-
公开(公告)号：CN103886345B
公开(公告)日：2018-11-02
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：CN103793704B
公开(公告)日：2017-01-25
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(56)对比文件Wei Zhang et al.“.Discriminantneighborhood embedding forclassification”《.Pattern Recognition》.2006,第39卷(第11期),第2240-2243页.Wei Zhang et al.“.Discriminantneighborhood embedding forclassification”《.Pattern Recognition》.2006,第39卷(第11期),第2240-2243页.
-
公开(公告)号：CN103577839A
公开(公告)日：2014-02-12
申请号：CN201310625378.6
申请日：2013-11-28
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 一种邻域保持判别嵌入人脸识别方法及系统，本发明方法包括以下步骤。S1、对已有的人脸训练样本集进行初始降维，并根据训练样本矩阵确定初始降维训练样本矩阵。S2、寻找最优变换AX1，令二次降维训练样本矩阵X2=AX1，并获取二次降维训练样本集。S3、建立测试样本并将其进行二次降维获得二次降维测试样本，在二次降维训练样本中查找与所述二次降维测试样本相邻的样本，并将占比较高的二次降维训练样本的类别赋予所述测试样本。
-
Patent Agency Ranking
公开(公告)号：CN103955676B
公开(公告)日：2017-04-19
申请号：CN201410197890.X
申请日：2014-05-12
Applicant: 苏州大学
Abstract: 本申请公开了一种人脸识别方法及系统，该方法包括利用PCA法对训练样本集进行初始降维，并利用训练样本的类别标签信息构造具有分类信息的矩阵，然后确定最优的二次投影矩阵，对初始降维训练样本集进行二次降维，然后对测试样本同样进行二次降维，在二次降维后的低维空间中进行分类。本申请通过二次降维处理，提高了人脸识别的准确度和效率。
-
公开(公告)号：CN103577839B
公开(公告)日：2017-01-04
申请号：CN201310625378.6
申请日：2013-11-28
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 一种邻域保持判别嵌入人脸识别方法及系统，本发明方法包括以下步骤。S1、对已有的人脸训练样本集进行初始降维，并根据训练样本矩阵确定初始降维训练样本矩阵。S2、寻找最优变换AX1，令二次降维训练样本矩阵X2=AX1，并获取二次降维训练样本集。S3、建立测试样本并将其进行二次降维获得二次降维测试样本，在二次降维训练样本中查找与所述二次降维测试样本相邻的样本，并将占比较高的二次降维训练样本的类别赋予所述测试样本。
-
公开(公告)号：CN103955676A
公开(公告)日：2014-07-30
申请号：CN201410197890.X
申请日：2014-05-12
Applicant: 苏州大学
Abstract: 本申请公开了一种人脸识别方法及系统，该方法包括利用PCA法对训练样本集进行初始降维，并利用训练样本的类别标签信息构造具有分类信息的矩阵，然后确定最优的二次投影矩阵，对初始降维训练样本集进行二次降维，然后对测试样本同样进行二次降维，在二次降维后的低维空间中进行分类。本申请通过二次降维处理，提高了人脸识别的准确度和效率。
-
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。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.08 seconds)
