-
公开(公告)号：CN104484684A
公开(公告)日：2015-04-01
申请号：CN201510001954.9
申请日：2015-01-05
Applicant: 苏州大学
IPC: G06K9/66
CPC classification number: G06K9/66
Abstract: 本申请公开了一种手写体识别方法及系统，方法为：利用带平滑范数L1的自编码器对训练样本集中的各个训练样本进行处理，得到对应的目标训练样本，所述目标训练样本与所述训练样本集中的样本标签组成目标训练样本集，所述带平滑范数L1的自编码器的目标函数中设有稀疏惩罚项，该稀疏惩罚项为平滑L1范数，然后利用目标训练样本训练分类器，得到目标分类器，利用带平滑范数L1的自编码器对待预测样本进行处理，得到目标待预测样本，最后将所述目标待预测样本输入至所述目标分类器，以确定待预测样本的类别。本申请的方案将平滑范数L1引入自编码器中，代替常用的KL散度，作为新的稀疏惩罚项，能够得到更具判别性的特征，使得最终的手写体识别率更高。
-
公开(公告)号：CN104462870A
公开(公告)日：2015-03-25
申请号：CN201510011796.5
申请日：2015-01-09
Applicant: 苏州大学
IPC: G06F19/24
Abstract: 本发明提供了一种人类基因启动子识别方法及装置，现有技术中典型的非启动子具体包括外显子、内含子和3’-UTR，因此本申请预先分别构建预设启动子-外显子分类器、预设启动子-内含子分类器和预设启动子-3’-UTR分类器，相对于传统的启动子-非启动子的分类器，由于每个分类器中只有两个类别，不会出现交叉分类的情况，所以分类性能显著提高。并且分类器的基因训练序列中启动子与外显子的数量一致，启动子与内含子的数量一致，启动子与3’-UTR的数量一致，因此保证每个分类器中启动子和非启动子样本平衡，使得分类器能够依据平衡样本进行分类，因此能够准确识别启动子，解决现有技术中假阳性的问题，进而提高分类器的分类性能。
-
公开(公告)号：CN104376234A
公开(公告)日：2015-02-25
申请号：CN201410727536.3
申请日：2014-12-03
Applicant: 苏州大学
IPC: G06F19/22
Abstract: 本发明公开了一种启动子识别方法及系统：获取测试数据确定所述测试数据的一次特征向量；利用自编码器，对所述测试数据的一次特征向量进行特征提取，得到所述测试数据的二次特征向量；利用预设支持向量机，对所述测试数据的二次特征向量进行分类，得到分类结果，当所述分类结果满足预设条件时，确定所述测试数据为启动子。相较现有技术中直接对利用KL散度提取到的特征向量进行分类判定，本发明利用了自编码器的神经网络学习算法，有效地提高了对启动子的识别性能，进而提高了识别准确度。
-
公开(公告)号：CN108021930B
公开(公告)日：2022-01-14
申请号：CN201711140976.9
申请日：2017-11-16
Applicant: 苏州大学
IPC: G06V10/774 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种自适应的多视角图像分类方法及系统，将多视角标签传播和自适应多图权重学习整合到一个统一的框架中，充分探索各视角间的互补性，通过引入线性变换来获取不同视角空间的权重参数，进而结合每个视角构建最优的权重系数。由于在多视角数据权重学习方面采用了自适应方式，可以避免传统的单视角和多视角标签传播方法过程中遇到的复杂而棘手的近邻数量或高斯核参数选择难问题。模型主要通过在训练过程中最小化基于多视角数据的分类误差和其重构系数之中的重构误差，最终输出样本的类别归属概率，取概率的最大值，用于图像类别的鉴定，得到最准确的分类结果。
-
公开(公告)号：CN113642477A
公开(公告)日：2021-11-12
申请号：CN202110942584.4
申请日：2021-08-17
Applicant: 苏州大学
Abstract: 本申请公开了一种字符识别方法、装置、设备及可读存储介质，该方法包括：采集原始字符图像，生成训练样本；构建字符识别模型；该模型包括用于利用轻量级密集块提取特征的压缩密集神经网络、用于对提取到的特征进行耦合处理的耦合压缩密集特征流卷积网络，以及用于对处理后的特征进行预测，并将预测结果转换为文字输出的转录模块；轻量级密集块为同时使用求和操作和串联操作将每个密集块中的内部特征组合在一起的卷积块；采用训练样本对该模型进行训练；将待处理字符图像输入至训练完成的模型进行处理，输出字符识别结果。这样利用轻量级密集块可以捕获到深层次的结构特征用于字符识别，进而减少计算成本和权重大小，有效提升字符的识别能力。
-
Patent Agency Ranking
公开(公告)号：CN108416384B
公开(公告)日：2021-11-05
申请号：CN201810178640.X
申请日：2018-03-05
Applicant: 苏州大学
Abstract: 本发明实施例公开了一种图像标签标注方法、系统、设备及计算机可读存储介质。其中，方法包括将训练样本集和待标注图像输入卷积神经网络中，卷积神经网络为被训练样本集采用反向传播算法最小化交叉熵损失函数，以调整卷积神经网络的权重进行训练，并将训练好的卷积神经网络的权重进行重新加载，以提取训练样本集的样本网络特征集和待标注图像的测试网络特征集；根据样本网络特征集、测试网络特征集及标签集合，计算待标注图像属于标签集合中每类标签的概率，生成标签概率集；最后根据标签概率集，为待标注图像的进行标签标注。本申请提供的技术方案结合深度学习和标签传播算法，自动提取图像高层语义特征，从而提升了图像标注的效率和准确率。
-
公开(公告)号：CN106444653B
公开(公告)日：2019-07-19
申请号：CN201610696202.3
申请日：2016-08-19
Applicant: 苏州大学
IPC: G05B19/418
CPC classification number: Y02P90/02
Abstract: 本发明公开了一种故障检测方法和系统，将工业过程中的已有训练数据集映射到非线性特征空间，生成映射后的训练样本数据集；将在所述工业过程中收集的数据映射到所述非线性特征空间，生成映射后的测试数据；根据所述训练样本数据集判断所述测试数据是否为故障数据。本申请提供的技术方案把工业过程中采集的数据经非线性映射投影到非线性特征空间，在非线性特征空间中利用训练样本数据集对测试数据进行高效的故障检测，可以提高对于故障的检测精度，能够获得更高的故障检测率。
-
公开(公告)号：CN105740912B
公开(公告)日：2019-07-19
申请号：CN201610076336.5
申请日：2016-02-03
Applicant: 苏州大学
Abstract: 本申请公开了一种基于核范数正则化的低秩图像特征提取的识别方法及系统，首先对原始训练图像进行相似性学习，构造重构权重系数，再通过最小化基于核范数度量的邻域重构错误，并对投影矩阵进行核范数正则化处理，得到可直接提取二维图像特征的低秩投影矩阵，可有效保持图像像素间的拓扑结构和相关性。此外可确保优化得到低秩的显著图像特征。将原始测试图像直接向训练得到的低秩投影矩阵进行嵌入，输出其低秩显著特征，基于训练集中的低秩显著特征，利用最近邻分类器进行分类，取与测试图像样本的特征相似性最大的训练图像样本的类别标签，完成测试图像样本归类。通过引入核范数正则化，可有效保证特征提取过程中噪声的鲁棒性，系统性能更好。
-
公开(公告)号：CN109558882A
公开(公告)日：2019-04-02
申请号：CN201811455651.4
申请日：2018-11-30
Applicant: 苏州大学
Abstract: 本发明实施例公开了一种基于鲁棒局部低秩稀疏CNN特征的图像分类方法、装置、设备及计算机可读存储介质。其中，方法包括首先利用一般卷积神经网络提取待分类图像的原始深度特征，利用预先构建的投影矩阵对原始深度特征进行低秩与稀疏特征提取，得到分类识别特征；将分类识别特征输入分类模型中，得到待分类图像的标签；其中，投影矩阵为采用鲁棒的邻域保持的联合低秩与稀疏特征算法学习训练样本集中各样本图像的原始深度特征所得，用于提取具有邻域保持能力的低秩与稀疏特征。本申请提供的技术方案增强了分类特征的鲁棒性，提升了图像特征提取的准确性，显著提升了图像分类的精准度。
-
公开(公告)号：CN105260995B
公开(公告)日：2019-03-08
申请号：CN201510866909.X
申请日：2015-12-01
Applicant: 苏州大学
IPC: G06T5/00
Abstract: 本发明公开了一种图像修复与去噪方法及系统，对于给定的原始训练图像，该方法包括：通过引入联合低秩与稀疏矩阵分解的思想，利用凸优化技术，将给定的训练样本图像数据矩阵分解为联合低秩与稀疏主成分特征编码矩阵与稀疏错误矩阵，根据所述训练图像样本数据的低秩和稀疏特性，确定所述训练图像样本数据的联合低秩与稀疏主成分特征以及错误矩阵，实现对所述原始的可能包含错误的图像进行修复与去噪处理，得到经过修复与去噪后的图像。本发明所提供的图像修复与去噪方法及系统，在对图像数据进行特征描述的同时充分考虑了数据的鲁棒低秩和稀疏特性，以克服现有技术的不足，提高了图像修复与去噪的性能及模型的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
141
records
(took 0.026 seconds)
