-
公开(公告)号：CN105469117A
公开(公告)日：2016-04-06
申请号：CN201510882718.2
申请日：2015-12-03
Applicant: 苏州大学
IPC: G06K9/62
CPC classification number: G06K9/6276 , G06K9/6256
Abstract: 本发明公开了一种基于鲁棒特征提取的图像识别方法及装置，通过对原始训练样本进行判别学习，在紧凑局部类内散度和分离局部类间散度的同时有效保持图像像素间的拓扑结构，设计基于1范数度量的特征学习框架，可输出一个可用于样本内和样本外图像特征提取的投影矩阵,进而通过投影矩阵获取原始训练样本的二维鲁棒特征，构造出可用于对待测样本进行分类的最近邻分类器。可见，本申请中提供的上述方案无需将图像对应的二维矩阵转换到高维的向量空间，而是可直接作用于图像，由此，不但可有效保持图像像素间的拓扑结构和内在相关性，而且可有效降低模型计算过程的复杂度。此外，基于1范数度量，可确保在特征提取过程中对噪音的鲁棒性。
-
公开(公告)号：CN105335756A
公开(公告)日：2016-02-17
申请号：CN201510726581.1
申请日：2015-10-30
Applicant: 苏州大学
IPC: G06K9/62
CPC classification number: G06K9/6276
Abstract: 本发明公开了一种鲁棒学习模型与图像分类系统，包括：对训练集进行初始化，得到初始类别标签矩阵，训练集中的训练样本包括已知其类别并标定有与其类别对应的类别标签的样本及未知其类别且未标定类别标签的样本；基于近邻定义及重构权的构造方法对训练样本进行处理，根据样本间的相似性，构造重构系数矩阵，并进行对称化、归一化处理；利用重构系数矩阵及初始类别标签矩阵确定无标定样本的软标签，采用迭代的方式对训练样本的软标签进行l2，1范数正则化，得到投影矩阵及软标签矩阵；利用投影矩阵对待测样本进行映射，得到其软标签；待测样本为未知其类别且未标定类别的样本。模型有效减少了原始空间中混合信号的影响，提高了分类准确性。
-
公开(公告)号：CN104992166A
公开(公告)日：2015-10-21
申请号：CN201510450358.9
申请日：2015-07-28
Applicant: 苏州大学
IPC: G06K9/00
CPC classification number: G06K9/00409 , G06K9/00422
Abstract: 本发明公开了一种基于鲁棒度量的手写体识别方法与系统，通过对手写体训练样本进行相似性学习，构造加权相似图，在紧凑局部类内散度和分离局部类间散度的同时保持所有训练样本的局部特性。为了提升手写体描述的鲁棒性，提出将1-范数度量应用于半监督特征学习模型，设计出性能鲁棒的手写体识别方法与系统，输出一个可用于样本内和样本外手写体图像特征提取的投影矩阵P。样本外图像的归纳通过将测试样本向投影矩阵P进行投影，进而将提取的特征输入高效的标签传播分类器进行归类，取对应类别软标签中概率的最大值的位置，用于判定测试样本的类别，得到最准确的字符识别结果。同时，通过建立比率模型，减少了模型参数，且投影矩阵P满足正交特性。
-
公开(公告)号：CN104915684A
公开(公告)日：2015-09-16
申请号：CN201510372326.1
申请日：2015-06-30
Applicant: 苏州大学
IPC: G06K9/62
CPC classification number: G06K9/6269
Abstract: 本发明公开了一种基于鲁棒多平面支持向量机的图像识别方法及装置，包括：将测试图像向鲁棒线性分类器进行投影，获取测试图像对应各个类别的第一投影特征；其中，鲁棒线性分类器中的投影向量为通过对训练样本集中的多个样本图像进行训练，将1-范数度量应用于多平面支持向量机，紧凑类内散度矩阵与分离类间散度矩阵确定得到；将训练样本集中的样本图像的均值向鲁棒线性分类器进行投影，获取所述训练样本集均值在各个类别的第二投影特征；分别计算各个类别的第一投影特征与对应类别的第二投影特征的距离；将所述距离的最小值所对应的类别确定为所述测试图像的类别。本发明所提供的图像识别方法及装置，有效提升了图像识别的鲁棒性。
-
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
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。
-
Patent Agency Ranking
公开(公告)号：CN103676788B
公开(公告)日：2015-02-04
申请号：CN201310753094.5
申请日：2013-12-31
Applicant: 苏州大学
IPC: G05B19/41
Abstract: 本发明公开了一种面向光顺加工的数控加工轨迹处理方法，所述方法包括以下步骤：S1、遍历整条加工轨迹上的所有小线段，进行插值子区间的判定；S2、对插值子区间内的小线段，采用圆弧插值的方法进行插值计算；S3、遍历整条加工轨迹上的所有小线段，进行光顺滤波子区间的判定；S4、对需要进行光顺滤波的各个拐角采用滑动滤波技术进行滤波。本发明能满足数控系统实时性的要求，以及光顺加工对加工轨迹的特殊要求。
-
公开(公告)号：CN103927560A
公开(公告)日：2014-07-16
申请号：CN201410177935.7
申请日：2014-04-29
Applicant: 苏州大学
IPC: G06K9/66
Abstract: 本申请提供一种特征选择方法及装置，该方法通过响应接收到的训练样本集，生成第一训练样本集、与该第一训练样本集对应的第一特征索引集、第二训练样本集以及与该第二训练样本集对应的第二特征索引集，根据第一训练样本集计算第一元素，进而完成对第一特征索引集的更新，根据第二训练样本集计算第二元素，进而完成对第二特征索引集的更新，当更新后的第一特征索引集/第二特征索引集中各个特征的数量和满足预设值时，根据得到第一特征索引集以及第二特征索引集计算特征索引集，完成对特征的选择，以实现在特征选择的过程中，在保证学习效率的基础上，降低计算代缴、提高推广能力。
-
公开(公告)号：CN103927529A
公开(公告)日：2014-07-16
申请号：CN201410185212.1
申请日：2014-05-05
Applicant: 苏州大学
Abstract: 本发明公开了一种基于相似性学习的人脸集匹配方法及系统，首先通过选取部分样本作为训练样本，进行训练过程，实现对分类器的选取，避免了将所有的样本作为训练样本进行训练，并对训练集样本进行降维处理，得到降维训练样本，避免了高维数据对计算复杂度的增加，减少了训练周期，从而简化了训练过程，避免了复杂的过程，提高了训练速度。另外，本方案中通过选取训练集样本每类样本的几何平均值来构建多个不同的分类器，达到了通过简单的操作过程带来精确的结果的效果。
-
公开(公告)号：CN103870848A
公开(公告)日：2014-06-18
申请号：CN201410128704.7
申请日：2014-04-01
Applicant: 苏州大学
IPC: G06K9/66
Abstract: 本发明提供了一种投影变换矩阵的获取方法、样本分类方法，投影变换矩阵的获取方法中使用训练样本的类别标签形成类别信息，并根据类别信息对训练样本进行分类得到同类样本和异类样本，并通过进一步的计算得到投影变换矩阵。本方法中由于类别标签能够准确的表示训练样本的类别，类别信息与类别标签是一一对应的，因此类别信息能够准确反应训练样本的类别，本方法中训练样本的类别信息是确定的不是通过计算得到的，因此通过类别信息对训练样本进行分类，不会出现分类出错的情况，因此本方法能够获得正确地投影变换矩阵，并很好地实现拉近同类之间距离，扩大异类之间距离的目的，进而使分类性能变好。
-
公开(公告)号：CN103676788A
公开(公告)日：2014-03-26
申请号：CN201310753094.5
申请日：2013-12-31
Applicant: 苏州大学
IPC: G05B19/41
Abstract: 本发明公开了一种面向光顺加工的数控加工轨迹处理方法，所述方法包括以下步骤：S1、遍历整条加工轨迹上的所有小线段，进行插值子区间的判定；S2、对插值子区间内的小线段，采用圆弧插值的方法进行插值计算；S3、遍历整条加工轨迹上的所有小线段，进行光顺滤波子区间的判定；S4、对需要进行光顺滤波的各个拐角采用滑动滤波技术进行滤波。本发明能满足数控系统实时性的要求，以及光顺加工对加工轨迹的特殊要求。
-
-
-
-
-
-
-
-
-
Search Results
231
records
(took 0.029 seconds)
