公开(公告)号：CN112329734A

公开(公告)日：2021-02-05

申请号：CN202011378994.2

申请日：2020-11-30

Applicant: 安徽理工大学

Inventor： 苏树智 ,  谢军 ,  朱彦敏 ,  王子莹 ,  高鹏连

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62

Abstract: 本发明公开了一种基于两模态图强化特征学习的人脸识别方法，主要是通过构建两模态图强化特征学习的模型，从人脸图像学习具有强鉴别力的低维相关特征，以实现人脸识别。具体实现过程为：(1)对原始人脸图像进行处理，构建模态样本数据集；(2)构建两模态图强化特征学习模型；(3)对模型求解，采用近邻分类策略进行识别。与现有技术相比，本发明能够利用图强化在低维相关特征中尽量保留原始数据的内在几何结构信息，使本发明具有较好的识别性能。

公开(公告)号：CN111753930A

公开(公告)日：2020-10-09

申请号：CN202010486685.0

申请日：2020-06-01

Applicant: 安徽理工大学

Inventor： 赵前进 ,  邓瀛灏 ,  苏树智 ,  王子莹 ,  朱刚 ,  朱彦敏

IPC: G06K9/68 ,  G06K9/62

Abstract: 本发明公开了一种基于双视图标签弹性特征学习的手写体数字识别方法。本发明在最大化视图间整体散布的同时，尽量保留视图内鉴别局部散布和全局散布的弹性结构，从而形成半监督的标签弹性特征学习模型，以借助部分标签来获得更加具有鉴别力的弹性特征。具体实现过程为：(1)通过视图策略获取单视图图像的两种视图数据；(2)构建面向两种视图数据的标签弹性特征学习模型；(3)优化求解标签弹性特征学习模型，以获取双视图数据的弹性特征；(4)利用并行融合策略获取两种视图数据的融合弹性特征，最后利用最近邻分类器对融合弹性特征进行分类，以获得最终的识别结果。与现有技术相比，该方法能保留原始视图数据内的弹性鉴别结构，有效地提高手写体数字的识别性能。

公开(公告)号：CN111401429A

公开(公告)日：2020-07-10

申请号：CN202010170499.6

申请日：2020-03-12

Applicant: 安徽理工大学

Inventor： 苏树智 ,  王子莹 ,  朱彦敏 ,  高鹏连 ,  平昕瑞 ,  郜一玮

IPC: G06K9/62

Abstract: 本发明公开了一种基于聚类自适应典型相关分析的多视角图像聚类方法，主要是构建多视角典型相关分析和聚类的自适应优化模型，解决聚类任务中多视角相关学习的聚类不适应性问题，从而提高多视角图像的聚类性能。实现过程为：(1)初始化原始高维样本的类标签指示矩阵；(2)迭代求解相关投影矩阵、类质心矩阵和类标签指示矩阵；(3)基于求解的类标签指示矩阵，直接获得聚类结果。与现有技术相比，本发明提出的多视角图像聚类方法更具有效性和鲁棒性。