公开(公告)号：CN106127220A

公开(公告)日：2016-11-16

申请号：CN201610381743.7

申请日：2016-06-01

Applicant: 苏州大学

Inventor： 张莉 ,  陶志伟 ,  王邦军 ,  张召 ,  李凡长

IPC: G06K9/62

CPC classification number: G06K9/627

Abstract: 本发明公开了一种时间序列分类方法及装置。该方法包括以下步骤：针对待分类的测试时间序列，确定测试时间序列与预先获得的训练时间序列集中每个训练时间序列的第一动态时间规整距离；针对确定的每个第一动态时间规整距离，确定基于该第一动态时间规整距离的第一高斯核函数，获得测试时间序列的高斯核变换矩阵；根据高斯核变换矩阵和预先生成的训练时间序列集的字典矩阵，获得测试时间序列的稀疏表示系数矩阵；针对每种类别，根据字典矩阵中与该类别位置对应的原子和稀疏表示系数矩阵，确定测试时间序列与该类别的残差；将最小残差对应的类别确定为测试时间序列的类别。应用本发明实施例所提供的技术方案，可以提高时间序列的分类精确度。

公开(公告)号：CN104731972A

公开(公告)日：2015-06-24

申请号：CN201510170063.6

申请日：2015-04-13

Applicant: 苏州大学张家港工业技术研究院

Inventor： 张莉 ,  陶志伟 ,  王邦军 ,  张召 ,  杨季文 ,  李凡长

IPC: G06F17/30

Abstract: 本发明公开了一种时间序列分类方法和装置。该方法在生多个码词后从多个码词中确定与待测时间序列子序列马氏距离最短的第一码词和样本时间序列子序列马氏距离最短的第二码词，并用利用第一码词和第二码词对待测时间序列和样本时间序列进行重构。进一步，利用重构待测时间序列与各个重构样本时间序列之间马氏距离，确定待测时间序列的类别。与现有技术相比，本发明解决了欧氏距离作为相似性度量容易受模式特征量纲的影响，引入马氏距离作为相似性度量，在消除量纲影响的同时，也消除了码词间相关性对算法准确率的影响，提高了分类的精度。

公开(公告)号：CN106295711A

公开(公告)日：2017-01-04

申请号：CN201610693425.4

申请日：2016-08-19

Applicant: 苏州大学

Inventor： 张莉 ,  陶志伟 ,  张召 ,  李凡长 ,  王邦军

IPC: G06K9/62

CPC classification number: G06K9/6269 ,  G06K9/6256 ,  G06K9/6276

Abstract: 本申请公开了一种时间序列分类方法，包括：预先对GDTW核函数进行优化，得到改进后的GDTW核函数；利用改进后的GDTW核函数，分别对预设的时间序列训练样本集和时间序列测试样本进行核变换；利用预设的分类算法，并依据训练样本的核变换数据集中的时间序列类别标签，对测试样本的核变换数据进行分类处理，得到时间序列测试样本的类别。本申请改进后的GDTW核函数在计算时间序列元素之间的欧氏距离时，是对满足最优偏移路径的两个时间序列元素之间的欧式距离进行计算的，这样使得改进后的GDTW核函数保留了时间序列之间的偏移路径信息，从而使得后续的分类效果得到进一步的改善。另外，本申请还相应公开了一种时间序列分类系统。

公开(公告)号：CN103886310A

公开(公告)日：2014-06-25

申请号：CN201410163058.8

申请日：2014-04-22

Applicant: 苏州大学

Inventor： 张莉 ,  卢星凝 ,  王邦军 ,  陶志伟 ,  李凡长 ,  杨季文

IPC: G06K9/00 ,  G06K9/66

Abstract: 本发明提供一种基于多个1类支持向量机的人脸相似性识别方法及系统。所述方法包括以下步骤。S1、对现有的人脸训练样本集进行处理，获得差样本对，并构造差样本对训练集。S2、对所述差样本对训练集按类别分别进行训练学习，获得1类SVM模型系数，并通过所述模型系数获得超球体半径rc。S3、获取任意两个测试样本的测试差样本对，并根据所述测试差样本对及超球体半径计算相似性判别模型，以判断所述任意两个测试样本的相似性。

公开(公告)号：CN103886310B

公开(公告)日：2017-09-19

申请号：CN201410163058.8

申请日：2014-04-22

Applicant: 苏州大学

Inventor： 张莉 ,  卢星凝 ,  王邦军 ,  陶志伟 ,  李凡长 ,  杨季文

IPC: G06K9/00 ,  G06K9/66

Abstract: 本发明提供一种基于多个1类支持向量机的人脸相似性识别方法及系统。所述方法包括以下步骤。S1、对现有的人脸训练样本集进行处理，获得差样本对，并构造差样本对训练集。S2、对所述差样本对训练集按类别分别进行训练学习，获得1类SVM模型系数，并通过所述模型系数获得超球体半径rc。S3、获取任意两个测试样本的测试差样本对，并根据所述测试差样本对及超球体半径计算相似性判别模型，以判断所述任意两个测试样本的相似性。

公开(公告)号：CN104657749A

公开(公告)日：2015-05-27

申请号：CN201510097947.3

申请日：2015-03-05

Applicant: 苏州大学

Inventor： 张莉 ,  陶志伟 ,  王邦军 ,  张召 ,  李凡长 ,  杨季文

IPC: G06K9/62

CPC classification number: G06K9/6269

Abstract: 本发明提供了一种时间序列的分类方法及装置，本申请中预先将训练时间序列集合的训练时间序列按类别标签分为各个训练时间序列子集，针对每个训练时间序列子集中的每个样本进行时间分段，使得每个训练时间序列由长段时间序列转换为短段时间序列，然后生成与每个训练时间序列子集对应的预设类别码本。本申请中每个类别均有自身的码本，这样便可使得测试时间序列与每个类别的码本均进行类别匹配，由于对长段时间序列进行了分段，使得聚集在一个时间序列内的各个特征分离，从而能够提取到训练时间序列子集的主要特征，进一步使得测试时间序列的匹配精度更高。