和归一化的权重，用于表征样本相似性，再初始化一个类标签矩阵，为有效降低“软类别标签”预测标签F中的混合信号对结果的影响，引入l2,1‑范数正则化，同时对F施加非负与列和为1的约束，确保估计的“软标签”满足概率定义和非负性，最后利用参数权衡相似性度量、初始类别标签和l2,1‑范数正则化对分类的影响，完成半监督学习建模，取相似性概率的最大值，用于图像类别鉴定，得到分类结果。通过引入l2,1‑范数正则化，将混合信号对分类的影响降低，使分类精准度有了提高。此外，还可有效对训练集外的数据进行分类，可拓展性好。
-
公开(公告)号：CN107065839A
公开(公告)日：2017-08-18
申请号：CN201710418868.7
申请日：2017-06-06
Applicant: 苏州大学
IPC: G05B23/02
Abstract: 本发明公开了一种基于相异性递归消除特征的故障诊断方法，通过对同一特征子集计算相异性，并比较每个特征造成的相异性，对特征值按照其对应的相异性也就是造成两个数据集之间的差异进行排序，得到排序后的特征索引子集，再通过优选个数得到关键特征个数，就可以在排序后的特征子集中取出相应个数的关键特征。因此本方法是考虑的是整个数据集之间的相异性，不要求过程是线性的或高斯的，因此在非线性和高斯的过程上有较好的结果，降低计算复杂度，同时可以准确的找出符合要求的最优特征子集减少了不相关特征对故障诊断的影响。本发明还提供一种基于相异性递归消除特征的故障诊断装置，同样能实现上述技术效果。
-
公开(公告)号：CN106897700A
公开(公告)日：2017-06-27
申请号：CN201710107890.X
申请日：2017-02-27
Applicant: 苏州大学
IPC: G06K9/00
Abstract: 本申请公开了一种单样本人脸识别方法及系统，该方法包括：将待识别人脸图像划分成t个子图；其中，t为正整数；提取与待识别人脸图像的t个子图一一对应的t个特征；将待识别人脸图像的t个特征输入预先基于训练集并结合子图权重集合得到的单样本人脸识别模型，得到待识别人脸图像对应的类别；其中，子图权重集合为在对训练集中所有人脸图像样本的类间距离进行最大化处理后得到的集合；子图权重集合中的第r个权重为训练集中任一人脸图像样本的第r个子图对应的权重。本申请有效地提升了单样本人脸识别技术的识别率。
-
公开(公告)号：CN106845358A
公开(公告)日：2017-06-13
申请号：CN201611217910.0
申请日：2016-12-26
Applicant: 苏州大学
CPC classification number: G06K9/00409 , G06K9/00422 , G06K9/6276 , G06K2209/01
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
公开(公告)号：CN106529604A
公开(公告)日：2017-03-22
申请号：CN201611059009.5
申请日：2016-11-24
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明公开了一种自适应的图像标签鲁棒预测方法及系统，为了提高对未知类别标签的待测样本标签的预测，提出将稀疏编码和标签传播集成到一个统一的框架中，实现稀疏重构误差和分类误差联合执行同时达到最小化，这完全区别于传统的标签传播方法将图构造与标签传播分为相互独立的两个步骤；因采用迭代的优化方案计算稀疏编码和软标签矩阵，在每一次迭代中，稀疏编码被作为预测模块的自适应权重用于标签传播，因此避免了在传统图构建的复杂过程中最优近邻及其最优近邻数量的选择难问题；此外，为了增强稀疏性，提出将稀疏编码稀疏和重构误差同时施加L2,1范数正则化约束，通过引入L2,1范数正则化技术，有效提升了系统的预测准确度和鲁棒性。
-
公开(公告)号：CN103986653B
公开(公告)日：2017-03-22
申请号：CN201410234723.8
申请日：2014-05-29
Applicant: 苏州大学
IPC: H04L12/721
Abstract: 本发明公开一种网络节点以及数据传输方法和系统。本发明基于DTN网络特性为网络节点制定了信息维护、更新机制，以使每个网络节点可以计算出任意时刻网络的拓扑结构，进而为后续的路由选择提供支持；并基于公平性原则依据数据的优先级和排队等待时间制定了网络节点的数据转发调度策略。在此基础上，公开的数据传输方法中，源节点综合考虑当前节点的数据排队情况以及节点间的链路带宽，依据当前网络的实时状态计算、获取下一跳节点实现数据传输，并保证下一跳节点处于当前网络的最优路径上。可见，本发明兼顾了数据传输的高实时性和公平性，减少了网络的平均时延，解决了传输带宽和节点容量均受限的DTN中高成功率、低延迟的数据传输问题。
-
公开(公告)号：CN103310205B
公开(公告)日：2017-03-01
申请号：CN201310272564.6
申请日：2013-07-01
Applicant: 苏州大学
IPC: G06K9/00
Abstract: 本申请公开了一种手写体数字识别方法及装置，所述方法包括分别将第一空间中的训练样本集合和手写体数字的待测样本映射至第二空间中；其中，所述训练样本集合包括至少两个训练样本，每个所述训练样本分别具有一个数字类别标识，所述训练样本集合中的训练样本包含至少两种数字类别；依据所述第二空间中的训练样本集合，确定测度变换矩阵；利用所述测度变换矩阵，分别获取所述待测样本与每个所述训练样本之间的距离值；依据每个所述距离值及其各自对应的数字类别标识，确定所述待测样本的数字类别。
-
公开(公告)号：CN103793704B
公开(公告)日：2017-01-25
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(56)对比文件Wei Zhang et al.“.Discriminantneighborhood embedding forclassification”《.Pattern Recognition》.2006,第39卷(第11期),第2240-2243页.Wei Zhang et al.“.Discriminantneighborhood embedding forclassification”《.Pattern Recognition》.2006,第39卷(第11期),第2240-2243页.
-
公开(公告)号：CN106295712A
公开(公告)日：2017-01-04
申请号：CN201610693517.2
申请日：2016-08-19
Applicant: 苏州大学
IPC: G06K9/62
CPC classification number: G06K9/6269 , G06K9/6256
Abstract: 本发明公开了检测一种故障检测方法和系统，对预先收集的工业过程中的正常训练数据进行标准化预处理，并计算经过标准化预处理后的正常训练数据的相对密度；根据经过标准化预处理后的正常训练数据和相对密度建立训练样本数据集；为训练样本数据集建立密度诱导支持向量数据描述模型，对密度诱导支持向量数据描述模型的参数T进行定值处理，令参数T为相对密度的平均值，并利用密度诱导支持向量数据描述模型检测在工业过程中收集的测试数据是否为故障数据。本方案对密度诱导支持向量数据描述模型的参数T提供了定值，令参数T为相对密度的平均值，从而可以提高基于密度诱导支持向量数据描述的故障检测方法的稳定性，保证高效的故障检测性能。
-
-
-
-
-
-
-
-
-
Search Results
231
records
(took 0.04 seconds)
