公开(公告)号：CN119807932A

公开(公告)日：2025-04-11

申请号：CN202510163163.X

申请日：2025-02-14

Applicant: 无锡学院

Inventor： 李子奇 ,  李丹阳 ,  尹贺峰 ,  夏庆锋 ,  任珂 ,  郭婷婷 ,  廖俊杰 ,  王振宇

IPC: G06F18/2431 ,  G06V10/764

Abstract: 本发明公开一种基于仿射局部敏感的非负表示分类方法及装置，所述方法包括以下步骤：获取对照样本集，并对所述对照样本集进行预处理，得到对照集；其中，所述对照集中的对照样本分别属于若干个不同的样本类别；通过求解预设目标函数，得到待分类样本在所述对照集上的编码向量；其中，所述预设目标函数中包括局部约束矩阵；根据所述编码向量，计算所述待分类样本与各所述样本类别之间的残差，并根据所述残差，确定所述待分类样本对应的所述样本类别。本发明能够提高非负表示分类器的分类效率。

公开(公告)号：CN115049941A

公开(公告)日：2022-09-13

申请号：CN202210738442.0

申请日：2022-06-27

Applicant: 无锡学院

Inventor： 苏宇轩 ,  李子奇 ,  施林枫 ,  廖俊杰

IPC: G06V20/13 ,  G06V10/82 ,  G06V10/764 ,  G06V10/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种改进的ShuffleNet卷积神经网络及其遥感图像的分类方法，该方法构建并训练ShuffleNet卷积神经网络，获取图像数据集并将图像数据集中的数据划分为训练集和测试集，对图像数据集进行预处理，并裁剪成分辨率为224×224的图像，将裁剪后的图像输入到Conv1层进行卷积运算，并对训练集中的图像进行特征提取，将特征提取后的图像输入到最大重叠池化层，将最大重叠池化层处理后的图像输入到ShuffleNet V2网络组成的三个阶段中，将第三个阶段输出的图像依次输入到Conv5层、SE模块、全局平均池化层、全连接层中，得到训练好的ShuffleNet卷积神经网络，将测试集输入至训练好的ShuffleNet卷积神经网络，得到图像分类结果。本发明可以有效地减少网络的内存占用量，有着较好的分类准确率。

公开(公告)号：CN119810563A

公开(公告)日：2025-04-11

申请号：CN202510043757.7

申请日：2025-01-10

Applicant: 无锡学院

Inventor： 李子奇 ,  李丹阳 ,  尹贺峰 ,  张永宏 ,  廖俊杰 ,  王振宇

IPC: G06V10/764 ,  G06V40/16 ,  G06V10/774 ,  G06F18/2431

Abstract: 本发明提供一种基于竞争和非负表示的分类方法及分类器，方法包括：获取训练样本集和测试样本；对训练样本集中的训练样本进行归一化处理；利用预设的Co‑NRC目标函数求解测试样本在归一化后的训练样本集上的表示系数；计算测试样本在归一化后的训练样本集中每个类别上的残差；根据残差进行分类，将测试样本识别为最小残差对应的类别；本发明在NRC的基础上引入了一个类竞争约束正则项，竞争约束可以创造一个激烈的竞争环境，让所有类都竞争的表示测试样本，在非负约束的基础上进一步地惩罚异质样本，使同质样本的表示贡献更大，有效地提升了分类准确率；本发明可以广泛运用于人脸识别、对象分类、视觉跟踪等任务，具有良好的应用前景。

公开(公告)号：CN218630709U

公开(公告)日：2023-03-14

申请号：CN202221580573.2

申请日：2022-06-22

Applicant: 无锡学院

Inventor： 李子奇 ,  夏庆锋 ,  廖俊杰

IPC: G06F1/20 ,  G06F11/30

Abstract: 本实用新型公开了一种用于智能识别的机器学习装置，包括箱体，所述箱体的顶部焊接有工作台，所述箱体内腔的顶部焊接有安装盒，所述安装盒内腔底部的左侧通过螺栓连接有识别器，所述安装盒内腔底部的右侧通过螺栓连接有单板机，所述工作台顶部的左侧固定连接有放置杆，所述放置杆的顶部设置有识别探头。本实用新型通过放置杆、识别探头、支撑箱、电机、螺纹杆、螺纹块、支撑杆、延伸块、活动块、冷却箱、半导体制冷器、导温板、风扇、导流罩、导流管和温度传感器的配合使用，解决了现有的机器学习装置在使用的过程中，不能够对显示器的位置进行调整和设备内部散热能力不足的问题。