-
公开(公告)号：CN103927530B
公开(公告)日：2017-06-16
申请号：CN201410186226.5
申请日：2014-05-05
Applicant: 苏州大学
Abstract: 本发明公开了一种基于相似性学习的人脸集匹配方法及系统，通过从原始数据样本中选取训练集样本和测试集样本，并挑选训练样本，计算真实相似度，与计算出的计算相似度进行比较，从而选取最终分类器，并将训练样本中每类样本的几何平均值以及测试集样本中的每个测试样本带入最终分类器中，获取分类结果，进而获取测试样本的类别。本方案首先通过选取部分样本作为训练样本，进行训练过程，实现对分类器的选取，避免了将所有的样本作为训练样本进行训练，从而简化了训练过程，避免了复杂的过程，提高了训练速度。另外，本方案中通过选取训练集样本每类样本的几何平均值来构建多个不同的分类器，达到了通过简单的操作过程带来精确的结果的效果。
-
公开(公告)号：CN103440506A
公开(公告)日：2013-12-11
申请号：CN201310379419.8
申请日：2013-08-27
Applicant: 苏州大学
IPC: G06K9/64
Abstract: 本发明提供一种基于有监督稀疏线性嵌入的手写体数字可视化方法及系统，所述方法包括以下步骤。将有标签的图像数据集合转换为向量数据集合，并根据所述向量数据集合生成分块样本矩阵。若所述分块样本矩阵中的第i类样本矩阵为Xi，且Xi的第j个列向量将所述Xi表示为其中为的加权系数，用正交匹配追踪算法求解所述根据所述加权系数及样本数据的加权系数矩阵，定义矩阵M。对所述矩阵M作特征分解，从小到大获取第2到d+1个特征值所对应的特征向量组成降维后的向量数据矩阵，其中d为降维后的维数，并输出所述降维后的向量数据矩阵的可视化坐标。
-
公开(公告)号：CN103279746A
公开(公告)日：2013-09-04
申请号：CN201310210372.2
申请日：2013-05-30
Applicant: 苏州大学
Abstract: 本发明公开了一种基于支持向量机的人脸识别方法及系统。所述方法包括：获取人脸样本训练集：对于人脸样本训练集中的每一个人脸样本，随机选取k个与该人脸样本属于同一个类别的人脸样本作为同类样本，随机选取k个与该人脸样本属于不同类别的人脸样本作为异类样本；根据所述同类样本和所述异类样本生成差样本对集合；所述差样本对集合中，对于所述人脸样本训练集中的每一个人脸样本，均有2k个同类差样本对，以及2k个异类差样本对；对于差样本对集合，采用支持向量机训练得到相似性判断模型；根据所述相似性判断模型得到分类模型，采用所述分类模型进行人脸识别。采用本发明的方法或系统，可以在保证快速采样的前提下提高人脸识别的效率。
-
公开(公告)号：CN103927530A
公开(公告)日：2014-07-16
申请号：CN201410186226.5
申请日：2014-05-05
Applicant: 苏州大学
Abstract: 本发明公开了一种基于相似性学习的人脸集匹配方法及系统，通过从原始数据样本中选取训练集样本和测试集样本，并挑选训练样本，计算真实相似度，与计算出的计算相似度进行比较，从而选取最终分类器，并将训练样本中每类样本的几何平均值以及测试集样本中的每个测试样本带入最终分类器中，获取分类结果，进而获取测试样本的类别。本方案首先通过选取部分样本作为训练样本，进行训练过程，实现对分类器的选取，避免了将所有的样本作为训练样本进行训练，从而简化了训练过程，避免了复杂的过程，提高了训练速度。另外，本方案中通过选取训练集样本每类样本的几何平均值来构建多个不同的分类器，达到了通过简单的操作过程带来精确的结果的效果。
-
公开(公告)号：CN102789490B
公开(公告)日：2014-11-05
申请号：CN201210228899.3
申请日：2012-07-04
Applicant: 苏州大学
IPC: G06F17/30
Abstract: 本发明提供了一种数据可视化方法，包括：获取第一数据集并计算所述第一数据集中每个数据的可视化坐标，得到与所述第一数据集对应的可视化坐标集，其中，所述第一数据集包括n个D维数据，n为大于等于1的正整数，D为大于等于1的正整数；获取第二数据集并利用稀疏矩阵求加权值的方法增量式地处理所述第二数据集中的每个数据，得到所述第二数据集中每个数据的可视化坐标，并将每次处理得到的每个数据的可视化坐标加入到与所述第一数据集对应的可视化坐标集中，其中，N为大于n的正整数；输出与所述第一数据集对应的可视化坐标集。本发明还提供了一种数据可视化系统。本发明提供的数据可视化方法和系统提高了数据处理速度。
-
Patent Agency Ranking
公开(公告)号：CN102663370B
公开(公告)日：2013-10-09
申请号：CN201210120265.6
申请日：2012-04-23
Applicant: 苏州大学
Abstract: 本发明公开了一种人脸识别的方法，通过对测试样本和训练样本进行随机的降维，并生成相似性学习训练集和测试集，选择支持向量机的正则参数和高斯核函数，将相似性学习的训练集输入到正则参数和高斯核函数中，得到分类器模型，再将相似性学习的测试集输入到分类器模型中，得到分类结果，通过将所述分类结果进行求和，与某一类样本的样本数量的商为所述某一类的相似性概率的大小，取得最大值，并将所述最大值输出，得到相似性概率的大小，得到最准确的人脸识别结果。通过对样本的降维，将样本复杂度降低，使得基于SVM来学习人脸图像之间的相似性的算法快速；另外，通过对于每一类进行的算法，使得人脸识别率有了相应的提高。
-
公开(公告)号：CN103927529B
公开(公告)日：2017-06-16
申请号：CN201410185212.1
申请日：2014-05-05
Applicant: 苏州大学
Abstract: 本发明公开了一种基于相似性学习的人脸集匹配方法及系统，首先通过选取部分样本作为训练样本，进行训练过程，实现对分类器的选取，避免了将所有的样本作为训练样本进行训练，并对训练集样本进行降维处理，得到降维训练样本，避免了高维数据对计算复杂度的增加，减少了训练周期，从而简化了训练过程，避免了复杂的过程，提高了训练速度。另外，本方案中通过选取训练集样本每类样本的几何平均值来构建多个不同的分类器，达到了通过简单的操作过程带来精确的结果的效果。
-
公开(公告)号：CN103279746B
公开(公告)日：2016-12-07
申请号：CN201310210372.2
申请日：2013-05-30
Applicant: 苏州大学
Abstract: 本发明公开了一种基于支持向量机的人脸识别方法及系统。所述方法包括：获取人脸样本训练集：对于人脸样本训练集中的每一个人脸样本，随机选取k个与该人脸样本属于同一个类别的人脸样本作为同类样本，随机选取k个与该人脸样本属于不同类别的人脸样本作为异类样本；根据所述同类样本和所述异类样本生成差样本对集合；所述差样本对集合中，对于所述人脸样本训练集中的每一个人脸样本，均有2k个同类差样本对，以及2k个异类差样本对；对于差样本对集合，采用支持向量机训练得到相似性判断模型；根据所述相似性判断模型得到分类模型，采用所述分类模型进行人脸识别。采用本发明的方法或系统，可以在保证快速采样的前提下提高人脸识别的效率。
-
公开(公告)号：CN103927529A
公开(公告)日：2014-07-16
申请号：CN201410185212.1
申请日：2014-05-05
Applicant: 苏州大学
Abstract: 本发明公开了一种基于相似性学习的人脸集匹配方法及系统，首先通过选取部分样本作为训练样本，进行训练过程，实现对分类器的选取，避免了将所有的样本作为训练样本进行训练，并对训练集样本进行降维处理，得到降维训练样本，避免了高维数据对计算复杂度的增加，减少了训练周期，从而简化了训练过程，避免了复杂的过程，提高了训练速度。另外，本方案中通过选取训练集样本每类样本的几何平均值来构建多个不同的分类器，达到了通过简单的操作过程带来精确的结果的效果。
-
公开(公告)号：CN102789490A
公开(公告)日：2012-11-21
申请号：CN201210228899.3
申请日：2012-07-04
Applicant: 苏州大学
IPC: G06F17/30
Abstract: 本发明提供了一种数据可视化方法，包括：获取第一数据集并计算所述第一数据集中每个数据的可视化坐标，得到与所述第一数据集对应的可视化坐标集，其中，所述第一数据集包括n个D维数据，n为大于等于1的正整数，D为大于等于1的正整数；获取第二数据集并利用稀疏矩阵求加权值的方法增量式地处理所述第二数据集中的每个数据，得到所述第二数据集中每个数据的可视化坐标，并将每次处理得到的每个数据的可视化坐标加入到与所述第一数据集对应的可视化坐标集中，其中，N为大于n的正整数；输出与所述第一数据集对应的可视化坐标集。本发明还提供了一种数据可视化系统。本发明提供的数据可视化方法和系统提高了数据处理速度。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.018 seconds)
