-
公开(公告)号：CN112329734B
公开(公告)日：2024-07-26
申请号：CN202011378994.2
申请日：2020-11-30
Applicant: 安徽理工大学
IPC: G06V40/16 , G06V10/44 , G06V10/74 , G06V10/762 , G06V10/764 , G06V10/80
Abstract: 本发明公开了一种基于两模态图强化特征学习的人脸识别方法，主要是通过构建两模态图强化特征学习的模型，从人脸图像学习具有强鉴别力的低维相关特征，以实现人脸识别。具体实现过程为：(1)对原始人脸图像进行处理，构建模态样本数据集；(2)构建两模态图强化特征学习模型；(3)对模型求解，采用近邻分类策略进行识别。与现有技术相比，本发明能够利用图强化在低维相关特征中尽量保留原始数据的内在几何结构信息，使本发明具有较好的识别性能。
-
公开(公告)号：CN112329734A
公开(公告)日：2021-02-05
申请号：CN202011378994.2
申请日：2020-11-30
Applicant: 安徽理工大学
Abstract: 本发明公开了一种基于两模态图强化特征学习的人脸识别方法，主要是通过构建两模态图强化特征学习的模型，从人脸图像学习具有强鉴别力的低维相关特征，以实现人脸识别。具体实现过程为：(1)对原始人脸图像进行处理，构建模态样本数据集；(2)构建两模态图强化特征学习模型；(3)对模型求解，采用近邻分类策略进行识别。与现有技术相比，本发明能够利用图强化在低维相关特征中尽量保留原始数据的内在几何结构信息，使本发明具有较好的识别性能。
-
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
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：CN111401429A
公开(公告)日：2020-07-10
申请号：CN202010170499.6
申请日：2020-03-12
Applicant: 安徽理工大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于聚类自适应典型相关分析的多视角图像聚类方法，主要是构建多视角典型相关分析和聚类的自适应优化模型，解决聚类任务中多视角相关学习的聚类不适应性问题，从而提高多视角图像的聚类性能。实现过程为：(1)初始化原始高维样本的类标签指示矩阵；(2)迭代求解相关投影矩阵、类质心矩阵和类标签指示矩阵；(3)基于求解的类标签指示矩阵，直接获得聚类结果。与现有技术相比，本发明提出的多视角图像聚类方法更具有效性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN114300049B
公开(公告)日：2024-12-31
申请号：CN202111548398.9
申请日：2021-12-17
Applicant: 安徽理工大学
IPC: G16B40/20 , G16B25/00 , G06F18/22 , G06F18/213 , G06F18/25 , G06F18/2413
Abstract: 本发明公开了一种基于相似度顺序保持的基因表达数据分类方法。主要步骤为：1、利用模态策略对基因表达数据进行处理，构建多视角基因表达数据集；2、构建跨视角相似度顺序保持相关分析模型；3、对相似度顺序保持跨视角相关分析模型进行优化求解获得投影矩阵；4、使用并行特征融合策略进行特征融合，选取不同数量的基因表达数据做训练和测试，计算平均识别率。与现有技术相比，本发明能够利用投影前后样本之间的相似性来构建稳定的样本结构关系，从而提取更具鉴别力的特征，提高基因表达数据分类的准确性。
-
公开(公告)号：CN111401429B
公开(公告)日：2023-05-26
申请号：CN202010170499.6
申请日：2020-03-12
Applicant: 安徽理工大学
IPC: G06V10/77 , G06V10/762
Abstract: 本发明公开了一种基于聚类自适应典型相关分析的多视角图像聚类方法，主要是构建多视角典型相关分析和聚类的自适应优化模型，解决聚类任务中多视角相关学习的聚类不适应性问题，从而提高多视角图像的聚类性能。实现过程为：(1)初始化原始高维样本的类标签指示矩阵；(2)迭代求解相关投影矩阵、类质心矩阵和类标签指示矩阵；(3)基于求解的类标签指示矩阵，直接获得聚类结果。与现有技术相比，本发明提出的多视角图像聚类方法更具有效性和鲁棒性。
-
公开(公告)号：CN114300049A
公开(公告)日：2022-04-08
申请号：CN202111548398.9
申请日：2021-12-17
Applicant: 安徽理工大学
Abstract: 本发明公开了一种基于相似度顺序保持的基因表达数据分类方法。主要步骤为：1、利用模态策略对基因表达数据进行处理，构建多视角基因表达数据集；2、构建跨视角相似度顺序保持相关分析模型；3、对相似度顺序保持跨视角相关分析模型进行优化求解获得投影矩阵；4、使用并行特征融合策略进行特征融合，选取不同数量的基因表达数据做训练和测试，计算平均识别率。与现有技术相比，本发明能够利用投影前后样本之间的相似性来构建稳定的样本结构关系，从而提取更具鉴别力的特征，提高基因表达数据分类的准确性。
-
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
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：CN109978980A
公开(公告)日：2019-07-05
申请号：CN201910265818.9
申请日：2019-04-03
Applicant: 安徽理工大学
Inventor： 王子莹
Abstract: 本发明公开一种平面设计空间转换方法，包括以下步骤：对平面图像进行划分，划分成若干区域；提取每个区域内的中点坐标；提取每个区域内的若干目标点；获取平面图像中的基准面，获取各个正方形区域内的所有目标点以及中心点的深度值；根据目标点和中心点间的深度值，计算出目标点与中心点的深度差，并将深度差转换成距离信息；建立空间三维模型；根据各中心点到基准面的距离，投影到空间三维模型中；提取各区域内中心点到目标点间的距离信息并投影到空间三维模型中。本发明提供的一种平面设计空间转换方法，能够有效且准确地将平面图像转换成空间，解决平面转换成空间的技术缺陷问题，大大提高了空间展示效果，并提高了用户的满意度。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.02 seconds)
