公开(公告)号：CN114120397B

公开(公告)日：2024-08-27

申请号：CN202111305367.0

申请日：2021-11-05

Applicant: 厦门大学

Inventor： 高云龙 ,  李辉堆 ,  李子琦 ,  陈彦光 ,  林昊 ,  潘金艳

IPC: G06V40/16 ,  G06V10/30 ,  G06V10/77 ,  G06V10/771 ,  G06V10/762 ,  G06V10/764

Abstract: 本发明涉及一种人脸图像重构方法、系统及数据降维方法，图像重构方法包括：首先基于样本向量、重构变换矩阵、变换矩阵、特征值回归系数矩阵、坐标基和编码矩阵计算权重矩阵；其次利用权重矩阵更新坐标基、编码矩阵E、新变换矩阵和重构变换矩阵；当满足终止条件时，将更新后的重构变换矩阵中各特征向量进行排序，选取前d个最大特征向量构建最优特征子集；最后利用最优特征子集对待测试样本图像进行图像去噪以及人脸重构，获得人脸图像。本发明公开的图像重构方法具有更好判别性能和鲁棒性能，特别是在含有噪声的人脸图像识别上具有更高的识别率。另外本发明公开的数据降维方法能够针对图像数据、视频数据、文档数据或网站数据进行数据降维。

公开(公告)号：CN114120397A

公开(公告)日：2022-03-01

申请号：CN202111305367.0

申请日：2021-11-05

Applicant: 厦门大学

Inventor： 高云龙 ,  李辉堆 ,  李子琦 ,  陈彦光 ,  林昊 ,  潘金艳

IPC: G06V40/16 ,  G06V10/30 ,  G06V10/77 ,  G06V10/771 ,  G06V10/762 ,  G06V10/764 ,  G06K9/62

Abstract: 本发明涉及一种人脸图像重构方法、系统及数据降维方法，图像重构方法包括：首先基于样本向量、重构变换矩阵、变换矩阵、特征值回归系数矩阵、坐标基和编码矩阵计算权重矩阵；其次利用权重矩阵更新坐标基、编码矩阵E、新变换矩阵和重构变换矩阵；当满足终止条件时，将更新后的重构变换矩阵中各特征向量进行排序，选取前d个最大特征向量构建最优特征子集；最后利用最优特征子集对待测试样本图像进行图像去噪以及人脸重构，获得人脸图像。本发明公开的图像重构方法具有更好判别性能和鲁棒性能，特别是在含有噪声的人脸图像识别上具有更高的识别率。另外本发明公开的数据降维方法能够针对图像数据、视频数据、文档数据或网站数据进行数据降维。

公开(公告)号：CN111553417A

公开(公告)日：2020-08-18

申请号：CN202010348760.7

申请日：2020-04-28

Applicant: 厦门大学

Inventor： 高云龙 ,  潘金艳 ,  陈福兴

IPC: G06K9/62

Abstract: 本发明公开了一种基于判别正则化局部保留投影的图像数据降维方法及系统。该方法包括：获取样本图像；将样本图像切割为样本向量，对各样本向量进行L2范数归一化处理，得到处理后的样本向量xi；确定第一相似性矩阵Sij；根据确定第二相似性矩阵S'ij，其中，W为投影矩阵，Bij为弹性矩阵；根据(X(L+λL')XT)V＝λ(XDXT)V求解矩阵V和特征值λ；提取矩阵V中与相对大的前v个特征值相对应的特征向量构成投影矩阵；跳转至确定第二相似矩阵确定步骤，直至满足迭代条件，将最后得到的投影矩阵记为目标投影矩阵；采用目标投影矩阵对待降维图像进行降维处理。本发明提供的图像数据降维方法及系统同时考虑了数据的相似性和差异性。

公开(公告)号：CN119128566A

公开(公告)日：2024-12-13

申请号：CN202411175592.0

申请日：2024-08-26

Applicant: 厦门大学

Inventor： 高云龙 ,  郑兴莘 ,  曹超 ,  李辉堆 ,  邵桂芳 ,  祝青园 ,  潘金艳

IPC: G06F18/23213 ,  G06F18/22

Abstract: 本申请公开了一种高维数据聚类方法、装置、设备、介质及产品，涉及机器学习中的聚类分析领域，该方法包括根据簇中心矩阵、投影矩阵和簇对相似度矩阵，更新隶属度矩阵；所述隶属度矩阵基于高维数据样本的局部信息因子构建；更新簇中心矩阵；根据原始高维数据矩阵、更新的隶属度矩阵、更新的簇中心矩阵和簇对相似度矩阵，构造辅助矩阵并求特征值分解，更新投影矩阵；根据更新的隶属度矩阵、更新的簇中心矩阵和更新的投影矩阵，构造凸优化问题，更新簇对相似度矩阵；判断是否满足终止条件；若是，根据所述更新的隶属度矩阵对高维数据样本进行划分，输出聚类结果；若否，返回隶属度矩阵更新步骤，本申请能够提高聚类方法对高维数据的聚类结果。

公开(公告)号：CN115205310A

公开(公告)日：2022-10-18

申请号：CN202210786622.6

申请日：2022-07-04

Applicant: 厦门大学

Inventor： 高云龙 ,  王嘉麟 ,  潘金艳 ,  谢嘉欣 ,  谢有为

IPC: G06T7/11 ,  G06V10/44 ,  G06V10/762 ,  G06V10/774

Abstract: 本发明涉及一种图像分割方法及系统，所述方法包括如下步骤：对样本图像进行特征提取，构建所述样本图像的样本矩阵；采用鲁棒判别模糊C均值聚类方法，确定所述样本矩阵的隶属度矩阵；利用所述隶属度矩阵对所述样本图像进行分割。本发明利用一种将模糊理论与聚类算法结合的鲁棒判别模糊C均值聚类方法，实现图像分割，对噪声图像有更好的分割性能，对图像中的非均衡信息和边缘信息有更强的识别与提取能力，图像分割结果更加准确，提高了图像分割的效果。

公开(公告)号：CN111553417B

公开(公告)日：2022-04-22

申请号：CN202010348760.7

申请日：2020-04-28

Applicant: 厦门大学

Inventor： 高云龙 ,  潘金艳 ,  陈福兴

IPC: G06V10/77 ,  G06K9/62

Abstract: 本发明公开了一种基于判别正则化局部保留投影的图像数据降维方法及系统。该方法包括：获取样本图像；将样本图像切割为样本向量，对各样本向量进行L2范数归一化处理，得到处理后的样本向量xi；确定第一相似性矩阵Sij；根据确定第二相似性矩阵S'ij，其中，W为投影矩阵，Bij为弹性矩阵；根据(X(L+λL')XT)V＝λ(XDXT)V求解矩阵V和特征值λ；提取矩阵V中与相对大的前v个特征值相对应的特征向量构成投影矩阵；跳转至确定第二相似矩阵确定步骤，直至满足迭代条件，将最后得到的投影矩阵记为目标投影矩阵；采用目标投影矩阵对待降维图像进行降维处理。本发明提供的图像数据降维方法及系统同时考虑了数据的相似性和差异性。