-
公开(公告)号：CN104484684A
公开(公告)日：2015-04-01
申请号：CN201510001954.9
申请日：2015-01-05
Applicant: 苏州大学
IPC: G06K9/66
CPC classification number: G06K9/66
Abstract: 本申请公开了一种手写体识别方法及系统，方法为：利用带平滑范数L1的自编码器对训练样本集中的各个训练样本进行处理，得到对应的目标训练样本，所述目标训练样本与所述训练样本集中的样本标签组成目标训练样本集，所述带平滑范数L1的自编码器的目标函数中设有稀疏惩罚项，该稀疏惩罚项为平滑L1范数，然后利用目标训练样本训练分类器，得到目标分类器，利用带平滑范数L1的自编码器对待预测样本进行处理，得到目标待预测样本，最后将所述目标待预测样本输入至所述目标分类器，以确定待预测样本的类别。本申请的方案将平滑范数L1引入自编码器中，代替常用的KL散度，作为新的稀疏惩罚项，能够得到更具判别性的特征，使得最终的手写体识别率更高。
-
公开(公告)号：CN104462870A
公开(公告)日：2015-03-25
申请号：CN201510011796.5
申请日：2015-01-09
Applicant: 苏州大学
IPC: G06F19/24
Abstract: 本发明提供了一种人类基因启动子识别方法及装置，现有技术中典型的非启动子具体包括外显子、内含子和3’-UTR，因此本申请预先分别构建预设启动子-外显子分类器、预设启动子-内含子分类器和预设启动子-3’-UTR分类器，相对于传统的启动子-非启动子的分类器，由于每个分类器中只有两个类别，不会出现交叉分类的情况，所以分类性能显著提高。并且分类器的基因训练序列中启动子与外显子的数量一致，启动子与内含子的数量一致，启动子与3’-UTR的数量一致，因此保证每个分类器中启动子和非启动子样本平衡，使得分类器能够依据平衡样本进行分类，因此能够准确识别启动子，解决现有技术中假阳性的问题，进而提高分类器的分类性能。
-
公开(公告)号：CN104376234A
公开(公告)日：2015-02-25
申请号：CN201410727536.3
申请日：2014-12-03
Applicant: 苏州大学
IPC: G06F19/22
Abstract: 本发明公开了一种启动子识别方法及系统：获取测试数据确定所述测试数据的一次特征向量；利用自编码器，对所述测试数据的一次特征向量进行特征提取，得到所述测试数据的二次特征向量；利用预设支持向量机，对所述测试数据的二次特征向量进行分类，得到分类结果，当所述分类结果满足预设条件时，确定所述测试数据为启动子。相较现有技术中直接对利用KL散度提取到的特征向量进行分类判定，本发明利用了自编码器的神经网络学习算法，有效地提高了对启动子的识别性能，进而提高了识别准确度。
-
公开(公告)号：CN103927550A
公开(公告)日：2014-07-16
申请号：CN201410161915.0
申请日：2014-04-22
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本申请提供一种手写体数字识别方法及系统，该方法通过接收用户输入的待测手写体数字样本；通过训练得到的第一分类器、第二分类器、第三分类器分别对待测手写体数字样本进行预测，并输出第一分类器、第二分类器、第三分类器对待测手写体数字样本的预测结果；比较第一分类器、第二分类器、第三分类器对待测手写体数字样本的预测结果，若至少2个分类器得出的是相同的预测结果，则判定待测手写体数字样本属于该预测结果的类别，否则，判定待测手写体数字样本属于第二分类器输出的预测结果的类别。该方法通过使用3个分类器对待测样本进行预测，在保证预测速度的基础上，很大程度上提高了手写体数字识别的识别率。
-
公开(公告)号：CN103927530A
公开(公告)日：2014-07-16
申请号：CN201410186226.5
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，通过从原始数据样本中选取训练集样本和测试集样本，并挑选训练样本，计算真实相似度，与计算出的计算相似度进行比较，从而选取最终分类器，并将训练样本中每类样本的几何平均值以及测试集样本中的每个测试样本带入最终分类器中，获取分类结果，进而获取测试样本的类别。本方案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，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。
-
Patent Agency Ranking
公开(公告)号：CN103310237A
公开(公告)日：2013-09-18
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：CN103310205A
公开(公告)日：2013-09-18
申请号：CN201310272564.6
申请日：2013-07-01
Applicant: 苏州大学
IPC: G06K9/00
Abstract: 本申请公开了一种手写体数字识别方法及装置，所述方法包括分别将第一空间中的训练样本集合和手写体数字的待测样本映射至第二空间中；其中，所述训练样本集合包括至少两个训练样本，每个所述训练样本分别具有一个数字类别标识，所述训练样本集合中的训练样本包含至少两种数字类别；依据所述第二空间中的训练样本集合，确定测度变换矩阵；利用所述测度变换矩阵，分别获取所述待测样本与每个所述训练样本之间的距离值；依据每个所述距离值及其各自对应的数字类别标识，确定所述待测样本的数字类别。
-
公开(公告)号：CN103235947A
公开(公告)日：2013-08-07
申请号：CN201310152411.8
申请日：2013-04-27
Applicant: 苏州大学
IPC: G06K9/20
Abstract: 本申请公开了一种手写体数字识别方法及装置，所述方法包括获取待识别的目标数字和目标图像中的图像数据集合，所述图像数据集合中包括至少一个图像数据；对所述图像数据集合中的每个图像数据进行向量转换，得到每个所述图像数据对应的向量数据，所有所述向量数据组成向量数据集合；利用基于正交匹配追踪算法的局部稀疏线性嵌入降维方法对所述向量数据集合进行降维操作，得到降维向量数据集合；依据所述降维向量数据集合，识别得到所述目标图像中与所述目标数字相对应的数字图像。通过本申请实施例中正交匹配追踪算法得到的计算解并非全部为0，相对于现有技术能够明显体现出局部稀疏性，且具有稳定性，进而使得最终识别出的数字图像准确率较高。
-
公开(公告)号：CN117273590B
公开(公告)日：2024-07-09
申请号：CN202311358313.X
申请日：2023-10-19
Applicant: 苏州大学
IPC: G06Q10/0835 , G06Q10/047 , G06N3/048 , G06N3/0464
Abstract: 本发明提供一种求解车辆路径优化问题的神经组合优化方法及系统，涉及车辆路径规划技术领域，该方法包括对CVRP问题进行描述，引入热力图来反映节点之间的关联关系，并采用图神经网络来参数化热力图；基于参数化的热力图来确定客户与车辆的匹配，构建包括状态、动作、奖励和策略的客户匹配框架；采用强化学习方法对神经网络模型进行训练，以所有车辆的行驶路径长度最小化为优化目标，得到训练好的神经网络模型；利用训练好的神经网络模型，求解车辆的最优配送路径。本发明在CVRP问题上对所提出算法进行了评估，该方法在求解性能和求解时间上明显优于现有的实时求解器。
-
公开(公告)号：CN117474183A
公开(公告)日：2024-01-30
申请号：CN202311375870.2
申请日：2023-10-23
Applicant: 苏州大学
IPC: G06Q10/047 , G06N3/0442 , G06N3/092
Abstract: 本发明涉及一种基于深度强化学习的路径优化求解方法，包括：获取旅行商优化问题；根据所述旅行商优化问题，通过随机插入策略，生成初始路径；设置局部求解器，依次使用每个所述局部求解器分别对每个所述初始路径进行优化，生成对应的优解路径；在所述优解路径中，选择最短的路径，生成最优路径；本发明采用分解思想，基于深度强化学习的新型神经组合，将大规模旅行商优化问题分解为子路径，并利用采用参数化的策略网络的局部求解器求解，使得本发明可采用同一框架来解决任意规模和分布的旅行商问题。
-
-
-
-
-
-
-
-
-
Search Results
231
records
(took 0.028 seconds)
