-
公开(公告)号：CN101093546A
公开(公告)日：2007-12-26
申请号：CN200710043659.5
申请日：2007-07-11
Applicant: 苏州大学
Abstract: 本发明公开了一种数字图像轮廓形态的识别方法，属于计算机模式识别技术领域。它以长轴长度、左短轴长度、右短轴长度、左右短轴间的距离和左右短轴长度差的绝对值为数字图像轮廓形态的5个识别特征值，输入计算机完成数字图像轮廓形态的识别。特征值的获取方法为：在图像的轮廓线上取n点，通过依次求得每一点与其余各点相连接的线段的长度后再求得长轴及其长度值；在长轴的两个端点范围内，从左、右两部分的图像轮廓上分别得到到长轴距离最长的左短轴、右短轴及其它们的长度值，从而获得数字图像轮廓形态的5个识别特征值。该方法在降低运算复杂度的同时保障求解的精度，提高了工作效率，实现了计算机大批量识别形状不规则物体的分捡与检验。
-
公开(公告)号：CN111553861B
公开(公告)日：2023-11-24
申请号：CN202010357485.5
申请日：2020-04-29
Applicant: 苏州大学
Abstract: 本发明公开了一种图像超分辨率重构方法，该方法包括以下步骤：接收待超分辨率重构图像；利用卷积网络提取待超分辨率重构图像的特征信息；利用各多尺度密集网络对特征信息进行特征优化，并计算目标分辨率；其中，各多尺度密集网络为通过预设损失函数进行训练得到的网络；利用重构网络将待超分辨率重构图像重构为分辨率大小为目标分辨率的目标图像；其中，重构网络包括顺次连接的第一卷积子网络、子像素网络、第二卷积子网络。应用本发明实施例所提供的技术方案，较大地降低了成本，降低了对存储空间的消耗。本发明还公开了一种图像超分辨率重构装置、设备及存储介质，具有相应技术效果。
-
公开(公告)号：CN111553861A
公开(公告)日：2020-08-18
申请号：CN202010357485.5
申请日：2020-04-29
Applicant: 苏州大学
Abstract: 本发明公开了一种图像超分辨率重构方法，该方法包括以下步骤：接收待超分辨率重构图像；利用卷积网络提取待超分辨率重构图像的特征信息；利用各多尺度密集网络对特征信息进行特征优化，并计算目标分辨率；其中，各多尺度密集网络为通过预设损失函数进行训练得到的网络；利用重构网络将待超分辨率重构图像重构为分辨率大小为目标分辨率的目标图像；其中，重构网络包括顺次连接的第一卷积子网络、子像素网络、第二卷积子网络。应用本发明实施例所提供的技术方案，较大地降低了成本，降低了对存储空间的消耗。本发明还公开了一种图像超分辨率重构装置、设备及存储介质，具有相应技术效果。
-
公开(公告)号：CN106656684B
公开(公告)日：2020-07-24
申请号：CN201710187307.0
申请日：2017-03-27
Applicant: 苏州大学
IPC: H04L12/26
Abstract: 本发明公开了一种网格资源可靠性监控方法及装置，该方法包括：根据测试指令或按预设时间间隔从网格环境中获取资源；根据所述资源的属性加载对应的测试程序；执行所述测试程序，输出所述资源的可靠性评估结果；本发明通过根据资源的属性加载对应的测试程序，可以为资源类型和所属管理域等属性不同的资源加载该资源的属性对应的测试程序，确保对该资源进行可靠性评估的准确性；通过执行测试程序，输出资源的可靠性评估结果，可以获取每个资源的不同属性各自对应的可靠性评估结果，从而可以更加直观地展示每个资源的各个属性的可靠性，快速准确定位资源故障的根源，减少了用户在故障排除上所花费的时间，提高了用户体验。
-
Patent Agency Ranking
公开(公告)号：CN111290369A
公开(公告)日：2020-06-16
申请号：CN202010112814.X
申请日：2020-02-24
Applicant: 苏州大学
IPC: G05B23/02
Abstract: 本申请公开了一种基于半监督递归特征保留的故障诊断方法，在半监督学习的过程中，计算特征对于分类的判别能力以及对数据局部结构的保持能力，并以这两项能力为准则递归地筛选具备代表意义的特征，直至筛选得到的特征数量符合要求，得到最优特征集合。最终，根据最优特征集合提取待测数据的特征信息，将特征信息作为输入信息输入分类器，以实现故障诊断，从而减少不相关特征对故障诊断的影响，提升故障诊断效率。此外，本申请还提供了一种基于半监督递归特征保留的故障诊断装置、设备及可读存储介质，其技术效果与上述方法的技术效果相对应。
-
公开(公告)号：CN111275135A
公开(公告)日：2020-06-12
申请号：CN202010125156.8
申请日：2020-02-27
Applicant: 苏州大学
IPC: G06K9/62
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：CN107437265A
公开(公告)日：2017-12-05
申请号：CN201710659709.6
申请日：2017-08-04
Applicant: 苏州大学
Abstract: 本发明是基于相似度量与权重衡量的彩色提花CAD中的配色方法，包括生成提花源图像，依据提花源图像颜色选取不同颜色纱线；依据选取的纱线组合进行经纬交织计算，计算出每个单元矩阵的结构，去除具有相同颜色结构的矩阵，将最终结果存入颜色库中；以颜色库中每个颜色为中心点，计算与该点相近的颜色并加权，对所有颜色都计算过后得到全部颜色的权值，并对超过特定阈值的颜色过滤，得到最终颜色库；在同一提花源图像中，选取多个纱线组合，生成多个颜色库，依次选取不同颜色库对图像进行配色，找出最佳颜色库。本发明的颜色生成算法耗时短，配色结果图中不同颜色的区分度高，同时使得配色耗时更少。
-
公开(公告)号：CN106899440A
公开(公告)日：2017-06-27
申请号：CN201710152993.8
申请日：2017-03-15
Applicant: 苏州大学
Abstract: 本发明公开了一种网络入侵检测方法及系统，通过生成用于判别网络入侵行为的伪梯度提升决策树集合；根据各伪梯度提升决策树对应的非叶子节点的分类特征，确定各伪梯度提升决策树的权重信息；分别采用伪梯度提升决策树对接收到的网络行为记录进行并行判断，得到独立判断结果；将各独立判断结果分别与对应的权重信息相乘，生成判断网络行为记录是否为网络攻击的最终结果信息。本申请具有简单易解、区分精度高、智能综合处理能力强的特点；同时，还可以在云计算环境下分布式并行生成伪梯度提升决策树，提高了决策树的动态更新运算速度，增加了IDS检测新型入侵事件实时性与准确性。
-
-
-
-
-
-
-
Search Results
29
records
(took 0.02 seconds)
