公开(公告)号：CN104318046A

公开(公告)日：2015-01-28

申请号：CN201410407101.0

申请日：2014-08-18

Applicant: 南京大学

Inventor： 申富饶 ,  竺涛 ,  徐烨 ,  赵金熙

IPC: G06F19/00

Abstract: 一种增量式的高维数据转换为低维数据的系统及方法，包括高维数据采集系统，所述的高维数据采集系统同数据处理系统相连接，所述的数据处理系统中包括有用于增量式的高维数据转换为低维数据的模块，所述的数据处理系统中包含有用于存放高维数据的队列。这样的结构结合其方法避免了现有技术中导致数据处理系统的硬件的处理效率效果不高、耗时耗力并且在并发执行处理方面严重的会导致死机怠慢处理进程以及如果在实时处理高维数据的环境下这将会导致数据的丢失乃至无法正常反映实时状态信息的缺陷。

公开(公告)号：CN103593680A

公开(公告)日：2014-02-19

申请号：CN201310585572.6

申请日：2013-11-19

Applicant: 南京大学

Inventor： 申富饶 ,  胡孟 ,  赵金熙

IPC: G06K9/66

Abstract: 本发明公开了一种基于隐马尔科夫模型自增量学习的动态手势识别方法，包括以下步骤：(1)手势检测与跟踪；(2)特征提取与矢量量化；(3)模型训练与手势识别；(4)增量学习。本发明通过使用本发明提出的基于隐马尔科夫模型增量学习的动态手势识别方法，可以准确地识别手势操作人在摄像头前完成的动态手势操作，并能将识别后的手势数据用于旧模型的增量学习以调整模型参数中，从而使旧模型能动态适应未来手势数据中产生的新变化，对手势数据中的调整与更变能有更好的适应性，使得模型能不断随着手势数据的调整，对将来未知的手势识别有更好的鲁棒性。

公开(公告)号：CN104346520B

公开(公告)日：2017-10-13

申请号：CN201410362559.9

申请日：2014-07-28

Applicant: 南京大学

Inventor： 申富饶 ,  干强 ,  赵金熙

IPC: G06T3/00

Abstract: 一种基于神经元网络的数据降维系统及其降维方法，包括数据采集系统，所述的数据采集系统同控制系统相连接，所述的控制系统中带有基于神经元网络的数据降维模块。并结合其降维方法可有效避免现有技术中的运算量还是很大、邻域确定的不确定性以及无实用性的缺陷。

公开(公告)号：CN106127229A

公开(公告)日：2016-11-16

申请号：CN201610427299.8

申请日：2016-06-16

Applicant: 南京大学

Inventor： 申富饶 ,  杨毅 ,  赵金熙

IPC: G06K9/62

CPC classification number: G06K9/6277

Abstract: 本发明公开了一种基于时间序列类别的计算机数据分类方法，包括：步骤1，生成搜索长度集合；步骤2，为每一个搜索长度生成所有时间序列的子序列，标准化所有子序列；步骤3，使用聚类算法得到Shapelet候选集合C；步骤4，使用候选集合C将所有时间序列转换到Shapelet表示，转换后的数据集合为T；步骤5，使用特征选取算法在数据集合T上选取特征，得到特征集合A，并训练得到分类器Cls；步骤6，对于特征集合A中的每一个特征，将其相应的候选Shapelet加入到Shapelet集合中；步骤7，使用Shapelet集合中的Shapelet对时间序列进行转换，使用分类器Cls对转换后的数据进行分类。

公开(公告)号：CN104346520A

公开(公告)日：2015-02-11

申请号：CN201410362559.9

申请日：2014-07-28

Applicant: 南京大学

Inventor： 申富饶 ,  干强 ,  赵金熙

IPC: G06F19/00

Abstract: 一种基于神经元网络的数据降维系统及其降维方法，包括数据采集系统，所述的数据采集系统同控制系统相连接，所述的控制系统中带有基于神经元网络的数据降维模块。并结合其降维方法可有效避免现有技术中的运算量还是很大、邻域确定的不确定性以及无实用性的缺陷。

公开(公告)号：CN104317792A

公开(公告)日：2015-01-28

申请号：CN201410407886.1

申请日：2014-08-18

Applicant: 南京大学

Inventor： 申富饶 ,  竺涛 ,  徐烨 ,  赵金熙

IPC: G06F17/30

CPC classification number: G06F17/30592

Abstract: 一种采集的高维数据转换为低维数据的系统及方法，包括高维数据采集系统，所述的高维数据采集系统同数据处理系统相连接，所述的数据处理系统中包括有用于采集的高维数据转换为低维数据的模块，所述的数据处理系统中包含有用于存放高维数据的队列。这样的结构结合其方法避免了现有技术中导致数据处理系统的硬件的处理效率效果不高、耗时耗力并且在并发执行处理方面严重的会导致死机怠慢处理进程以及如果在实时处理高维数据的环境下这将会导致数据的丢失乃至无法正常反映实时状态信息的缺陷。

公开(公告)号：CN102521623A

公开(公告)日：2012-06-27

申请号：CN201110407426.5

申请日：2011-12-09

Applicant: 南京大学

Inventor： 申富饶 ,  竺涛 ,  赵金熙 ,  周志华

IPC: G06K9/66

Abstract: 本发明公开了一种基于子空间的增量学习人脸识别方法，包括以下步骤：步骤一：人脸图片的预处理；步骤二：生成一组以上训练样本子空间和一组测试图片子空间：步骤三：比较测试图片子空间与一组以上训练样本子空间之间的相似度；步骤四：增量学习：如果在步骤三中标识为第j*类的测试图片与表示第j*类人脸的样本图片之间的相似度大于设定阈值，则通过基底变换法对该组样本子空间进行调整，生成一组新的样本子空间。本发明优点是实现了增量学习，在识别过程中能够充分利用已接触的信息，对识别结果进行改进。

公开(公告)号：CN104317792B

公开(公告)日：2017-12-01

申请号：CN201410407886.1

申请日：2014-08-18

Applicant: 南京大学

Inventor： 申富饶 ,  竺涛 ,  徐烨 ,  赵金熙

IPC: G06F17/30

Abstract: 一种采集的高维数据转换为低维数据的系统及方法，包括高维数据采集系统，所述的高维数据采集系统同数据处理系统相连接，所述的数据处理系统中包括有用于采集的高维数据转换为低维数据的模块，所述的数据处理系统中包含有用于存放高维数据的队列。这样的结构结合其方法避免了现有技术中导致数据处理系统的硬件的处理效率效果不高、耗时耗力并且在并发执行处理方面严重的会导致死机怠慢处理进程以及如果在实时处理高维数据的环境下这将会导致数据的丢失乃至无法正常反映实时状态信息的缺陷。

公开(公告)号：CN104464721A

公开(公告)日：2015-03-25

申请号：CN201410634670.9

申请日：2014-11-12

Applicant: 南京大学

Inventor： 申富饶 ,  许浩然 ,  赵金熙

IPC: G10L15/02 ,  G10L15/06 ,  G10L15/26

Abstract: 一种在线增量的语音获得与识别方法，包括初始化阶段、针对语音数据的输入与竞争阶段、基准点更新阶段、作用范围的阈值更新阶段以及去噪阶段。可有效避免现有技术中的所述的模型的训练需要耗费大量的时间、无法实现在线增量、这种方式不符合人的认知习惯由此导致使用很不方便的缺陷。

公开(公告)号：CN103499972A

公开(公告)日：2014-01-08

申请号：CN201310461873.8

申请日：2013-09-30

Applicant: 南京大学

Inventor： 申富饶 ,  干强 ,  赵金熙

IPC: G05D1/02

Abstract: 本发明公开了一种包容式层次型多场景服务机器人控制方法，用于在多个场景下，利用优先级机制和禁止机制，通过键盘指令、语音指令、套接字(Socket)指令和邮件指令控制服务机器人，并具有简单的避障行走功能。本发明的显著优点是每种控制方式以层次化结构并行执行，层次之间使用简单的优先级机制和禁止机制进行协调，因此实时性好；这种控制方法是软件设计，与机器人平台无关，因此可移植性好；没有设置主控模块，增加新功能不需要重新编写已有模块，因此可扩展性好；协调机制简单，相比复杂的主控模块对处理器要求低，因此硬件成本降低，易于普及。