公开(公告)号：CN107315788A

公开(公告)日：2017-11-03

申请号：CN201710445793.1

申请日：2017-06-14

Applicant: 电子科技大学

Inventor： 何兴高 ,  李婵娟 ,  姜伟卓

IPC: G06F17/30 ,  G06K9/62

Abstract: 本发明设计了一种基于MapReduce的PCA降维处理流程，是高维数据降维处理与分布式平台的结合的产物。本发明旨在解决传统PCA算法在实际的应用中存在的问题：当数据维数(特征)比较高的时候，存在内存消耗巨大、处理时间很长，单台普通PC机在计算特征之间的协方差矩阵存在极大困难。本发明借助于Hadoop平台HDFS的文件分块的特征，对高维数据在维度上进行分块处理；借助于MapReduce的并行处理的特征，对按维度划分为多块的高维数据进行并行处理，发挥Hadoop集群中各节点的价值，节约处理时间。

公开(公告)号：CN107633196A

公开(公告)日：2018-01-26

申请号：CN201710449650.8

申请日：2017-06-14

Applicant: 电子科技大学

Inventor： 何兴高 ,  姜伟卓 ,  唐晨

IPC: G06K9/00 ,  G06N3/08

Abstract: 本发明公开了一种满足基于卷积神经网络对于眼球追踪实现的技术。其特征在于在构造中利用了卷积神经网络对于人脸识别的技术，在识别的过程中，将数据再次处理化，使其在眼球追踪中能得到良好的体现，同时在效率和精确方面优于现有的眼球追踪技术，也解决VR中眼球点渲染的难题。本发明分为以下七个步骤：数据的预处理，卷积神经网络的建立，训练数据集，数据集的二次处理，利用当前模型预测测试集，测试后的数据相转化，实行点渲染。