-
公开(公告)号：CN110781837B
公开(公告)日：2023-05-05
申请号：CN201911032277.1
申请日：2019-10-28
Applicant: 苏州大学
IPC: G06F18/24 , G06F18/213
Abstract: 本申请公开了一种基于声呐信号的物体分类方法，装置、设备及介质，包括：根据声呐数据矩阵计算出拉普拉斯矩阵，并计算声呐数据矩阵的整体分值；分别从待选择特征集合中选择待测特征索引，利用去除对应的待测信号特征之后的声呐数据矩阵计算待测信号特征的Laplacian得分，利用整体分值计算待测信号特征对声呐数据矩阵的局部保持度；从各局部保持度中选择出最小的目标局部保持度并确定出目标信号特征，删除待选择特征集合中对应的目标特征索引，将目标特征索引按照预设次序设置于目标特征子集中；删除声呐数据矩阵中的目标信号特征，继续进行筛选，直至待选择特征集合中没有特征索引；利用确定出的目标特征子集识别各目标物体并进行分类。
-
公开(公告)号：CN111290369A
公开(公告)日：2020-06-16
申请号：CN202010112814.X
申请日：2020-02-24
Applicant: 苏州大学
IPC: G05B23/02
Abstract: 本申请公开了一种基于半监督递归特征保留的故障诊断方法，在半监督学习的过程中，计算特征对于分类的判别能力以及对数据局部结构的保持能力，并以这两项能力为准则递归地筛选具备代表意义的特征，直至筛选得到的特征数量符合要求，得到最优特征集合。最终，根据最优特征集合提取待测数据的特征信息，将特征信息作为输入信息输入分类器，以实现故障诊断，从而减少不相关特征对故障诊断的影响，提升故障诊断效率。此外，本申请还提供了一种基于半监督递归特征保留的故障诊断装置、设备及可读存储介质，其技术效果与上述方法的技术效果相对应。
-
Patent Agency Ranking
公开(公告)号：CN110781837A
公开(公告)日：2020-02-11
申请号：CN201911032277.1
申请日：2019-10-28
Applicant: 苏州大学
IPC: G06K9/00
Abstract: 本申请公开了一种基于声呐信号的物体分类方法，装置、设备及介质，包括：根据声呐数据矩阵计算出拉普拉斯矩阵，并计算声呐数据矩阵的整体分值；分别从待选择特征集合中选择待测特征索引，利用去除对应的待测信号特征之后的声呐数据矩阵计算待测信号特征的Laplacian得分，利用整体分值计算待测信号特征对声呐数据矩阵的局部保持度；从各局部保持度中选择出最小的目标局部保持度并确定出目标信号特征，删除待选择特征集合中对应的目标特征索引，将目标特征索引按照预设次序设置于目标特征子集中；删除声呐数据矩阵中的目标信号特征，继续进行筛选，直至待选择特征集合中没有特征索引；利用确定出的目标特征子集识别各目标物体并进行分类。
-
公开(公告)号：CN109711469B
公开(公告)日：2023-06-20
申请号：CN201811615503.4
申请日：2018-12-27
Applicant: 苏州大学
IPC: G06T7/00 , G06V10/764 , G06V10/771 , G06V10/774 , G16H50/20
Abstract: 本发明公开了一种基于半监督邻域判别指数的乳腺癌诊断系统，包括数据获取模块、特征提取模块、特征筛选模块、分类模块，能够获取有标签的乳腺细胞数据样本和无标签的乳腺细胞数据样本，并提取出乳腺细胞数据样本的多个特征，然后计算各个特征的半监督邻域判别指数，并从这些特征中筛选出半监督邻域判别指数满足预设条件的特征，最后根据筛选出的特征对待诊断的乳腺细胞数据样本进行诊断，得到诊断结果。可见，该方法基于半监督学习实现，通过计算各个特征的半监督邻域判别指数，筛选出与乳腺癌关联程度最大的特征，并在诊断过程中从待诊断数据样本中提取出这些特征数据，最后得到诊断结果，避免了为大量数据增加标签的过程，大大节省了开销。
-
公开(公告)号：CN109711469A
公开(公告)日：2019-05-03
申请号：CN201811615503.4
申请日：2018-12-27
Applicant: 苏州大学
Abstract: 本发明公开了一种基于半监督邻域判别指数的乳腺癌诊断系统，包括数据获取模块、特征提取模块、特征筛选模块、分类模块，能够获取有标签的乳腺细胞数据样本和无标签的乳腺细胞数据样本，并提取出乳腺细胞数据样本的多个特征，然后计算各个特征的半监督邻域判别指数，并从这些特征中筛选出半监督邻域判别指数满足预设条件的特征，最后根据筛选出的特征对待诊断的乳腺细胞数据样本进行诊断，得到诊断结果。可见，该方法基于半监督学习实现，通过计算各个特征的半监督邻域判别指数，筛选出与乳腺癌关联程度最大的特征，并在诊断过程中从待诊断数据样本中提取出这些特征数据，最后得到诊断结果，避免了为大量数据增加标签的过程，大大节省了开销。
-
公开(公告)号：CN110738191B
公开(公告)日：2023-08-18
申请号：CN201911031276.5
申请日：2019-10-28
Applicant: 苏州大学
IPC: G06F18/241
Abstract: 本申请公开了一种基于声呐信号的物体分类方法、装置、设备及介质，包括：根据声呐数据矩阵计算出拉普拉斯矩阵，并计算声呐数据矩阵的整体分值；分别从待选择特征集合中选择待测特征索引，利用增加与待测特征索引对应的待测信号特征之后的目标特征子集计算待测信号特征的Laplacian得分，并利用整体分值计算待测信号特征对声呐数据矩阵的局部保持度；从各局部保持度中选择出最小的目标局部保持度并确定出目标信号特征，删除待选择特征集合中与目标信号特征对应的目标特征索引，将目标特征索引按照预设次序设置于目标特征子集中；直到待选择特征集合中不存在特征索引；确定出目标特征子集，并利用目标特征子集识别各目标物体并进行分类。
-
公开(公告)号：CN110738191A
公开(公告)日：2020-01-31
申请号：CN201911031276.5
申请日：2019-10-28
Applicant: 苏州大学
IPC: G06K9/00
Abstract: 本申请公开了一种基于声呐信号的物体分类方法、装置、设备及介质，包括：根据声呐数据矩阵计算出拉普拉斯矩阵，并计算声呐数据矩阵的整体分值；分别从待选择特征集合中选择待测特征索引，利用增加与待测特征索引对应的待测信号特征之后的目标特征子集计算待测信号特征的Laplacian得分，并利用整体分值计算待测信号特征对声呐数据矩阵的局部保持度；从各局部保持度中选择出最小的目标局部保持度并确定出目标信号特征，删除待选择特征集合中与目标信号特征对应的目标特征索引，将目标特征索引按照预设次序设置于目标特征子集中；直到待选择特征集合中不存在特征索引；确定出目标特征子集，并利用目标特征子集识别各目标物体并进行分类。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
