-
公开(公告)号：CN108805054B
公开(公告)日：2022-04-12
申请号：CN201810529645.2
申请日：2018-05-29
Applicant: 苏州大学
IPC: G06V40/16
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。
-
Patent Agency Ranking
公开(公告)号：CN108710907A
公开(公告)日：2018-10-26
申请号：CN201810461229.3
申请日：2018-05-15
Applicant: 苏州大学
IPC: G06K9/62
CPC classification number: G06K9/6268 , G06K9/6256
Abstract: 本申请公开了一种手写体数据分类方法、模型训练方法、装置、设备及介质，包括：获取包含手写体数据样本和相应的手写体类别标签的原始训练样本集；对所述原始训练样本集进行数据预处理，以从所述原始训练样本集中选取出能够保持流形结构的非噪声数据，得到处理后训练样本集；利用所述处理后训练样本集进行稀疏支持向量机模型的训练，得到训练后模型。本申请在获取到原始训练样本集之后，会对原始训练样本集进行去噪处理，并且只保留能够保持流形结构的非噪声数据，从而降低了用于训练模型的样本数据的冗余度，减少样本数据量的同时还提升了样本数据的准确度，由此使得后续训练得到的模型具有非常出色的分类精度。
-
公开(公告)号：CN108710907B
公开(公告)日：2022-05-17
申请号：CN201810461229.3
申请日：2018-05-15
Applicant: 苏州大学
IPC: G06K9/62 , G06V10/764 , G06V10/774
Abstract: 本申请公开了一种手写体数据分类方法、模型训练方法、装置、设备及介质，包括：获取包含手写体数据样本和相应的手写体类别标签的原始训练样本集；对所述原始训练样本集进行数据预处理，以从所述原始训练样本集中选取出能够保持流形结构的非噪声数据，得到处理后训练样本集；利用所述处理后训练样本集进行稀疏支持向量机模型的训练，得到训练后模型。本申请在获取到原始训练样本集之后，会对原始训练样本集进行去噪处理，并且只保留能够保持流形结构的非噪声数据，从而降低了用于训练模型的样本数据的冗余度，减少样本数据量的同时还提升了样本数据的准确度，由此使得后续训练得到的模型具有非常出色的分类精度。
-
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：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：CN107507611A
公开(公告)日：2017-12-22
申请号：CN201710774048.1
申请日：2017-08-31
Applicant: 苏州大学
CPC classification number: G10L15/08 , G10L15/063 , G10L15/083 , G10L2015/0631 , G10L2015/085
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。
-
-
-
-
-
Search Results
6
records
(took 0.024 seconds)
