-
公开(公告)号：CN105160358B
公开(公告)日：2018-08-17
申请号：CN201510560969.9
申请日：2015-09-07
Applicant: 苏州大学张家港工业技术研究院 , 苏州大学
Abstract: 本申请提供了一种图像分类方法及系统，该分类方法包括：根据待分类图像的特征对所述待分类图像进行分层，并获取符合预设条件的图像层；利用预先构建的分类器中的变换群获取所述图像层对应的轨道；将所述轨道的轨道中心与所述分类器中的近似轨道中心集合中的多个近似轨道中心进行对比，判断所述待分类图像的类别。该方法通过进行分层，然后利用预先构建的分类器寻找轨道，根据获取的轨道的轨道中心与分类器中的近似轨道中心进行对比，判断得到待分类图像的类别，该分类方法既满足了速度的需求，且从根本上进一步提高了图像分类的速度。
-
公开(公告)号：CN105069137B
公开(公告)日：2018-11-20
申请号：CN201510507976.2
申请日：2015-08-18
Applicant: 苏州大学张家港工业技术研究院 , 苏州大学
Abstract: 本发明公开了一种基于概念分解的半监督文档分类方法，包括：对原始数据矩阵作分解，将数据转换到低维空间，得到既有邻域保持、相似性保持以及约束保持的原始数据在低维空间的近似矩阵；利用算法接收参数K对原始数据的低维近似矩阵进行聚类，得到聚类结果；利用精确度和互信息两种评价标准对所述聚类结果进行评价。本发明基于概念分解，不仅考虑了原始数据的邻域保持特性，同时还考虑了数据点相似在原始空间和低维流形空间的一致性，以及约束对在原始空间和转换空间的约束保持，使得聚类性能不仅在先验信息较多的时候大大提高，在先验信息很少的时候依然能保持较好的聚类性能。本发明还公开了一种基于概念分解的半监督文档分类系统。
-
公开(公告)号：CN105023026B
公开(公告)日：2018-08-17
申请号：CN201510508103.3
申请日：2015-08-18
Applicant: 苏州大学张家港工业技术研究院 , 苏州大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于非负矩阵分解的半监督聚类方法，包括：对原始数据矩阵作非负矩阵分解投影，得到既有邻域保持又有相似性保持的原始数据的低维近似矩阵；利用算法接收参数K对原始数据的低维近似矩阵进行聚类，得到聚类结果；利用精确度和互信息两种评价标准对所述聚类结果进行评价。本发明基于非负矩阵分解，不仅考虑了原始数据的邻域保持，同时还考虑了相似性在原始空间和低维流形子空间的一致性，使得聚类性能在先验信息较多的时候大大提高，在先验信息很少的时候依然能保持较好的聚类性能。本发明还公开了一种基于非负矩阵分解的半监督聚类系统。
-
公开(公告)号：CN108908350A
公开(公告)日：2018-11-30
申请号：CN201810780373.3
申请日：2018-07-16
Applicant: 苏州大学张家港工业技术研究院 , 苏州大学
IPC: B25J9/18
Abstract: 本发明公开了一种交互式机器人的控制系统及其控制方法，该控制方法包括以下步骤：S1.获取目标点：通过PC机读取SD卡内容或者接受用户的指令，将要到达的目标点的坐标值保存在程序的对应变量中；S2.获取目标线段类型：根据当前坐标到达指定目标点设定运动方式，获得目标线段类型；S3.计算插补点：根据已知的目标点和目标线段类型，计算插补点；S4.重复步骤S3直至完成整个目标线段；S5.控制器将PC机发送过来的指令数据进行解析，并传递给末端执行器；S6.末端执行器执行控制器的动作。本发明相较于现有技术，插补点的计算方法有效减少比较次数，提高插补效率和精度。
-
公开(公告)号：CN117273590A
公开(公告)日：2023-12-22
申请号：CN202311358313.X
申请日：2023-10-19
Applicant: 苏州大学
IPC: G06Q10/0835 , G06Q10/047 , G06N3/048 , G06N3/0464
Abstract: 本发明提供一种求解车辆路径优化问题的神经组合优化方法及系统，涉及车辆路径规划技术领域，该方法包括对CVRP问题进行描述，引入热力图来反映节点之间的关联关系，并采用图神经网络来参数化热力图；基于参数化的热力图来确定客户与车辆的匹配，构建包括状态、动作、奖励和策略的客户匹配框架；采用强化学习方法对神经网络模型进行训练，以所有车辆的行驶路径长度最小化为优化目标，得到训练好的神经网络模型；利用训练好的神经网络模型，求解车辆的最优配送路径。本发明在CVRP问题上对所提出算法进行了评估，该方法在求解性能和求解时间上明显优于现有的实时求解器。
-
Patent Agency Ranking
公开(公告)号：CN108830302B
公开(公告)日：2022-06-07
申请号：CN201810523533.6
申请日：2018-05-28
Applicant: 苏州大学
IPC: G06V10/764 , G06V10/762 , G06V10/774 , G06K9/62
Abstract: 本申请公开了一种图像分类方法，包括：对标准TWSVM算法进行预处理，得到预处理TWSVM算法；根据获取的训练数据集执行二叉决策树构造操作，根据预处理TWSVM算法和构造得到的二叉决策树中的非叶子结点进行训练处理，得到每个非叶子结点的决策函数；通过二叉决策树和决策函数对待测样本进行分类预测处理，得到分类结果。通过二叉决策树为基础拓展TWSVM算法，提高TWSVM算法处理多分类问题的效率，并且通过核聚类构造的二叉决策树提高了面对非线性问题时的准确率本申请还公开了一种图像分类的训练方法、分类预测方法、图像分类系统、图像分类装置以及计算机可读存储介质，具有以上有益效果。
-
公开(公告)号：CN107958241B
公开(公告)日：2021-09-21
申请号：CN201810007877.1
申请日：2018-01-04
Applicant: 苏州大学
Abstract: 本发明公开了一种单样本人脸识别方法、装置、设备及计算机可读存储介质，包括对待识别图像进行预处理，得到行列一致的待识别单样本；采用预先计算出的SVD投影矩阵和LU投影矩阵分别对待识别单样本进行投影，得到第一判别特征和第二判别特征；利用第一判别特征、第二判别特征、第一计算关系式、预先依据原始训练样本集计算出的SVD权重、LU权重、与原始训练样本集中的各个原始训练样本一一对应的各个SVD判别特征和各个LU判别特征计算出待识别单样本到各个原始单样本的距离；采用最近邻分类器从各个距离中确定出待识别单样本距离最近的原始单样本，并以确定出待识别单样本的类别。扩展了数据的求解范围，提高了识别率和识别性能。
-
公开(公告)号：CN107507611B
公开(公告)日：2021-08-24
申请号：CN201710774048.1
申请日：2017-08-31
Applicant: 苏州大学
Abstract: 本发明公开了一种语音分类识别的方法，向预先创建的分类器模型中输入待判别的语音数据样本，根据所述分类器模型的输出值得到所述语音数据样本的分类结果；其中，所述分类器模型是基于采用L1范式正则参数和拉普拉斯正则参数确定以及支持向量机的约束条件，获得支持向量样本集合，从而使得获得的分类器模型，具有较强的稀疏性和可解释性，且对噪音具有较强的过滤能力，从而对噪音具有较强的鲁棒性，从而能够获得对语音分类的一个较为准确的结果。本发明还提供一种语音分类识别的装置，具有上述有益效果。
-
公开(公告)号：CN106327520B
公开(公告)日：2020-04-07
申请号：CN201610692267.0
申请日：2016-08-19
Applicant: 苏州大学
Abstract: 本申请公开了一种运动目标检测方法，包括：预先确定与视频监控设备的监控场景所对应的背景图像；对待检测灰度图像和背景图像进行相减处理，得到相应的差分图像；对差分图像进行二值化处理，确定出待检测灰度图像上的运动目标；其中，背景图像的确定过程包括，分别对视频监控设备已采集的灰度图像帧序列中的第一灰度图像帧和第二灰度图像帧进行图像块划分处理，相应地得到第一图像块集和第二图像块集，然后利用第一图像块集和第二图像块集之间的差异性，确定出背景图像。本申请公开的技术方案提升了运动目标的检测效果并降低了检测过程的复杂程度。另外，本申请还相应公开了一种运动目标检测系统。
-
公开(公告)号：CN105608471B
公开(公告)日：2020-01-14
申请号：CN201511002862.9
申请日：2015-12-28
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明公开了一种鲁棒直推式标签估计及数据分类方法和系统，方法包括：利用有标签和无标签训练样本人工初始化类标签矩阵，经近邻搜索构造相似近邻图和归一化后的权重系数矩阵；通过平衡近邻重构项和标签拟合项得到未知标签训练样本的软标签矩阵；基于鲁棒l2,1‑范数度量的近邻重构错误，定义流形平滑项；对标签拟合项进行l2,1‑范数正则化；通过迭代计算得到每个未知标签样本数据的软类别标签向量，估计出样本类别，得到分类结果。采用该方法构建的系统，通过引入l2,1‑范数正则化技术，有效提升了系统对于噪音的鲁棒性，增强分类性能。
-
-
-
-
-
-
-
-
-
Search Results
231
records
(took 0.028 seconds)
