-
公开(公告)号：CN103310217B
公开(公告)日：2016-06-01
申请号：CN201310246733.9
申请日：2013-06-20
Applicant: 苏州大学
IPC: G06K9/52
Abstract: 本发明公开了一种基于图像协方差特征的手写体数字识别方法及装置，包括：提取N个手写体数字训练图像的协方差矩阵，作为训练样本；其中，N为自然数；利用支持向量机对训练样本进行训练，得到分类器模型系数；其中，支持向量机所采用的核函数为计算协方差矩阵之间相似性的矩阵核函数；利用分类器模型系数、矩阵核函数和训练样本构建分类器模型；利用分类器模型对需识别手写体数字图像进行识别。采用本发明矩阵核函数的支持向量机可以对图像的协方差特征进行处理，从而使得所产生的分类器模型的系数更加准确，进而提高了手写体数字的识别率。
-
公开(公告)号：CN105354595A
公开(公告)日：2016-02-24
申请号：CN201510728736.5
申请日：2015-10-30
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明公开了一种鲁棒视觉图像分类方法及系统，为了有效实现训练样本内无标签样本的类别预测和待测样本的快速归纳与合理降维，通过将基于弹性回归分析的误差度量集成到训练样本外的标签传播模型，并通过参数权衡归一化流形正则化项、基于软标签l2,1范数正则化的标签拟合项及基于l2,1范数正则化的弹性回归残差项对样本描述及类别鉴定的影响，完成标签传播模型的建立；进而通过对标签传播模型的迭代优化获取用于确定待测样本的类别的投影矩阵。因此，本申请中通过引入基于l2,1范数正则化的回归误差项及软标签l2,1范数正则化，能够在继承标签传播分类方法的优点的同时有效提高了系统的鲁棒性，使待测样本的归纳过程快速且精确。
-
公开(公告)号：CN105160207A
公开(公告)日：2015-12-16
申请号：CN201510541211.0
申请日：2015-08-28
Applicant: 苏州大学张家港工业技术研究院
Abstract: 本申请公开了一种前列腺肿瘤的类型预测方法和系统，该方法和系统首先获取包含受检者的基因表达数据的待测样本；对待测样本进行归一化，构造归一化后的新待测样本；利用预设的投影变换矩阵将新待测样本映射到低维特征空间中，得到映射后的投影测试样本；从投影变换矩阵的训练样本集中找到与投影测试样本距离最近的样本；将样本的类型赋予投影测试样本，从而完成对前列腺肿瘤的类型预测并得到类型预测结果。
-
公开(公告)号：CN105023026A
公开(公告)日：2015-11-04
申请号：CN201510508103.3
申请日：2015-08-18
Applicant: 苏州大学张家港工业技术研究院
IPC: G06K9/62
CPC classification number: G06K9/6218
Abstract: 本发明公开了一种基于非负矩阵分解的半监督聚类方法，包括：对原始数据矩阵作非负矩阵分解投影，得到既有邻域保持又有相似性保持的原始数据的低维近似矩阵；利用算法接收参数K对原始数据的低维近似矩阵进行聚类，得到聚类结果；利用精确度和互信息两种评价标准对所述聚类结果进行评价。本发明基于非负矩阵分解，不仅考虑了原始数据的邻域保持，同时还考虑了相似性在原始空间和低维流形子空间的一致性，使得聚类性能在先验信息较多的时候大大提高，在先验信息很少的时候依然能保持较好的聚类性能。本发明还公开了一种基于非负矩阵分解的半监督聚类系统。
-
公开(公告)号：CN104951666A
公开(公告)日：2015-09-30
申请号：CN201510443594.8
申请日：2015-07-24
Applicant: 苏州大学张家港工业技术研究院
IPC: G06F19/00
Abstract: 本发明公开了一种疾病诊断方法和装置。该方法基于余弦相似度原理，根据多个训练样本的基因表达数据确定任意一个训练样本的同类相似样本集和异类相似样本集。进而，根据同类相似样本集和异类相似样本集构建低维特征空间的投影矩阵，利用该投影矩阵实现对训练样本和测试样本的降维处理，以方便对测试样本的诊断。与现有技术相比，本发明在采用余弦来度量样本之间的相似度，与采用欧氏距离的方式相比，其相似度的度量精度更高，从而提高了疾病诊断的精度。
-
Patent Agency Ranking
公开(公告)号：CN104933428A
公开(公告)日：2015-09-23
申请号：CN201510437811.2
申请日：2015-07-23
Applicant: 苏州大学
IPC: G06K9/00
CPC classification number: G06K9/00288
Abstract: 本发明公开了一种基于张量描述的人脸识别方法及装置,首先对有标签的图像样本和无标签的待分类样本进行相似性学习，构造相似近邻图和归一化的权重，用于表征样本相似性，再人工初始化一个类标签矩阵，为了有效实现样本外人脸图像的直接归纳，本发明将一个可直接归纳样本外图像的基于张量描述的正则化项集成到现有的标签传播模型，最后利用参数权衡相似性度量、初始类别标签和基于矩阵模式的正则化项对人脸识别的影响，完成系统建模，取系统输出中的相似性概率的最大值，用于人脸图像的类别鉴定，得到最准确的系统识别结果。通过引入张量描述的思想，在样本外人脸图像归纳过程中可有效保持图像像素间的拓扑结构，且系统可拓展性好。
-
公开(公告)号：CN104732241A
公开(公告)日：2015-06-24
申请号：CN201510163098.7
申请日：2015-04-08
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明的多分类器构建方法和系统，本发明将包含多类样本数据的训练样本集处理为多个两类数据集合；并对每个两类数据集合进行特征选择，得到相应的训练样本子集；之后对每个训练样本子集进行建模，得到相应的子分类器。可见，本发明通过把多类问题分解为多个两类问题，并对每个两类问题进行冗余特征剔除，使每个子分类器具备了特征挑选能力；从而后续进行类别诊断时，可预先基于各子分类器的特征挑选能力对待测数据进行特征挑选，通过利用各子分类器剔除待测数据中的冗余特征，为最终得到较高准确率的类别诊断结果提供了支持。
-
公开(公告)号：CN104731972A
公开(公告)日：2015-06-24
申请号：CN201510170063.6
申请日：2015-04-13
Applicant: 苏州大学张家港工业技术研究院
IPC: G06F17/30
Abstract: 本发明公开了一种时间序列分类方法和装置。该方法在生多个码词后从多个码词中确定与待测时间序列子序列马氏距离最短的第一码词和样本时间序列子序列马氏距离最短的第二码词，并用利用第一码词和第二码词对待测时间序列和样本时间序列进行重构。进一步，利用重构待测时间序列与各个重构样本时间序列之间马氏距离，确定待测时间序列的类别。与现有技术相比，本发明解决了欧氏距离作为相似性度量容易受模式特征量纲的影响，引入马氏距离作为相似性度量，在消除量纲影响的同时，也消除了码词间相关性对算法准确率的影响，提高了分类的精度。
-
公开(公告)号：CN104616000A
公开(公告)日：2015-05-13
申请号：CN201510089247.X
申请日：2015-02-27
Applicant: 苏州大学
CPC classification number: G06K9/00288 , G06K9/6271
Abstract: 本发明提供一种人脸识别方法和装置。该方法在原有的小样本有监督拉普拉斯判别分析的基础上进行改进，在最小化类内散度的目标函数中融入了最大化类间散度，使用拉普拉斯判别分析，通过实现最优目标函数求得投影矩阵，对高维人脸数据进行降维。在用此种方法降维后，对人脸图像识别率比原SLDA方法高，能更好地进行人脸识别。
-
公开(公告)号：CN103731844B
公开(公告)日：2015-05-13
申请号：CN201410003015.3
申请日：2014-01-03
Applicant: 苏州大学
Abstract: 本发明公开了一种地理位置相关的移动感知系统任务分配方法，移动感知系统包括一个任务平台与若干移动设备，任务分配方法包括以下步骤：S1、任务平台发布任务信息；S2、移动设备用户调阅任务信息；S3、感兴趣且满足任务要求的用户发送任务请求；S4、任务平台构建用户集合U，求解任务执行者集合W，然后向集合中的任务执行者发送任务确认；S5、收到确认的用户在约定时间执行任务，上传数据；S6、任务平台确认无误后支付报酬。本发明能够高效的完成地理位置相关的移动感知任务的分配过程，同时满足任务发布者对效益的期望。
-
-
-
-
-
-
-
-
-
Search Results
231
records
(took 0.029 seconds)
