-
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:CN104899578A
公开(公告)日:2015-09-09
申请号:CN201510363785.3
申请日:2015-06-26
Applicant: 苏州大学张家港工业技术研究院
IPC: G06K9/00
CPC classification number: G06K9/00288 , G06K9/6274
Abstract: 本发明公开了一种人脸识别的方法,包括:将获取得到的人脸图像数据作为待测样本;利用投影变换矩阵将所述待测样本映射到低维特征空间中,得到投影后的测试样本;在训练样本集合中,查找与所述测试样本距离最近的标准样本作为目标样本;将所述目标样本的类别确定为所述测试样本的类别;其中,所述投影变换矩阵为通过构造的类内邻接矩阵以及类间邻接矩阵,对所述训练样本集合中的多个样本进行训练得到的变换矩阵,以使类间距离最大、类内距离最小。本发明所提供的人脸识别的方法及装置,为正交判别投影分别构造了两个邻接矩阵:类间和类内邻接矩阵,把类内信息和类间信息分开表示,以得到均衡的信息,从而实现类内最小和类间最大的目的。
-
公开(公告)号:CN104834834A
公开(公告)日:2015-08-12
申请号:CN201510166526.1
申请日:2015-04-09
Applicant: 苏州大学张家港工业技术研究院
Abstract: 本发明的启动子识别系统的构建方法和装置,将包含多条基因序列的数据集划分为具有预设属性的第一数据子集和不具有预设属性的第二数据子集;并分别提取第一、第二数据子集的多种预设特征,所述预设特征包括基因刚性特征;之后,对特征提取所得的多个特征数据集合进行建模,得到构成启动子识别系统所需的各个子分类器模型。可见,本发明在构建人类基因启动子识别系统时,考虑了基因结构特征(如基因刚性特征),通过提取基因数据的基因刚性特征,并将提取的基因刚性特征作为训练数据进行建模,使最终的识别系统具备了结合基因结构特征识别启动子的能力,提升了系统的识别性能。
-
公开(公告)号:CN104899578B
公开(公告)日:2019-02-12
申请号:CN201510363785.3
申请日:2015-06-26
Applicant: 苏州大学张家港工业技术研究院
IPC: G06K9/00
Abstract: 本发明公开了一种人脸识别的方法,包括:将获取得到的人脸图像数据作为待测样本;利用投影变换矩阵将所述待测样本映射到低维特征空间中,得到投影后的测试样本;在训练样本集合中,查找与所述测试样本距离最近的标准样本作为目标样本;将所述目标样本的类别确定为所述测试样本的类别;其中,所述投影变换矩阵为通过构造的类内邻接矩阵以及类间邻接矩阵,对所述训练样本集合中的多个样本进行训练得到的变换矩阵,以使类间距离最大、类内距离最小。本发明所提供的人脸识别的方法及装置,为正交判别投影分别构造了两个邻接矩阵:类间和类内邻接矩阵,把类内信息和类间信息分开表示,以得到均衡的信息,从而实现类内最小和类间最大的目的。
-
公开(公告)号:CN105160358A
公开(公告)日:2015-12-16
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
CPC classification number: G06K9/6267 , G06K9/66
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:CN105069137A
公开(公告)日:2015-11-18
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
CPC classification number: G06F17/30705 , G06K9/6267
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: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:CN105160207A
公开(公告)日:2015-12-16
申请号:CN201510541211.0
申请日:2015-08-28
Applicant: 苏州大学张家港工业技术研究院
Abstract: 本申请公开了一种前列腺肿瘤的类型预测方法和系统,该方法和系统首先获取包含受检者的基因表达数据的待测样本;对待测样本进行归一化,构造归一化后的新待测样本;利用预设的投影变换矩阵将新待测样本映射到低维特征空间中,得到映射后的投影测试样本;从投影变换矩阵的训练样本集中找到与投影测试样本距离最近的样本;将样本的类型赋予投影测试样本,从而完成对前列腺肿瘤的类型预测并得到类型预测结果。
-
公开(公告)号:CN105023026A
公开(公告)日:2015-11-04
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
IPC: G06K9/62
CPC classification number: G06K9/6218
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。
-
-
-
-
-
-
-
-
-