-
公开(公告)号：CN104484684A
公开(公告)日：2015-04-01
申请号：CN201510001954.9
申请日：2015-01-05
Applicant: 苏州大学
IPC: G06K9/66
CPC classification number: G06K9/66
Abstract: 本申请公开了一种手写体识别方法及系统，方法为：利用带平滑范数L1的自编码器对训练样本集中的各个训练样本进行处理，得到对应的目标训练样本，所述目标训练样本与所述训练样本集中的样本标签组成目标训练样本集，所述带平滑范数L1的自编码器的目标函数中设有稀疏惩罚项，该稀疏惩罚项为平滑L1范数，然后利用目标训练样本训练分类器，得到目标分类器，利用带平滑范数L1的自编码器对待预测样本进行处理，得到目标待预测样本，最后将所述目标待预测样本输入至所述目标分类器，以确定待预测样本的类别。本申请的方案将平滑范数L1引入自编码器中，代替常用的KL散度，作为新的稀疏惩罚项，能够得到更具判别性的特征，使得最终的手写体识别率更高。
-
公开(公告)号：CN104462870A
公开(公告)日：2015-03-25
申请号：CN201510011796.5
申请日：2015-01-09
Applicant: 苏州大学
IPC: G06F19/24
Abstract: 本发明提供了一种人类基因启动子识别方法及装置，现有技术中典型的非启动子具体包括外显子、内含子和3’-UTR，因此本申请预先分别构建预设启动子-外显子分类器、预设启动子-内含子分类器和预设启动子-3’-UTR分类器，相对于传统的启动子-非启动子的分类器，由于每个分类器中只有两个类别，不会出现交叉分类的情况，所以分类性能显著提高。并且分类器的基因训练序列中启动子与外显子的数量一致，启动子与内含子的数量一致，启动子与3’-UTR的数量一致，因此保证每个分类器中启动子和非启动子样本平衡，使得分类器能够依据平衡样本进行分类，因此能够准确识别启动子，解决现有技术中假阳性的问题，进而提高分类器的分类性能。
-
公开(公告)号：CN104376234A
公开(公告)日：2015-02-25
申请号：CN201410727536.3
申请日：2014-12-03
Applicant: 苏州大学
IPC: G06F19/22
Abstract: 本发明公开了一种启动子识别方法及系统：获取测试数据确定所述测试数据的一次特征向量；利用自编码器，对所述测试数据的一次特征向量进行特征提取，得到所述测试数据的二次特征向量；利用预设支持向量机，对所述测试数据的二次特征向量进行分类，得到分类结果，当所述分类结果满足预设条件时，确定所述测试数据为启动子。相较现有技术中直接对利用KL散度提取到的特征向量进行分类判定，本发明利用了自编码器的神经网络学习算法，有效地提高了对启动子的识别性能，进而提高了识别准确度。
-
公开(公告)号：CN103927550A
公开(公告)日：2014-07-16
申请号：CN201410161915.0
申请日：2014-04-22
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本申请提供一种手写体数字识别方法及系统，该方法通过接收用户输入的待测手写体数字样本；通过训练得到的第一分类器、第二分类器、第三分类器分别对待测手写体数字样本进行预测，并输出第一分类器、第二分类器、第三分类器对待测手写体数字样本的预测结果；比较第一分类器、第二分类器、第三分类器对待测手写体数字样本的预测结果，若至少2个分类器得出的是相同的预测结果，则判定待测手写体数字样本属于该预测结果的类别，否则，判定待测手写体数字样本属于第二分类器输出的预测结果的类别。该方法通过使用3个分类器对待测样本进行预测，在保证预测速度的基础上，很大程度上提高了手写体数字识别的识别率。
-
公开(公告)号：CN103927530A
公开(公告)日：2014-07-16
申请号：CN201410186226.5
申请日：2014-05-05
Applicant: 苏州大学
Abstract: 本发明公开了一种基于相似性学习的人脸集匹配方法及系统，通过从原始数据样本中选取训练集样本和测试集样本，并挑选训练样本，计算真实相似度，与计算出的计算相似度进行比较，从而选取最终分类器，并将训练样本中每类样本的几何平均值以及测试集样本中的每个测试样本带入最终分类器中，获取分类结果，进而获取测试样本的类别。本方案首先通过选取部分样本作为训练样本，进行训练过程，实现对分类器的选取，避免了将所有的样本作为训练样本进行训练，从而简化了训练过程，避免了复杂的过程，提高了训练速度。另外，本方案中通过选取训练集样本每类样本的几何平均值来构建多个不同的分类器，达到了通过简单的操作过程带来精确的结果的效果。
-
Patent Agency Ranking
公开(公告)号：CN103310237A
公开(公告)日：2013-09-18
申请号：CN201310286449.4
申请日：2013-07-09
Applicant: 苏州大学
IPC: G06K9/66
Abstract: 本发明实施例公开了一种手写体数字识别方法及系统，在对手写体数字进行降维的过程中，对于每一个图像数据都通过K个近邻来线性表示，而对每一个图像数据通过K个近邻线性表示时的加权系数则正交匹配算法获取，而且，通过构造加权系数矩阵来对训练图像数据进行降维，而对待识别图像则通过加权系数向量及其K个近邻的降维后的向量数据进行降维，通过实验可知，本申请实施例提供的手写体数字识别方法，提高了手写体数字识别的识别率。
-
公开(公告)号：CN103235947A
公开(公告)日：2013-08-07
申请号：CN201310152411.8
申请日：2013-04-27
Applicant: 苏州大学
IPC: G06K9/20
Abstract: 本申请公开了一种手写体数字识别方法及装置，所述方法包括获取待识别的目标数字和目标图像中的图像数据集合，所述图像数据集合中包括至少一个图像数据；对所述图像数据集合中的每个图像数据进行向量转换，得到每个所述图像数据对应的向量数据，所有所述向量数据组成向量数据集合；利用基于正交匹配追踪算法的局部稀疏线性嵌入降维方法对所述向量数据集合进行降维操作，得到降维向量数据集合；依据所述降维向量数据集合，识别得到所述目标图像中与所述目标数字相对应的数字图像。通过本申请实施例中正交匹配追踪算法得到的计算解并非全部为0，相对于现有技术能够明显体现出局部稀疏性，且具有稳定性，进而使得最终识别出的数字图像准确率较高。
-
公开(公告)号：CN111291694A
公开(公告)日：2020-06-16
申请号：CN202010097854.1
申请日：2020-02-18
Applicant: 苏州大学
Abstract: 本申请涉及一种菜肴图像识别方法及装置存储介质，属于计算机技术领域，该方法包括：获取待识别的目标菜肴图像；获取图像识别模型，图像识别模型基于神经网络模型建立，且在神经网络模型中的多层中间层中添加了批归一化层，批归一化层包括归一化层和线性变换层；该归一化层用于对当前层的输入数据进行归一化；线性变换层用于将归一化后的数据线性变换至预设分布区间，线性变换层中的线性变换参数是通过对图像识别模型进行训练得到的；将目标菜肴图像输入图像识别模型，得到图像识别结果；可以解决现有的菜肴图像识别模型忽略数据分布随神经网络加深而梯度消失的问题；保证多层中间层计算后数据分布仍存在梯度，提高菜肴识别的准确性。
-
公开(公告)号：CN104616000B
公开(公告)日：2018-08-07
申请号：CN201510089247.X
申请日：2015-02-27
Applicant: 苏州大学
Abstract: 本发明提供种人脸识别方法和装置。该方法在原有的小样本有监督拉普拉斯判别分析的基础上进行改进,在最小化类内散度的目标函数中融入了最大化类间散度,使用拉普拉斯判别分析,通过实现最优目标函数求得投影矩阵,对高维人脸数据进行降维。在用此种方法降维后,对人脸图像识别率比原SLDA方法高,能更好地进行人脸识别。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.039 seconds)
