基于最大间隔准则的网页文本分类系统

    公开(公告)号:CN113626604A

    公开(公告)日:2021-11-09

    申请号:CN202110997675.8

    申请日:2021-08-27

    Applicant: 苏州大学

    Abstract: 本发明公开了一种基于最大间隔准则的网页文本分类系统,其包括:文本预处理模块,用于对原始文本数据进行预处理并提取文本数据;文本表示模块,用于结合文本的向量空间表示,计算特征项权重,对提取的文本数据进行表示;特征项排序模块,用于基于最大间隔准则对特征项进行相关性排序;文本分类模块,用于利用特征选择后的训练集文本构建分类模型,并利用所述分类模型对特征选择后的测试集文本进行分类。本发明基于最大间隔准则的网页文本分类系统在选择较少数量的特征项时,能够选择出更具有判别性的特征词,提高了网页文本分类的性能,具有适用性强,准确度高的优点。

    一种麻醉药品储物装置
    32.
    发明公开

    公开(公告)号:CN113142828A

    公开(公告)日:2021-07-23

    申请号:CN202110382057.2

    申请日:2021-04-09

    Abstract: 本发明公开了一种麻醉药品储物装置,包括:储物箱、储存架、放置槽、抗辐射槽和漏液管,储物箱的内底面设有防漏槽,防漏槽的内顶面设置有检测管,储物箱内设置有储存架,储存架内设置有隔离槽,隔离槽内设置有放置槽和抗辐射槽,防漏槽的内顶面设置有漏液管,漏液管的上端延伸进储存架的内部,下端延伸进防漏槽的内部,储物箱的前端设置有箱门。本发明通过设置有放置槽与保护槽可以对药剂进行保护,拿取麻醉剂时,将保护槽拉出,滑轮在放置槽内部进行滑动,减小摩擦力,当装置发生晃动时,橡胶块撞击保护垫,保护垫挤压第一弹簧,第一弹簧收缩同时吸收晃动的能量,放置麻醉剂在晃动中受损,实现保护功能。

    基于稀疏且鲁棒FisherSVM的声纳信号判别系统及方法

    公开(公告)号:CN111950609A

    公开(公告)日:2020-11-17

    申请号:CN202010745115.9

    申请日:2020-07-29

    Applicant: 苏州大学

    Abstract: 本发明涉及一种基于稀疏且鲁棒FisherSVM的声纳信号判别系统及方法,包括:数据预处理模块,用于统计收集海洋声纳探测的相关资料,作为训练集,对所述训练集中的数据进行归一化;数据训练模块,用于根据归一化处理后的数据对模型进行训练形成训练模型,所述训练模型包括判别函数其中α=[α1,…,αl]T为判别函数的权重向量,b为判别函数的偏差;数据预测模块,用于将待预测的声纳信号数据进行归一化处理后输入至所述训练模型中,对被探测物体返回的声纳信号进行预测。本发明提高了对声纳信号分类的效率和准确率。

    贝叶斯协同过滤推荐方法

    公开(公告)号:CN109840833B

    公开(公告)日:2020-11-10

    申请号:CN201910112719.7

    申请日:2019-02-13

    Applicant: 苏州大学

    Abstract: 本发明公开了一种贝叶斯协同过滤推荐方法。本发明一种贝叶斯协同过滤推荐方法,包括:模型的输入为协同过滤推荐系统的评分矩阵分解为两个潜在矩阵其中对于M×K的矩阵Uik表示用户i属于组k的概率,Uik∈(0,1);对于N×K的矩阵Vjk表示用户组k喜欢商品j的证据,即预测评分矩阵R'=UVT;由于数据集R比较稀疏,所以观察的条目可以用集合Ω={(i,j)|Rij is observed};对这个问题采取概率方法;对观测数据表示一个似然函数,并将潜在矩阵作为随机变量来处理;当假设R的每个值来自U和V的乘积时,加上一些高斯噪声本发明的有益效果:用户的喜好多种多样,不会像小数据集中体现出口味较为一致。现实数据集中存在大量数据缺失问题,如果对证据不足难以预测的值,都预测为中值或者为平均值就失去了推荐的意义。

    一种手写体字符图像特征识别的方法及系统

    公开(公告)号:CN106845358B

    公开(公告)日:2020-11-10

    申请号:CN201611217910.0

    申请日:2016-12-26

    Applicant: 苏州大学

    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。

    基于Ghost卷积特征融合神经网络实时车流量检测系统及方法

    公开(公告)号:CN111640101A

    公开(公告)日:2020-09-08

    申请号:CN202010475998.6

    申请日:2020-05-29

    Applicant: 苏州大学

    Abstract: 本发明涉及一种基于Ghost卷积特征融合神经网络实时车流量检测系统及方法,包括:数据预处理模块,用于从拍摄的视频中进行抽帧,得到第一训练集,对所述第一训练集中的目标图像进行标记形成第二训练集,再利用高斯滤波器生成目标图像的密度图,形成第三训练集;网络训练模块,通过所述第三训练集对网络进行训练得到网络模型,其中所述网络包括多个Ghost卷积层;目标信息预测模块,从拍摄的视频中进行抽帧,作为测试图像,将所述测试图像输入至所述网络模型中进行预测,得到测试图像的目标信息。本发明误差小,有利于获得良好的性能。

    一种单样本人脸识别方法及系统

    公开(公告)号:CN106897700B

    公开(公告)日:2020-04-07

    申请号:CN201710107890.X

    申请日:2017-02-27

    Applicant: 苏州大学

    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。

    基于多列残差空洞卷积神经网络的人群密度预测方法

    公开(公告)号:CN110853025A

    公开(公告)日:2020-02-28

    申请号:CN201911121622.9

    申请日:2019-11-15

    Applicant: 苏州大学

    Abstract: 本申请公开了一种基于多列残差空洞卷积神经网络的人群密度预测方法、装置、设备及可读存储介质,方案包括:获取待测人群图像;将待测人群图像输入人群密度预测模型,得到人群密度图;根据人群密度图,确定待测人群图像中的人群数量。其中,人群密度预测模型在提取待测人群图像的高维特征之后,使用多列空洞卷积结构从高维特征中提取特征信息,由于各列空洞卷积结构的扩张率不同,因此能够捕捉高维特征中不同尺度的特征信息。此外,该模型还采用了残差结构,将高维特征直接输入到网络后端与各列空洞卷积结构输出的特征信息相加,不仅防止了网络过拟合现象的发生,还可以保留更多的特征信息,提升了人群数量计算结果的准确性和人群密度图的质量。

Patent Agency Ranking