-
公开(公告)号：CN110688224A
公开(公告)日：2020-01-14
申请号：CN201910899070.8
申请日：2019-09-23
Applicant: 苏州大学
Abstract: 本发明公开了一种考虑虚拟机部署及周期定价模式的混合云服务流程调度方法。本发明一种考虑虚拟机部署及周期定价模式的混合云服务流程调度方法，包括：获取任务集合TS；混合云CPS；物理机集合PMS；周期计费模式TCM；最大迭代次数Maxiter；群体大小Gpop；火花的最大生成数量E；最大爆炸振幅R；初始温度T；冷却率cr；在初始阶段，首先生成一组初始烟花种群；对于每个烟花来说，首先随机编码成一个实数列表，表示成任务的优先级列表；将每个烟花解码为一个完整的调度解，并计算该解的目标值；在迭代阶段，不断更新烟花，一旦满足停止条件，即输出最佳解。本发明的有益效果：本发明的形式化模型考虑了云计算中广泛使用的周期计费模式。
-
公开(公告)号：CN107065839B
公开(公告)日：2019-09-27
申请号：CN201710418868.7
申请日：2017-06-06
Applicant: 苏州大学
IPC: G05B23/02
Abstract: 本发明公开了一种基于相异性递归消除特征的故障诊断方法，通过对同一特征子集计算相异性，并比较每个特征造成的相异性，对特征值按照其对应的相异性也就是造成两个数据集之间的差异进行排序，得到排序后的特征索引子集，再通过优选个数得到关键特征个数，就可以在排序后的特征子集中取出相应个数的关键特征。因此本方法是考虑的是整个数据集之间的相异性，不要求过程是线性的或高斯的，因此在非线性和高斯的过程上有较好的结果，降低计算复杂度，同时可以准确的找出符合要求的最优特征子集减少了不相关特征对故障诊断的影响。本发明还提供一种基于相异性递归消除特征的故障诊断装置，同样能实现上述技术效果。
-
公开(公告)号：CN106529604B
公开(公告)日：2019-09-27
申请号：CN201611059009.5
申请日：2016-11-24
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明公开了一种自适应的图像标签鲁棒预测方法及系统，为了提高对未知类别标签的待测样本标签的预测，提出将稀疏编码和标签传播集成到一个统一的框架中，实现稀疏重构误差和分类误差联合执行同时达到最小化，这完全区别于传统的标签传播方法将图构造与标签传播分为相互独立的两个步骤；因采用迭代的优化方案计算稀疏编码和软标签矩阵，在每一次迭代中，稀疏编码被作为预测模块的自适应权重用于标签传播，因此避免了在传统图构建的复杂过程中最优近邻及其最优近邻数量的选择难问题；此外，为了增强稀疏性，提出将稀疏编码稀疏和重构误差同时施加L2,1范数正则化约束，通过引入L2,1范数正则化技术，有效提升了系统的预测准确度和鲁棒性。
-
公开(公告)号：CN109961088A
公开(公告)日：2019-07-02
申请号：CN201910114146.1
申请日：2019-02-13
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明公开了一种无监督非线性自适应流形学习方法。本发明一种无监督非线性自适应流形学习方法，包括：扩展近邻点；合并近邻点；根据以上所述，定义目标函数：其中α是权衡参数可以通过调整α的值来灵活地调整算法中这两个考虑因素之间的平衡；显然，当α的值为一个相对较小的值时，该公式将更加关注全局成对距离误差，并且当α取较大值时，该公式更多地考虑局部拓扑关系；xj∈MNN(xi)意味着在使用上面的自适应邻居方法后，xj是xi的近邻点；通过优化以下问题来获得重建权重矩阵W。本发明的有益效果：本算法巧妙的结合了LLE和isomap算法的优点，同时考虑局部和全局特征，能够对高维数据进行全面而有效的特征提取。
-
公开(公告)号：CN105224957B
公开(公告)日：2019-03-08
申请号：CN201510697522.6
申请日：2015-10-23
Applicant: 苏州大学
Abstract: 本发明公开了一种基于单样本的图像识别的方法及系统，包括：获取待识别图像；将所述待识别图像划分为预定尺寸的互不重叠的子图像，并利用LBP算法得到每个子图像的统计直方图；依次计算所述每个子图像的统计直方图与所述统计直方图相对应的各个样本中的统计直方图的第一曼哈顿距离，根据所述第一曼哈顿距离确定粗检样本；依次计算每个子图像的统计直方图与所述统计直方图相对应的所述粗检样本中的统计直方图的第二曼哈顿距离，根据所述第二曼哈顿距离确定与所述待识别图像最相似的最终样本；该方法及系统能够在提高人脸识别效果的同时，避免了在特征提取的过程中需要过多的时间。
-
Patent Agency Ranking
公开(公告)号：CN108830302A
公开(公告)日：2018-11-16
申请号：CN201810523533.6
申请日：2018-05-28
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本申请公开了一种图像分类方法，包括：对标准TWSVM算法进行预处理，得到预处理TWSVM算法；根据获取的训练数据集执行二叉决策树构造操作，根据预处理TWSVM算法和构造得到的二叉决策树中的非叶子结点进行训练处理，得到每个非叶子结点的决策函数；通过二叉决策树和决策函数对待测样本进行分类预测处理，得到分类结果。通过二叉决策树为基础拓展TWSVM算法，提高TWSVM算法处理多分类问题的效率，并且通过核聚类构造的二叉决策树提高了面对非线性问题时的准确率本申请还公开了一种图像分类的训练方法、分类预测方法、图像分类系统、图像分类装置以及计算机可读存储介质，具有以上有益效果。
-
公开(公告)号：CN108806796A
公开(公告)日：2018-11-13
申请号：CN201810522806.5
申请日：2018-05-28
Applicant: 苏州大学
IPC: G16H50/70
CPC classification number: G16H50/70
Abstract: 本申请公开了一种医疗数据的特征选择方法，包括：对获取的医疗数据进行标准化处理，得到标准化医疗数据；对所述标准化医疗数据进行权重向量稀疏计算处理，得到所述标准化医疗数据中特征对应的权重向量；根据所有所述权重向量对所有所述特征进行选择，得到最优特征集。通过在特征选择的权重向量计算过程进行稀疏处理，使不相关特征的权重向量趋近于0，减少多过无关特征被选入最优特征集，相当于减少的无关噪声，提高了处理高维数据时的精度。本申请还公开一种医疗数据的特征选择系统、特征选择装置以及计算机可读存储介质，具有上述有益效果。
-
公开(公告)号：CN103886345B
公开(公告)日：2018-11-02
申请号：CN201410161914.6
申请日：2014-04-22
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及装置、样本分类方法及装置，本发明使用训练样本的类别标签构建类别矩阵，并根据类别矩阵加入计算投影变换矩阵中。本发明中由于类别标签能够准确的表示训练样本的类别，因此类别矩阵能够准确反应训练样本的类别。本发明取在欧氏距离和值最小的基础上，加入类别信息实现了有监督的学习，因此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：CN108388869A
公开(公告)日：2018-08-10
申请号：CN201810166510.4
申请日：2018-02-28
Applicant: 苏州大学
Abstract: 本发明公开了一种基于多重流形的手写数据分类方法及系统，该方法包括：获取高维数据集；分别计算高维数据集中任意两个数据点之间的相似度，获取高维数据集对应的相似矩阵；根据相似矩阵，构建高维数据集对应的目标拉普拉斯矩阵；将目标拉普拉斯矩阵的前第一预设数量的特征向量聚入到第二预设数量的类别内，获取高维数据集的分类结果；本发明通过获取高维数据集对应的相似矩阵，获得高维数据的底层低维映射流形结构，可以构建同时考虑高维数据的高维结构和底层低维映射结构的拉普拉斯矩阵，利用目标拉普拉斯矩阵对拉普拉斯矩阵进行特征值分解，从而对得到的特征值进行聚类，得到高维数据集的聚类结果，尽可能多地保留了高维数据的原始结构。
-
公开(公告)号：CN108052974A
公开(公告)日：2018-05-18
申请号：CN201711320019.4
申请日：2017-12-12
Applicant: 苏州大学
Abstract: 本申请公开了一种故障诊断方法、系统、设备及存储介质，该方法包括：分别获取目标设备在正常运行和故障运行时的与初始特征集对应的特征数据集，得到包括正常特征数据集和故障特征数据集的训练数据；分别计算正常特征数据集中每一特征数据与故障特征数据集中相应的特征数据之间对应的KL距离，得到KL距离集；采用支持向量机分类在训练数据上进行交叉验证；根据验证结果以及KL距离集中KL距离的大小，从初始特征集中确定出与故障运行相关的特征，得到最优特征集；当获取到目标设备的待诊断数据，则从待诊断数据中确定出与最优特征集对应的特征数据，然后利用该特征数据对目标设备进行相应的故障诊断。本申请有效地提升了后续故障诊断结果的准确性。
-
-
-
-
-
-
-
-
-
Search Results
231
records
(took 0.031 seconds)
