-
公开(公告)号：CN103400161A
公开(公告)日：2013-11-20
申请号：CN201310300739.X
申请日：2013-07-18
Applicant: 苏州大学
IPC: G06K9/68
Abstract: 本申请提供一种手写体数字识别方法及装置，该方法通过接收用户输入的手写体数字图像；提取手写体数字图像的M种协方差特征，M的取值为大于1的任意一个正整数，最后根据预先设置的各个训练图像的M种协方差特征、预先设置的各个训练图像所携带的类别标签以及手写体数字图像的M种协方差特征对手写体数字进行识别，本申请通过提取手写体数字图像的M种协方差特征对手写体数字进行识别，其中，M的取值为大于1的任意一个正整数，避免了现有技术在进行手写体数字识别的过程中，因为只能采用单一的协方差特征，导致手写体数字识别不准确的问题。
-
公开(公告)号：CN102663370B
公开(公告)日：2013-10-09
申请号：CN201210120265.6
申请日：2012-04-23
Applicant: 苏州大学
Abstract: 本发明公开了一种人脸识别的方法，通过对测试样本和训练样本进行随机的降维，并生成相似性学习训练集和测试集，选择支持向量机的正则参数和高斯核函数，将相似性学习的训练集输入到正则参数和高斯核函数中，得到分类器模型，再将相似性学习的测试集输入到分类器模型中，得到分类结果，通过将所述分类结果进行求和，与某一类样本的样本数量的商为所述某一类的相似性概率的大小，取得最大值，并将所述最大值输出，得到相似性概率的大小，得到最准确的人脸识别结果。通过对样本的降维，将样本复杂度降低，使得基于SVM来学习人脸图像之间的相似性的算法快速；另外，通过对于每一类进行的算法，使得人脸识别率有了相应的提高。
-
公开(公告)号：CN103310217A
公开(公告)日：2013-09-18
申请号：CN201310246733.9
申请日：2013-06-20
Applicant: 苏州大学
IPC: G06K9/52
Abstract: 本发明公开了一种基于图像协方差特征的手写体数字识别方法及装置，包括：提取N个手写体数字训练图像的协方差矩阵，作为训练样本；其中，N为自然数；利用支持向量机对训练样本进行训练，得到分类器模型系数；其中，支持向量机所采用的核函数为计算协方差矩阵之间相似性的矩阵核函数；利用分类器模型系数、矩阵核函数和训练样本构建分类器模型；利用分类器模型对需识别手写体数字图像进行识别。采用本发明矩阵核函数的支持向量机可以对图像的协方差特征进行处理，从而使得所产生的分类器模型的系数更加准确，进而提高了手写体数字的识别率。
-
公开(公告)号：CN103164701A
公开(公告)日：2013-06-19
申请号：CN201310123349.X
申请日：2013-04-10
Applicant: 苏州大学
IPC: G06K9/20
Abstract: 本发明公开了一种手写体数字识别方法及装置。该手写体数字识别方法，包括：确定待识别图像，该待识别图像中包含手写体形式的待识别数字类别标签；依据像素点的灰度值，确定该待识别图像中的特定的像素点的像素特征；依据该特定的像素点的像素特征，确定该待识别图像的协方差；基于李群KNN算法，依据预设的训练图像集合中的各训练图像的协方差和该待识别图像的协方差，确定该待识别图像的近邻标签集；将该近邻标签集中个数最多的数字类别标签确定为该待识别数字类别标签。可见，与现有技术相比，本方案中，作为分类问题的特征的协方差依据特定的像素点的灰度值获得，有效利用了待识别图像的空间信息，因此，提高了手写体数字的识别准确性。
-
公开(公告)号：CN102722713A
公开(公告)日：2012-10-10
申请号：CN201210041116.0
申请日：2012-02-22
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明实施例提供一种基于李群结构数据的手写体数字识别方法及系统。所述方法从原始的手写体数字图像数据中提取对应的李群结构数据，通过构造矩阵高斯核函数，利用支持向量机算法训练出分类器模型，将待测手写体数字图像数据对应的李群结构数据，分别输入到训练得到的分类器模型中，得到对应的数字类别，从而对待测手写体数字图像数据对应的李群结构数据进行非线性特征的捕获，更好的实现了手写体数字识别。
-
Patent Agency Ranking
公开(公告)号：CN102495944A
公开(公告)日：2012-06-13
申请号：CN201110356343.8
申请日：2011-11-11
Applicant: 苏州大学
IPC: G06F19/00
Abstract: 本发明实施例公开了一种时间序列预测方法、设备和方法，其中方法包括：训练获取的时间序列数据得到训练数据集；利用所述训练数据集训练选定预测器组生成具有多样性的预测器组；提取稀疏信号重构优化函数并求解所述具有多样性的预测器组的加权系数；截获加权系数非零的预测器进行时间序列数据预测。本发明实施例将具有多样性的预测器组的加权系数作为稀疏信号进行重构并求解相应优化函数，所得出的加权系数由于具有稀疏性，利用上述得出的加权系数为非零的预测器进行时间序列数据预测校验，由于所用预测器组的数量精简从而加速了校验过程，且预测准确性得到了提高。
-
公开(公告)号：CN102413470A
公开(公告)日：2012-04-11
申请号：CN201110373838.1
申请日：2011-11-22
Applicant: 苏州大学
IPC: H04W16/00
Abstract: 本发明公开了一种信道拍卖方法，包括：构建买家冲突图；根据该买家冲突图构建买家集合；根据各个卖家提供信道的数量、各个买家集合和卖家提供的信道报价构建交易集；确定市场出清价和赢得拍卖的买家的实际支付。本发明公开的信道拍卖方法，可以保证有多个信道需求的买家在一次拍卖过程中得到获取多个信道的机会；另外，构建买家集合的每轮迭代中，都可以构造出当前所有可构造的买家集合中总报价最高的买家集合，保证选出了购买力最大的买家集合，由于买家集合的总购买力越大，拍卖效率也就越高，从而间接保证了拍卖效率的最大化，同时在构建买家集合时，为了提高买家的购买力，已经将尽可能多的买家加入了同一买家集合，从而提高信道复用率。
-
公开(公告)号：CN104899578B
公开(公告)日：2019-02-12
申请号：CN201510363785.3
申请日：2015-06-26
Applicant: 苏州大学张家港工业技术研究院
IPC: G06K9/00
Abstract: 本发明公开了一种人脸识别的方法，包括：将获取得到的人脸图像数据作为待测样本；利用投影变换矩阵将所述待测样本映射到低维特征空间中，得到投影后的测试样本；在训练样本集合中，查找与所述测试样本距离最近的标准样本作为目标样本；将所述目标样本的类别确定为所述测试样本的类别；其中，所述投影变换矩阵为通过构造的类内邻接矩阵以及类间邻接矩阵，对所述训练样本集合中的多个样本进行训练得到的变换矩阵，以使类间距离最大、类内距离最小。本发明所提供的人脸识别的方法及装置，为正交判别投影分别构造了两个邻接矩阵：类间和类内邻接矩阵，把类内信息和类间信息分开表示，以得到均衡的信息，从而实现类内最小和类间最大的目的。
-
公开(公告)号：CN104484684B
公开(公告)日：2018-11-02
申请号：CN201510001954.9
申请日：2015-01-05
Applicant: 苏州大学
IPC: 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：CN104376234B
公开(公告)日：2017-12-26
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。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.024 seconds)
