-
公开(公告)号：CN105335756A
公开(公告)日：2016-02-17
申请号：CN201510726581.1
申请日：2015-10-30
Applicant: 苏州大学
IPC: G06K9/62
CPC classification number: G06K9/6276
Abstract: 本发明公开了一种鲁棒学习模型与图像分类系统，包括：对训练集进行初始化，得到初始类别标签矩阵，训练集中的训练样本包括已知其类别并标定有与其类别对应的类别标签的样本及未知其类别且未标定类别标签的样本；基于近邻定义及重构权的构造方法对训练样本进行处理，根据样本间的相似性，构造重构系数矩阵，并进行对称化、归一化处理；利用重构系数矩阵及初始类别标签矩阵确定无标定样本的软标签，采用迭代的方式对训练样本的软标签进行l2，1范数正则化，得到投影矩阵及软标签矩阵；利用投影矩阵对待测样本进行映射，得到其软标签；待测样本为未知其类别且未标定类别的样本。模型有效减少了原始空间中混合信号的影响，提高了分类准确性。
-
公开(公告)号：CN104992166A
公开(公告)日：2015-10-21
申请号：CN201510450358.9
申请日：2015-07-28
Applicant: 苏州大学
IPC: G06K9/00
CPC classification number: G06K9/00409 , G06K9/00422
Abstract: 本发明公开了一种基于鲁棒度量的手写体识别方法与系统，通过对手写体训练样本进行相似性学习，构造加权相似图，在紧凑局部类内散度和分离局部类间散度的同时保持所有训练样本的局部特性。为了提升手写体描述的鲁棒性，提出将1-范数度量应用于半监督特征学习模型，设计出性能鲁棒的手写体识别方法与系统，输出一个可用于样本内和样本外手写体图像特征提取的投影矩阵P。样本外图像的归纳通过将测试样本向投影矩阵P进行投影，进而将提取的特征输入高效的标签传播分类器进行归类，取对应类别软标签中概率的最大值的位置，用于判定测试样本的类别，得到最准确的字符识别结果。同时，通过建立比率模型，减少了模型参数，且投影矩阵P满足正交特性。
-
公开(公告)号：CN104915684A
公开(公告)日：2015-09-16
申请号：CN201510372326.1
申请日：2015-06-30
Applicant: 苏州大学
IPC: G06K9/62
CPC classification number: G06K9/6269
Abstract: 本发明公开了一种基于鲁棒多平面支持向量机的图像识别方法及装置，包括：将测试图像向鲁棒线性分类器进行投影，获取测试图像对应各个类别的第一投影特征；其中，鲁棒线性分类器中的投影向量为通过对训练样本集中的多个样本图像进行训练，将1-范数度量应用于多平面支持向量机，紧凑类内散度矩阵与分离类间散度矩阵确定得到；将训练样本集中的样本图像的均值向鲁棒线性分类器进行投影，获取所述训练样本集均值在各个类别的第二投影特征；分别计算各个类别的第一投影特征与对应类别的第二投影特征的距离；将所述距离的最小值所对应的类别确定为所述测试图像的类别。本发明所提供的图像识别方法及装置，有效提升了图像识别的鲁棒性。
-
公开(公告)号：CN104657749A
公开(公告)日：2015-05-27
申请号：CN201510097947.3
申请日：2015-03-05
Applicant: 苏州大学
IPC: G06K9/62
CPC classification number: G06K9/6269
Abstract: 本发明提供了一种时间序列的分类方法及装置，本申请中预先将训练时间序列集合的训练时间序列按类别标签分为各个训练时间序列子集，针对每个训练时间序列子集中的每个样本进行时间分段，使得每个训练时间序列由长段时间序列转换为短段时间序列，然后生成与每个训练时间序列子集对应的预设类别码本。本申请中每个类别均有自身的码本，这样便可使得测试时间序列与每个类别的码本均进行类别匹配，由于对长段时间序列进行了分段，使得聚集在一个时间序列内的各个特征分离，从而能够提取到训练时间序列子集的主要特征，进一步使得测试时间序列的匹配精度更高。
-
公开(公告)号：CN108710907B
公开(公告)日：2022-05-17
申请号：CN201810461229.3
申请日：2018-05-15
Applicant: 苏州大学
IPC: G06K9/62 , G06V10/764 , G06V10/774
Abstract: 本申请公开了一种手写体数据分类方法、模型训练方法、装置、设备及介质，包括：获取包含手写体数据样本和相应的手写体类别标签的原始训练样本集；对所述原始训练样本集进行数据预处理，以从所述原始训练样本集中选取出能够保持流形结构的非噪声数据，得到处理后训练样本集；利用所述处理后训练样本集进行稀疏支持向量机模型的训练，得到训练后模型。本申请在获取到原始训练样本集之后，会对原始训练样本集进行去噪处理，并且只保留能够保持流形结构的非噪声数据，从而降低了用于训练模型的样本数据的冗余度，减少样本数据量的同时还提升了样本数据的准确度，由此使得后续训练得到的模型具有非常出色的分类精度。
-
Patent Agency Ranking
公开(公告)号：CN107766895B
公开(公告)日：2021-07-09
申请号：CN201711140254.3
申请日：2017-11-16
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明方法明确地将半监督数据表示和分类误差结合到现有的投影非负矩阵分解框架进行联合最小化学习，由此将权重系数构造和标签传播过程作用于投影非负矩阵分解，可有效避免原始数据中可能包含的噪音、破坏或异类对相似性度量和标签预测结果的负面影响。此外，上述联合最小化过程也可在投影非负矩阵分解过程中有效保持邻域信息和空间结构，得到更准确的数据表示结果。此外，还将权重构建和归纳学习整合到一个统一的模型中，可得到自适应的权重系数矩阵，进而避免传统算法中选取最优近邻难的问题。本发明方法为诱导式模型，可完成样本外数据的归纳与预测，无需引入额外的重构过程，可拓展性能好。
-
公开(公告)号：CN107065839B
公开(公告)日：2019-09-27
申请号：CN201710418868.7
申请日：2017-06-06
Applicant: 苏州大学
IPC: G05B23/02
Abstract: 本发明公开了一种基于相异性递归消除特征的故障诊断方法，通过对同一特征子集计算相异性，并比较每个特征造成的相异性，对特征值按照其对应的相异性也就是造成两个数据集之间的差异进行排序，得到排序后的特征索引子集，再通过优选个数得到关键特征个数，就可以在排序后的特征子集中取出相应个数的关键特征。因此本方法是考虑的是整个数据集之间的相异性，不要求过程是线性的或高斯的，因此在非线性和高斯的过程上有较好的结果，降低计算复杂度，同时可以准确的找出符合要求的最优特征子集减少了不相关特征对故障诊断的影响。本发明还提供一种基于相异性递归消除特征的故障诊断装置，同样能实现上述技术效果。
-
公开(公告)号：CN106529604B
公开(公告)日：2019-09-27
申请号：CN201611059009.5
申请日：2016-11-24
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明公开了一种自适应的图像标签鲁棒预测方法及系统，为了提高对未知类别标签的待测样本标签的预测，提出将稀疏编码和标签传播集成到一个统一的框架中，实现稀疏重构误差和分类误差联合执行同时达到最小化，这完全区别于传统的标签传播方法将图构造与标签传播分为相互独立的两个步骤；因采用迭代的优化方案计算稀疏编码和软标签矩阵，在每一次迭代中，稀疏编码被作为预测模块的自适应权重用于标签传播，因此避免了在传统图构建的复杂过程中最优近邻及其最优近邻数量的选择难问题；此外，为了增强稀疏性，提出将稀疏编码稀疏和重构误差同时施加L2,1范数正则化约束，通过引入L2,1范数正则化技术，有效提升了系统的预测准确度和鲁棒性。
-
公开(公告)号：CN110147782A
公开(公告)日：2019-08-20
申请号：CN201910459926.X
申请日：2019-05-29
Applicant: 苏州大学
Abstract: 本发明公开了一种基于投影字典对学习的人脸识别方法，包括：获取目标人脸图像；利用稀疏投影矩阵提取目标人脸图像中的目标特征；将目标特征输入识别分类器，输出目标人脸图像的识别结果；其中，稀疏投影矩阵和识别分类器利用基于L2，1-范式约束的矩阵分解和基于L2，1-范式约束的投影字典对学习训练而得，稀疏投影矩阵采用了核范式约束和L1-范式约束。其中，基于L2，1-范式约束的矩阵分解和基于L2，1-范式约束的投影字典对学习训练稀疏投影矩阵和识别分类器，能够使稀疏投影矩阵提取到显著的图像特征，并降低数据维度，从而提高人脸识别的效率和准确率。本发明公开的一种基于投影字典对学习的人脸识别装置、设备及可读存储介质，也同样具有上述技术效果。
-
公开(公告)号：CN105224957B
公开(公告)日：2019-03-08
申请号：CN201510697522.6
申请日：2015-10-23
Applicant: 苏州大学
Abstract: 本发明公开了一种基于单样本的图像识别的方法及系统，包括：获取待识别图像；将所述待识别图像划分为预定尺寸的互不重叠的子图像，并利用LBP算法得到每个子图像的统计直方图；依次计算所述每个子图像的统计直方图与所述统计直方图相对应的各个样本中的统计直方图的第一曼哈顿距离，根据所述第一曼哈顿距离确定粗检样本；依次计算每个子图像的统计直方图与所述统计直方图相对应的所述粗检样本中的统计直方图的第二曼哈顿距离，根据所述第二曼哈顿距离确定与所述待识别图像最相似的最终样本；该方法及系统能够在提高人脸识别效果的同时，避免了在特征提取的过程中需要过多的时间。
-
-
-
-
-
-
-
-
-
Search Results
141
records
(took 0.027 seconds)
