-
公开(公告)号:CN104616000B
公开(公告)日:2018-08-07
申请号:CN201510089247.X
申请日:2015-02-27
Applicant: 苏州大学
Abstract: 本发明提供种人脸识别方法和装置。该方法在原有的小样本有监督拉普拉斯判别分析的基础上进行改进,在最小化类内散度的目标函数中融入了最大化类间散度,使用拉普拉斯判别分析,通过实现最优目标函数求得投影矩阵,对高维人脸数据进行降维。在用此种方法降维后,对人脸图像识别率比原SLDA方法高,能更好地进行人脸识别。
-
公开(公告)号:CN103955944A
公开(公告)日:2014-07-30
申请号:CN201410218968.1
申请日:2014-05-22
Applicant: 苏州大学
IPC: G06T7/00
Abstract: 本发明提供一种图像边缘检测方法和装置,通过本发明实施例提供的图像边缘检测方法,在获取M个初始设定的窗口Ni对应的一阶边缘检测算子和二阶边缘检测算子后,可以利用M个一阶边缘检测算子得到一阶边缘检测图像以及利用M个二阶边缘检测算子得到二阶边缘检测图像;然后将一阶边缘检测图像和二阶边缘检测图像进行逻辑或运算,得到边缘检测图像。与现有技术相比,本发明实施例提供的图像边缘检测方法提出了同时基于一阶边缘检测算子和二阶边缘检测算子检测图像边缘的方法。并且经过发明人多次实验证明,将一阶边缘检测图像和二阶边缘检测图像进行逻辑或运算后,边缘检测图像中的噪声降低,从而提高边缘检测图像的抗噪能力。
-
公开(公告)号:CN103870719A
公开(公告)日:2014-06-18
申请号:CN201410140707.2
申请日:2014-04-09
Applicant: 苏州大学
IPC: G06F19/10
Abstract: 本申请公开了一种启动子识别方法,通过对多个样本基因序列进行胞嘧啶、鸟嘌呤CG偏好特征的统计,将多个样本基因序列分为两类,针对每一类样本基因序列分别执行以下步骤:分别提取其中每一个样本基因序列的刚性特征、CpG岛特征和四联体组成成分特征,并构建对应的分类器来对样本基因序列进行启动子识别判断,对识别的非启动子序列提取其五联体组成成分特征并构成五联体分类器,再次进行启动子识别判断,并在识别结果满足预设条件时,确定当前样本基因序列为启动子序列,否则为非启动子序列。本申请充分考虑了基因的刚性特征、CpG岛特征和组成成分特征,通过分级识别,最终给出的启动子识别结果准确率更高。
-
公开(公告)号:CN103955944B
公开(公告)日:2018-01-19
申请号:CN201410218968.1
申请日:2014-05-22
Applicant: 苏州大学
Abstract: 本发明提供一种图像边缘检测方法和装置,通过本发明实施例提供的图像边缘检测方法,在获取M个初始设定的窗口Ni对应的一阶边缘检测算子和二阶边缘检测算子后,可以利用M个一阶边缘检测算子得到一阶边缘检测图像以及利用M个二阶边缘检测算子得到二阶边缘检测图像;然后将一阶边缘检测图像和二阶边缘检测图像进行逻辑或运算,得到边缘检测图像。与现有技术相比,本发明实施例提供的图像边缘检测方法提出了同时基于一阶边缘检测算子和二阶边缘检测算子检测图像边缘的方法。并且经过发明人多次实验证明,将一阶边缘检测图像和二阶边缘检测图像进行逻辑或运算后,边缘检测图像中的噪声降低,从而提高边缘检测图像的抗噪能力。
-
公开(公告)号:CN103870719B
公开(公告)日:2017-06-16
申请号:CN201410140707.2
申请日:2014-04-09
Applicant: 苏州大学
IPC: G06F19/10
Abstract: 本申请公开了一种启动子识别方法,通过对多个样本基因序列进行胞嘧啶、鸟嘌呤CG偏好特征的统计,将多个样本基因序列分为两类,针对每一类样本基因序列分别执行以下步骤:分别提取其中每一个样本基因序列的刚性特征、CpG岛特征和四联体组成成分特征,并构建对应的分类器来对样本基因序列进行启动子识别判断,对识别的非启动子序列提取其五联体组成成分特征并构成五联体分类器,再次进行启动子识别判断,并在识别结果满足预设条件时,确定当前样本基因序列为启动子序列,否则为非启动子序列。本申请充分考虑了基因的刚性特征、CpG岛特征和组成成分特征,通过分级识别,最终给出的启动子识别结果准确率更高。
-
公开(公告)号:CN104616000A
公开(公告)日:2015-05-13
申请号:CN201510089247.X
申请日:2015-02-27
Applicant: 苏州大学
CPC classification number: G06K9/00288 , G06K9/6271
Abstract: 本发明提供一种人脸识别方法和装置。该方法在原有的小样本有监督拉普拉斯判别分析的基础上进行改进,在最小化类内散度的目标函数中融入了最大化类间散度,使用拉普拉斯判别分析,通过实现最优目标函数求得投影矩阵,对高维人脸数据进行降维。在用此种方法降维后,对人脸图像识别率比原SLDA方法高,能更好地进行人脸识别。
-
-
-
-
-