-
公开(公告)号：CN103679160B
公开(公告)日：2017-03-22
申请号：CN201410003078.9
申请日：2014-01-03
Applicant: 苏州大学
Abstract: 本发明提供了一种人脸识别的方法，该方法基于一类支持向量机来学习人脸图像之间的相似性，包括：对人脸样本进行分类得到训练样本组和测试样本组；对训练样本组中的训练样本进行分类得到至少两个类别，在每个类别中获取训练样本生成差样本对，并构造训练样本对组；依据训练样本对组对一类支持向量机进行训练，得到其决策模型参数，并得到相似性判别模型；将测试样本组中任意获取两个测试样本生成的测试差样本对输入相似性判别模型中进行相似性判断。在该方法中，输入一类支持向量机的训练样本采用分类并依据同类训练样本中生成训练样本差的方式，使得输入一类支持向量机的数据量减少，降低了计算的复杂度。
-
公开(公告)号：CN103310237B
公开(公告)日：2016-08-24
申请号：CN201310286449.4
申请日：2013-07-09
Applicant: 苏州大学
IPC: G06K9/66
Abstract: 本发明实施例公开了一种手写体数字识别方法及系统，在对手写体数字进行降维的过程中，对于每一个图像数据都通过K个近邻来线性表示，而对每一个图像数据通过K个近邻线性表示时的加权系数则正交匹配算法获取，而且，通过构造加权系数矩阵来对训练图像数据进行降维，而对待识别图像则通过加权系数向量及其K个近邻的降维后的向量数据进行降维，通过实验可知，本申请实施例提供的手写体数字识别方法，提高了手写体数字识别的识别率。
-
公开(公告)号：CN103164701B
公开(公告)日：2016-06-01
申请号：CN201310123349.X
申请日：2013-04-10
Applicant: 苏州大学
IPC: G06K9/20
Abstract: 本发明公开了一种手写体数字识别方法及装置。该手写体数字识别方法，包括：确定待识别图像，该待识别图像中包含手写体形式的待识别数字类别标签；依据像素点的灰度值，确定该待识别图像中的特定的像素点的像素特征；依据该特定的像素点的像素特征，确定该待识别图像的协方差；基于李群KNN算法，依据预设的训练图像集合中的各训练图像的协方差和该待识别图像的协方差，确定该待识别图像的近邻标签集；将该近邻标签集中个数最多的数字类别标签确定为该待识别数字类别标签。可见，与现有技术相比，本方案中，作为分类问题的特征的协方差依据特定的像素点的灰度值获得，有效利用了待识别图像的空间信息，因此，提高了手写体数字的识别准确性。
-
公开(公告)号：CN103218613B
公开(公告)日：2016-04-20
申请号：CN201310123085.8
申请日：2013-04-10
Applicant: 苏州大学
IPC: G06K9/20
Abstract: 本发明公开了一种手写体数字识别方法及装置。该手写体数字识别方法，包括：确定待识别图像；依据像素点的灰度值，确定该待识别图像中的特定的像素点的至少三种像素特征；依据该特定的像素点的至少三种像素特征，分别确定该待识别图像的相应协方差；分别计算该待识别图像的每一协方差与预设的训练图像集合所包含每一类数字类别标签相应的李群均值之间的距离；分别将为该待识别图像的每一个协方差所确定出的多个距离中的最小距离所对应数字类别标签确定为备用数字类别标签；将该备用数字类别标签中个数最多的数字类别标签确定为待识别图像中的待识别数字类别标签。可见，通过利用本方案，可以有效提高手写体数字的识别准确性。
-
公开(公告)号：CN104615789A
公开(公告)日：2015-05-13
申请号：CN201510101131.3
申请日：2015-03-06
Applicant: 苏州大学
CPC classification number: G06K9/6271
Abstract: 本申请提供了一种数据分类方法及装置，该方法在对初始属性进行约简时，使用的是基于最小化属性个数、条件属性对决策属性的依赖度和区别矩阵的遗传算法，具有该种特征的遗传算法相较于通过最小化属性个数和最大化区别矩阵个数进行约简的算法而言，考虑到了条件属性对决策属性的依赖度，避免不相关属性的存在，从而提高了分类准确度。
-
Patent Agency Ranking
公开(公告)号：CN102495944B
公开(公告)日：2014-11-05
申请号：CN201110356343.8
申请日：2011-11-11
Applicant: 苏州大学
IPC: G06F19/00
Abstract: 本发明实施例公开了一种时间序列预测方法、设备和方法，其中方法包括：训练获取的时间序列数据得到训练数据集；利用所述训练数据集训练选定预测器组生成具有多样性的预测器组；提取稀疏信号重构优化函数并求解所述具有多样性的预测器组的加权系数；截获加权系数非零的预测器进行时间序列数据预测。本发明实施例将具有多样性的预测器组的加权系数作为稀疏信号进行重构并求解相应优化函数，所得出的加权系数由于具有稀疏性，利用上述得出的加权系数为非零的预测器进行时间序列数据预测校验，由于所用预测器组的数量精简从而加速了校验过程，且预测准确性得到了提高。
-
公开(公告)号：CN103886345A
公开(公告)日：2014-06-25
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：CN103793704A
公开(公告)日：2014-05-14
申请号：CN201410087724.4
申请日：2014-03-11
Applicant: 苏州大学
Abstract: 本申请公开了一种监督邻域保持嵌入人脸识别方法和系统及人脸识别器，所述方法包括：对训练样本集进行初始降维，获得一次降维训练样本集和一次降维训练样本矩阵；采用类别散度矩阵对一次降维训练样本集中的每个训练点的类别信息进行标记；采用二次投影矩阵对一次降维训练样本矩阵进行二次降维，得到二次降维训练样本矩阵，和二次降维训练样本集；建立测试样本，对所述测试验本进行两次降维，得到二次降维测试样本；提取与所述二次降维测试样本距离最近的二次降维训练样本，并把所述二次降维训练样本的类别标签赋予所述二次降维测试样本。相对于现有技术的降维方法，采用本申请提供的人脸识别方法，可以实现有监督学习，并且具有较高的识别率。
-
公开(公告)号：CN103679162A
公开(公告)日：2014-03-26
申请号：CN201410003346.7
申请日：2014-01-03
Applicant: 苏州大学
IPC: G06K9/00
Abstract: 本申请提供了一种人脸识别方法，通过互为近邻的同类样本之间的实际距离，并构建类内邻接图，通过互为近邻的异类样本之间的实际距离，并构建类间邻接图，确定最佳目标维数和投影变换矩阵，将降维后的各个训练样本按照所述投影变换矩阵变换到判别子空间中，利用所述投影变换矩阵，将待测样本映射到所述判别子空间中，得到测试样本；利用最近邻分类模块，对所述测试样本进行分类。因此，本申请的类内邻接图和类间邻接图是通过近邻样本之间的实际距离得到的，能够反映样本真实的局部结构，因此提高了对待测样本进行分类的分类性能。
-
公开(公告)号：CN103679160A
公开(公告)日：2014-03-26
申请号：CN201410003078.9
申请日：2014-01-03
Applicant: 苏州大学
Abstract: 本发明提供了一种人脸识别的方法，该方法基于一类支持向量机来学习人脸图像之间的相似性，包括：对人脸样本进行分类得到训练样本组和测试样本组；对训练样本组中的训练样本进行分类得到至少两个类别，在每个类别中获取训练样本生成差样本对，并构造训练样本对组；依据训练样本对组对一类支持向量机进行训练，得到其决策模型参数，并得到相似性判别模型；将测试样本组中任意获取两个测试样本生成的测试差样本对输入相似性判别模型中进行相似性判断。在该方法中，输入一类支持向量机的训练样本采用分类并依据同类训练样本中生成训练样本差的方式，使得输入一类支持向量机的数据量减少，降低了计算的复杂度。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.025 seconds)
