公开(公告)号：CN110222089A

公开(公告)日：2019-09-10

申请号：CN201910468279.9

申请日：2019-05-31

Applicant: 华南理工大学

Inventor： 钟佳琪 ,  李东 ,  方琼

IPC: G06F16/2458 ,  G06F16/28

Abstract: 本发明公开了一种基于保序子矩阵的约束双聚类挖掘及缺失值预测方法，包括以下步骤：S1、接收请求并挖掘数据矩阵的双聚类模式；S2、计算行和列的重叠度和覆盖率；S3、判断行列覆盖率是否收敛，若否则进行步骤S4，否则进行步骤S9；S4、随机打乱数据矩阵中行和列的排列顺序，对候选列集合排序；S5、判断候选列集合是否为空；S6、判断候选列集合中是否存在合格列；S7、根据新选出的合格列扩展双聚类模式的列集合和行集合；S8、判断当前双聚类模式是否符合稀疏保序子矩阵模型的要求；S9、计算每个双聚类模式的缺失值；S10、返回最终的双聚类集合和缺失值。因此，本发明有效地提高了双聚类模式的质量和缺失值预测的准确性。

公开(公告)号：CN108288035A

公开(公告)日：2018-07-17

申请号：CN201810026945.9

申请日：2018-01-11

Applicant: 华南理工大学

Inventor： 张见威 ,  钟佳琪

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于深度学习的多通道图像特征融合的人体动作识别方法，包括：(1)从视频中提取原始RGB图片，并通过RGB图片计算分段视频的动态图、光流图；(2)对输入图片进行裁剪操作扩增训练数据集；(3)构建三通道卷积神经网络，将最后得到的视频片段分别输入三通道卷积神经网络中进行训练，得到对应的网络模型；(4)对待识别的视频片段，提取原始RGB图片、并计算其对应的动态图、光流图，并得到最终动作类别的识别结果。本发明利用三通道卷积神经网络对不同形态的原始输入学习数据的本质特征，并在网络中部对三种形态的数据进行多通道稠密融合操作，提高特征的表达能力和达到多通道信息共享，准确度高的目的。

公开(公告)号：CN110222089B

公开(公告)日：2021-05-14

申请号：CN201910468279.9

申请日：2019-05-31

Applicant: 华南理工大学

Inventor： 钟佳琪 ,  李东 ,  方琼

IPC: G06F16/2458 ,  G06F16/28

Abstract: 本发明公开了一种基于保序子矩阵的约束双聚类挖掘及缺失值预测方法，包括以下步骤：S1、接收请求并挖掘数据矩阵的双聚类模式；S2、计算行和列的重叠度和覆盖率；S3、判断行列覆盖率是否收敛，若否则进行步骤S4，否则进行步骤S9；S4、随机打乱数据矩阵中行和列的排列顺序，对候选列集合排序；S5、判断候选列集合是否为空；S6、判断候选列集合中是否存在合格列；S7、根据新选出的合格列扩展双聚类模式的列集合和行集合；S8、判断当前双聚类模式是否符合稀疏保序子矩阵模型的要求；S9、计算每个双聚类模式的缺失值；S10、返回最终的双聚类集合和缺失值。因此，本发明有效地提高了双聚类模式的质量和缺失值预测的准确性。