-
公开(公告)号：CN103927561B
公开(公告)日：2017-02-22
申请号：CN201410179070.8
申请日：2014-04-29
Applicant: 东南大学
Abstract: 本发明公开了一种基于概率融合和降维技术的行为识别方法，多次使用降维技术来对特征进行降维，从而提高特征的代表性和辨别性：首先基于稠密轨迹来提取局部底层特征，为了节省空间和去除数据的相关性，对局部底层特征分别采用PCA；其次使用Fisher核对局部底层特征进行聚类，形成Fisher向量，从而提高特征的紧凑性、有序性；在FV作为分类器的输入之前对它们采用LDA的降维技术来提高存储效率、训练和测试的时间并且进一步提高特征辨别性；最后对于不同的描述器采用后融合技术进行数据的结合，从而来提高识别率。
-
公开(公告)号：CN113132116A
公开(公告)日：2021-07-16
申请号：CN202110670696.9
申请日：2021-06-17
Applicant: 国网浙江省电力有限公司信息通信分公司 , 东南大学 , 国网浙江省电力有限公司
Inventor： 刘若琳 , 周鹏 , 叶卫 , 陆鑫 , 戚伟强 , 王以良 , 陈逍潇 , 郭亚琼 , 俞天奇 , 陈婧楠 , 江樱 , 张烨华 , 宋宇波 , 杨帆 , 孙望舒 , 许敏 , 朱好 , 朱鸿江 , 周慧凯 , 王臻
Abstract: 本申请提出了基于知识签名的敏感数据匿名访问方法，包括基于秘密值生成对应敏感数据访问客户端的知识签名；获取敏感数据访问客户端发送的带有知识签名以及身份标识的数据访问请求，基于秘密值以及时间戳生成发送至敏感数据访问客户端的回复密文，将身份标识添加至访问信息列表，敏感数据访问客户端使用敏感数据服务端的公钥对代理签名进行加密生成密文，敏感数据服务端基于敏感数据访问客户端的密文以及知识签名进行访问权限识别。敏感数据访问客户端和敏感数据服务端无需管理平台介入即可完成身份验证及授权过程，灵活高效，适用于跨域多方敏感数据访问场景。在授权过程中敏感数据访问客户端可匿名访问，也保护了敏感数据访问客户端隐私。
-
公开(公告)号：CN103279162B
公开(公告)日：2015-01-28
申请号：CN201310137478.4
申请日：2013-04-19
Applicant: 东南大学
IPC: G05F1/56
Abstract: 本发明涉及基准电压缓冲器，为了解决现有技术充放电速度慢、功耗大的缺点，本发明通过增加放电电流控制电路和充电电流控制电路，若负载电容处于放电的时钟相位，则放电电流控制电路中的CMOS开关阵列闭合，加快负载电容上面的电容泄放，使电容上的电压很快的下降；若负载电容处于充电的时钟相位，充电电流控制电路中CMOS开关阵列闭合，为电容提供额外的充电电路。本发明可以驱动非常大的负载电容，并在较短的时间内即可建立要求的电压精度。
-
公开(公告)号：CN105160290A
公开(公告)日：2015-12-16
申请号：CN201510386962.X
申请日：2015-07-03
Applicant: 东南大学
CPC classification number: G06K9/00335 , G06K9/00711 , G06K9/6269
Abstract: 本发明公开了一种基于改进型稠密轨迹的移动边界采样的行为识别方法，研究表明改进型稠密轨迹在行为识别上可以取得最先进的结果，但是它耗内存且计算复杂。因此，在不影响识别率的情况下，用移动边界采样方法来减少轨迹数，能节省内存并提高后期的处理速度。首先基于移动边界采样的改进型稠密轨迹来提取局部底层特征；其次使用Fisher核对局部底层特征进行聚类，形成Fisher向量，以提高特征的紧凑性、有序性；在FV作为分类器的输入之前对它们采用LDA/CA的降维技术来提高存储效率、训练和测试的时间并且进一步提高特征辨别性；最后对于不同的描述器采用后融合技术进行数据的结合或者FV向量之间的融合，从而来提高识别率。
-
Patent Agency Ranking
公开(公告)号：CN103927561A
公开(公告)日：2014-07-16
申请号：CN201410179070.8
申请日：2014-04-29
Applicant: 东南大学
Abstract: 本发明公开了一种基于概率融合和降维技术的行为识别方法，多次使用降维技术来对特征进行降维，从而提高特征的代表性和辨别性：首先基于稠密轨迹来提取局部底层特征，为了节省空间和去除数据的相关性，对局部底层特征分别采用PCA；其次使用Fisher核对局部底层特征进行聚类，形成Fisher向量，从而提高特征的紧凑性、有序性；在FV作为分类器的输入之前对它们采用LDA的降维技术来提高存储效率、训练和测试的时间并且进一步提高特征辨别性；最后对于不同的描述器采用后融合技术进行数据的结合，从而来提高识别率。
-
公开(公告)号：CN104063715B
公开(公告)日：2017-05-31
申请号：CN201410307765.X
申请日：2014-06-30
Applicant: 东南大学
Abstract: 本发明公开了一种基于最近邻特征线的人脸分类方法，以最近邻特征理论为依据，定义了一种新的权重指数，提出了基于权重指数的判别准则以及改进后的精简特征线方法，构建了一种适合于光照以及姿态多种变化的人脸分类器，相比于其他的分类器有着更低的计算复杂度，更少的识别时间，以及更佳的鲁棒性。该分类器首先使用主元成分分析法提取训练库图像的特征，构建训练库矩阵并提取样本图像特征，构建测试样本向量。然后计算出权重系数，并且根据权重系数制定判定法则，构建精简的最近邻特征线分类器。多种情况下的实验结果表明，在相同的硬件环境下面，该分类器与其他分类器相比有着更小的运算复杂度以及更好的鲁棒性。
-
公开(公告)号：CN103345621B
公开(公告)日：2016-05-18
申请号：CN201310287937.7
申请日：2013-07-09
Applicant: 东南大学
Abstract: 本发明公开了一种基于稀疏浓度指数的人脸分类方法，以压缩感知理论为依据，定义了一种新的稀疏浓度指数，提出了基于SCI的判别准则以及判别阈值计算方法，构建了一个适用于光照以及姿态多种变化的人脸分类器，相比其他分类器，计算复杂度相近，识别率更高，鲁棒性更好。该分类器首先使用主元成分分析法提取训练库图像的特征，构建训练库矩阵，并提取样本图像的特征，构建测试样本向量。然后根据压缩感知重构理论，由训练库矩阵和样本向量计算出稀疏系数和判别阈值；根据稀疏系数计算出残差和SCI。多种条件变化下的实验表明，在相同硬件环境下，该分类器与其他分类器相比，具有更高的识别率以及更好的鲁棒性。
-
公开(公告)号：CN104063715A
公开(公告)日：2014-09-24
申请号：CN201410307765.X
申请日：2014-06-30
Applicant: 东南大学
Abstract: 本发明公开了一种基于最近邻特征线的人脸分类方法，以最近邻特征理论为依据，定义了一种新的权重指数，提出了基于权重指数的判别准则以及改进后的精简特征线方法，构建了一种适合于光照以及姿态多种变化的人脸分类器，相比于其他的分类器有着更低的计算复杂度，更少的识别时间，以及更佳的鲁棒性。该分类器首先使用主元成分分析法提取训练库图像的特征，构建训练库矩阵并提取样本图像特征，构建测试样本向量。然后计算出权重系数，并且根据权重系数制定判定法则，构建精简的最近邻特征线分类器。多种情况下的实验结果表明，在相同的硬件环境下面，该分类器与其他分类器相比有着更小的运算复杂度以及更好的鲁棒性。
-
公开(公告)号：CN103345621A
公开(公告)日：2013-10-09
申请号：CN201310287937.7
申请日：2013-07-09
Applicant: 东南大学
Abstract: 本发明公开了一种基于稀疏浓度指数的人脸分类方法，以压缩感知理论为依据，定义了一种新的稀疏浓度指数，提出了基于SCI的判别准则以及判别阈值计算方法，构建了一个适用于光照以及姿态多种变化的人脸分类器，相比其他分类器，计算复杂度相近，识别率更高，鲁棒性更好。该分类器首先使用主元成分分析法提取训练库图像的特征，构建训练库矩阵，并提取样本图像的特征，构建测试样本向量。然后根据压缩感知重构理论，由训练库矩阵和样本向量计算出稀疏系数和判别阈值；根据稀疏系数计算出残差和SCI。多种条件变化下的实验表明，在相同硬件环境下，该分类器与其他分类器相比，具有更高的识别率以及更好的鲁棒性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.024 seconds)
