公开(公告)号：CN113011414A

公开(公告)日：2021-06-22

申请号：CN202110366347.8

申请日：2021-04-06

Applicant: 安徽理工大学

Inventor： 苏树智 ,  朱刚 ,  朱彦敏 ,  谢玉麒 ,  卢彦丰 ,  张开宇

IPC: G06K9/22 ,  G06K9/62

Abstract: 本发明公开了一种基于双特征正交弹性维数约简的手写体数字识别方法，主要是构建局部无向近邻图与全局几何图的同时引入正交性准则，构建正交弹性维数约简模型，并进一步利用该模型实现了手写体数字的识别任务。其具体实现过程为：(1)利用模态策略对手写体数字图像进行模态化处理；(2)构建正交弹性维数约简模型；(3)利用双特征分解方法对该模型进行求解，并借助最近邻分类器实现的手写体数字的识别。与现有技术相比，本发明提出的基于双特征正交弹性维数约简的手写体数字识别方法更具有效性和鲁棒性。

公开(公告)号：CN111461234B

公开(公告)日：2023-05-16

申请号：CN202010256307.3

申请日：2020-04-02

Applicant: 安徽理工大学

Inventor： 苏树智 ,  朱刚 ,  朱彦敏 ,  邓瀛灏 ,  高鹏连 ,  郜一玮

IPC: G06V10/762 ,  G06V10/764 ,  G06V10/80

Abstract: 本发明公开了一种基于两模态距离保持相关特征学习的单视角目标识别方法，主要是通过最大化模态间相关性的同时对鉴别聚类散布进行约束，从而来构建两模态间的相关特征学习模型，并进一步利用该模型实现单视角目标的识别。其具体实现过程为：(1)对单视角图像进行模态化处理；(2)构建两模态距离保持相关特征学习模型，并对该模型进行优化求解，以获得低维相关特征；(3)利用并行融合策略对低维相关特征进行融合，最后借助最近邻分类器获取单视角目标的识别结果。与现有技术相比，本发明能够借助两模态特征学习的优势有效地提高单视角目标的识别精度。

公开(公告)号：CN111753930A

公开(公告)日：2020-10-09

申请号：CN202010486685.0

申请日：2020-06-01

Applicant: 安徽理工大学

Inventor： 赵前进 ,  邓瀛灏 ,  苏树智 ,  王子莹 ,  朱刚 ,  朱彦敏

IPC: G06K9/68 ,  G06K9/62

Abstract: 本发明公开了一种基于双视图标签弹性特征学习的手写体数字识别方法。本发明在最大化视图间整体散布的同时，尽量保留视图内鉴别局部散布和全局散布的弹性结构，从而形成半监督的标签弹性特征学习模型，以借助部分标签来获得更加具有鉴别力的弹性特征。具体实现过程为：(1)通过视图策略获取单视图图像的两种视图数据；(2)构建面向两种视图数据的标签弹性特征学习模型；(3)优化求解标签弹性特征学习模型，以获取双视图数据的弹性特征；(4)利用并行融合策略获取两种视图数据的融合弹性特征，最后利用最近邻分类器对融合弹性特征进行分类，以获得最终的识别结果。与现有技术相比，该方法能保留原始视图数据内的弹性鉴别结构，有效地提高手写体数字的识别性能。

公开(公告)号：CN111753930B

公开(公告)日：2024-02-13

申请号：CN202010486685.0

申请日：2020-06-01

Applicant: 安徽理工大学

Inventor： 赵前进 ,  邓瀛灏 ,  苏树智 ,  王子莹 ,  朱刚 ,  朱彦敏

IPC: G06V30/244 ,  G06V30/19

Abstract: 本发明公开了一种基于双视图标签弹性特征学习的手写体数字识别方法。本发明在最大化视图间整体散布的同时，尽量保留视图内鉴别局部散布和全局散布的弹性结构，从而形成半监督的标签弹性特征学习模型，以借助部分标签来获得更加具有鉴别力的弹性特征。具体实现过程为：(1)通过视图策略获取单视图图像的两种视图数据；(2)构建面向两种视图数据的标签弹性特征学习模型；(3)优化求解标签弹性特征学习模型，以获取双视图数据的弹性特征；(4)利用并行融合策略获取两种视图数据的融合弹性特征，最后利用最近邻分类器对融合弹性特征进行分类，以获得最终的识别结果。与现有技术相比，该方法能保留原始视图数据内的弹性鉴别结构，有效地提高手写体数字的识别性能。

公开(公告)号：CN111461234A

公开(公告)日：2020-07-28

申请号：CN202010256307.3

申请日：2020-04-02

Applicant: 安徽理工大学

Inventor： 苏树智 ,  朱刚 ,  朱彦敏 ,  邓瀛灏 ,  高鹏连 ,  郜一玮

IPC: G06K9/62

Abstract: 本发明公开了一种基于两模态距离保持相关特征学习的单视角目标识别方法，主要是通过最大化模态间相关性的同时对鉴别聚类散布进行约束，从而来构建两模态间的相关特征学习模型，并进一步利用该模型实现单视角目标的识别。其具体实现过程为：(1)对单视角图像进行模态化处理；(2)构建两模态距离保持相关特征学习模型，并对该模型进行优化求解，以获得低维相关特征；(3)利用并行融合策略对低维相关特征进行融合，最后借助最近邻分类器获取单视角目标的识别结果。与现有技术相比，本发明能够借助两模态特征学习的优势有效地提高单视角目标的识别精度。