-
公开(公告)号：CN107507611B
公开(公告)日：2021-08-24
申请号：CN201710774048.1
申请日：2017-08-31
Applicant: 苏州大学
Abstract: 本发明公开了一种语音分类识别的方法，向预先创建的分类器模型中输入待判别的语音数据样本，根据所述分类器模型的输出值得到所述语音数据样本的分类结果；其中，所述分类器模型是基于采用L1范式正则参数和拉普拉斯正则参数确定以及支持向量机的约束条件，获得支持向量样本集合，从而使得获得的分类器模型，具有较强的稀疏性和可解释性，且对噪音具有较强的过滤能力，从而对噪音具有较强的鲁棒性，从而能够获得对语音分类的一个较为准确的结果。本发明还提供一种语音分类识别的装置，具有上述有益效果。
-
公开(公告)号：CN106327520B
公开(公告)日：2020-04-07
申请号：CN201610692267.0
申请日：2016-08-19
Applicant: 苏州大学
Abstract: 本申请公开了一种运动目标检测方法，包括：预先确定与视频监控设备的监控场景所对应的背景图像；对待检测灰度图像和背景图像进行相减处理，得到相应的差分图像；对差分图像进行二值化处理，确定出待检测灰度图像上的运动目标；其中，背景图像的确定过程包括，分别对视频监控设备已采集的灰度图像帧序列中的第一灰度图像帧和第二灰度图像帧进行图像块划分处理，相应地得到第一图像块集和第二图像块集，然后利用第一图像块集和第二图像块集之间的差异性，确定出背景图像。本申请公开的技术方案提升了运动目标的检测效果并降低了检测过程的复杂程度。另外，本申请还相应公开了一种运动目标检测系统。
-
公开(公告)号：CN105608471B
公开(公告)日：2020-01-14
申请号：CN201511002862.9
申请日：2015-12-28
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明公开了一种鲁棒直推式标签估计及数据分类方法和系统，方法包括：利用有标签和无标签训练样本人工初始化类标签矩阵，经近邻搜索构造相似近邻图和归一化后的权重系数矩阵；通过平衡近邻重构项和标签拟合项得到未知标签训练样本的软标签矩阵；基于鲁棒l2,1‑范数度量的近邻重构错误，定义流形平滑项；对标签拟合项进行l2,1‑范数正则化；通过迭代计算得到每个未知标签样本数据的软类别标签向量，估计出样本类别，得到分类结果。采用该方法构建的系统，通过引入l2,1‑范数正则化技术，有效提升了系统对于噪音的鲁棒性，增强分类性能。
-
公开(公告)号：CN105608478B
公开(公告)日：2019-12-06
申请号：CN201610192000.5
申请日：2016-03-30
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 发明公开了一种图像特征提取与分类联合方法及其系统，首先根据训练样本间的相似性，构造近邻图，并计算重构系数矩阵。进而引入基于核范数度量的近邻重构错误最小化的非线性流形学习，对训练图像样本进行低维流形特征学习，得到一个可获取样本低维流形特征的线性投影矩阵；再利用所述训练样本低维特征,最小化L2,1‑范数正则化的分类错误，完成鲁棒稀疏分类器学习，输出一个最优分类器，从而对测试样本进行特征提取和分类。与现有技术相比，本发明通过采用核范数度量和L2,1‑范数正则化的联合问题，有效提高了提取特征的描述性与分类准确率。
-
公开(公告)号：CN105335756B
公开(公告)日：2019-06-11
申请号：CN201510726581.1
申请日：2015-10-30
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于鲁棒学习模型的图像分类方法与图像分类系统，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。提高了分类准确性。
-
Patent Agency Ranking
公开(公告)号：CN105469063B
公开(公告)日：2019-03-05
申请号：CN201510884791.3
申请日：2015-12-04
Applicant: 苏州大学
IPC: G06K9/00
Abstract: 本发明公开了鲁棒人脸图像主成分特征提取方法及识别装置，通过同时考虑人脸图像训练样本数据的低秩与稀疏特性，将经过一个投影嵌入的主成分特征直接进行低秩和L1‑范数最小化，编码得到一个描述性强的鲁棒投影P，直接提取人脸图像的联合低秩与稀疏主成分特征，同时可完成图像纠错处理；利用鲁棒投影模型的训练样本的嵌入主成分特征，通过额外一个分类错误最小化问题得到一个线性多类分类器W*，用于人脸测试图像的归类；在处理测试样本时，利用线性矩阵P提取其联合特征，进而利用分类器W*进行归类；通过引入低秩恢复和稀疏描述的思想，可编码得到描述性更强的人脸图像主成分特征，可去除噪音，有效提高了人脸识别的效果。
-
公开(公告)号：CN108805054A
公开(公告)日：2018-11-13
申请号：CN201810529645.2
申请日：2018-05-29
Applicant: 苏州大学
IPC: G06K9/00
CPC classification number: G06K9/00288
Abstract: 本发明公开了一种人脸图像分类方法、系统、设备及计算机存储介质，其中该方法包括：获取人脸数据样本集；基于预设的二次规划公式及其约束条件求解人脸数据样本集对应的稀疏系数和偏移量，以基于稀疏系数和偏移量对人脸数据样本集进行分类；其中，二次规划公式及其约束条件为将目标函数转化成二次规划形式得到的公式及条件；目标函数为将传统的支持向量机的分类函数中的二范数正则参数替换为一范数正则参数，并在分类函数中增加拉普拉斯正则参数得到的函数。实验证明，本发明提供的一种人脸图像分类方法、系统、设备及计算机存储介质的分类速度快，相比于现有技术的分类效率更高。
-
公开(公告)号：CN108629373A
公开(公告)日：2018-10-09
申请号：CN201810426685.4
申请日：2018-05-07
Applicant: 苏州大学
Abstract: 本发明实施例公开了一种图像分类方法、系统、设备及计算机可读存储介质。方法包括提取待分类图像的目标特征集，目标特征集包含的特征由与待分类图像的特征维数相同且各特征代表的意义相同的样本图像的最优特征子集确定；将待分类图像的目标特征集输入支持向量机分类器，获取待分类图像所属的标签类型；最优特征子集确定过程为：计算各样本图像在权重空间的间隔，并根据各间隔迭代计算特征权重向量直至满足迭代结束条件，得到各样本图像每个特征的权重值，根据各权重值对各特征进行组合生成多个特征子集；利用各特征子集训练支持向量机分类器，确定满足最佳分类效果条件的特征子集为最优特征子集。本申请提高了图像分类的准确度和精度。
-
公开(公告)号：CN105825081B
公开(公告)日：2018-09-14
申请号：CN201610246971.3
申请日：2016-04-20
Applicant: 苏州大学
IPC: G06F19/24
Abstract: 本申请公开了一种基因表达数据分类方法及分类系统，其中，所述基因表达数据分类方法中在获得所述基因特征数据集之后，采用聚类算法对所述基因特征数据集进行聚类，获得第一预设参数个的聚类集合，然后对所述聚类集合进行处理获得第二样本矩阵、第二训练集以及特征索引集以对基因表达数据进行降维，从而降低基因表达数据之间的冗余度，进而在很大程度上降低了在之后对所述第二训练集进行特征选择的过程中占用的计算资源以及耗费的计算时间；而采用聚类算法对所述基因特征数据集进行聚类操作所占用的计算资源以及耗费的计算时间都很少，因此采用所述基因表达数据分类方法对待测基因表达数据进行分类占用的计算资源和耗费的计算时间都较少。
-
公开(公告)号：CN108491528A
公开(公告)日：2018-09-04
申请号：CN201810264981.9
申请日：2018-03-28
Applicant: 苏州大学
Abstract: 本申请公开了一种图像检索方法、系统及装置，包括待检索图像经由整体检索模型进行分类判断，根据整体模型的分类判断结果为待检索图像选取相应的局部检索模型，待检索图像由相应的局部检索模型进行特征分析并进行哈希编码映射，得到待检索图像的哈希编码，同时，在与局部检索模型对应的目标哈希编码库中检索与待检索图像的哈希编码相似的哈希编码，最后从中选取满足相似条件的相似哈希编码集，并在图像数据库中查找到与相似哈希编码集对应的相似图像集，完成检索；本申请预先建立进行分类判断的整体检索模型，再利用整体检索模型生成局部检索模型，提高对图像的检索准确度，并建立与局部检索模型对应的目标哈希编码库，进一步的提高检索准确度。
-
-
-
-
-
-
-
-
-
Search Results
141
records
(took 0.039 seconds)
