公开(公告)号：CN106599922B

公开(公告)日：2021-08-24

申请号：CN201611165253.X

申请日：2016-12-16

Applicant: 中国科学院计算技术研究所

Inventor： 陈益强 ,  王晋东 ,  沈建飞 ,  胡春雨 ,  王记伟 ,  张宇欣 ,  忽丽莎

IPC: G06K9/62

Abstract: 本发明提供一种迁移学习方法，该方法利用基于已标定的源域数据训练的至少两个分类器对待标定的目标域数据进行初次标定，根据标定结果将目标域数据划分为候选集和余部；在具有相同标定的源域数据组和候选集中目标域数据组之间进行迁移变换，生成新源域和新候选集；基于在新源域上训练的分类器对新候选集中的目标域数据进行标定，并利用新候选集中各数据的标定结果更新对未经变换的候选集中各数据的二次标定；以及基于经更新标定后的候选集训练分类器，并利用该分类器完成对余部中目标数据的标定。该方法缩短了迁移的时间，提高了迁移标定的效率，更适用于大规模数据的标定。

公开(公告)号：CN105447504B

公开(公告)日：2019-04-02

申请号：CN201510751897.6

申请日：2015-11-06

Applicant: 中国科学院计算技术研究所

Inventor： 陈益强 ,  忽丽莎 ,  谷洋 ,  王晋东 ,  王双全

IPC: G06K9/62

Abstract: 本发明提供一种交通模式行为识别模型构建方法，包括：1)对具体交通模式行为进行多层次的归类，建立相应的分类树；2)对于分类树中每一个父节点的分类问题，基于随机森林模型，根据识别精度选择对应该分类问题的测试样本的最优特征集；3)对于分类树中每一个父节点的分类问题，基于步骤2)所得出的该父节点所对应的最优特征集，选择一个最优分类模型作为该父节点所对应的子分类模型。本发明还提供了相应的交通模式行为识别方法。本发明能够更加准确地区分具体的交通模式行为，且计算复杂度较小。

公开(公告)号：CN108960270A

公开(公告)日：2018-12-07

申请号：CN201810305890.5

申请日：2018-04-08

Applicant: 中国科学院计算技术研究所

Inventor： 陈益强 ,  王晋东 ,  冯文杰 ,  忽丽莎

IPC: G06K9/62

CPC classification number: G06K9/6232 ,  G06K9/6215 ,  G06K9/6267

Abstract: 本发明涉及一种基于流形迁移学习的数据标定方法和系统，包括：获取已标定标签的特征数据作为源域，获取待标定标签的特征数据作为目标域，对源域和目标域分别进行主成分分析，得到源特征向量和目标特征向量；将源特征向量和目标特征向量分别映射至流形空间，以得到源域在流形空间中的源流形特征和目标域在流形空间中的目标流形特征；统计源域具有的标签种类，并根据标签种类下的特征数据个数，得到每一类标签下源流形特征的平均值，并根据平均值和目标流形特征间的距离，为目标域中的特征数据标定标签。本发明简化了大规模数据的标定，提高了方法的泛化能力，提高了迁移标定的运行效率。

公开(公告)号：CN107480690A

公开(公告)日：2017-12-15

申请号：CN201710536516.1

申请日：2017-07-04

Applicant: 中国科学院计算技术研究所

Inventor： 邢云冰 ,  陈益强 ,  忽丽莎

IPC: G06K9/62

CPC classification number: G06K9/6269 ,  G06K9/6232 ,  G06K9/6256

Abstract: 本发明提供一种基于支持向量机的包含未知类别的多分类方法，包括：1)分别基于每个训练后的第i类别分类器，识别出待识别样本是否属于第i类别；所述第i类别分类器是用已知的属于第i类别的样本构建正样本集，用已知的属于其余N-1类别的所有样本构建负样本集，基于SVM模型进行训练而得到的用于识别所输入的样本是否属于第i类别的二分类分类器；2)当步骤1)中将待识别样本输入每个二分类分类器，所得结果均为否时，认定当前待识别样本属于未知类别；当步骤1)中，有且仅有一个二分类分类器的输出结果为是时，则认定当前待识别样本属于这个二分类分类器所对应的类别。本发明具有未知类别的检测能力，具有较高的查全率和查准率。

公开(公告)号：CN105447504A

公开(公告)日：2016-03-30

申请号：CN201510751897.6

申请日：2015-11-06

Applicant: 中国科学院计算技术研究所

Inventor： 陈益强 ,  忽丽莎 ,  谷洋 ,  王晋东 ,  王双全

IPC: G06K9/62

CPC classification number: G06K9/6256 ,  G06K9/6267

Abstract: 本发明提供一种交通模式行为识别模型构建方法，包括：1)对具体交通模式行为进行多层次的归类，建立相应的分类树；2)对于分类树中每一个父节点的分类问题，基于随机森林模型，根据识别精度选择对应该分类问题的测试样本的最优特征集；3)对于分类树中每一个父节点的分类问题，基于步骤2)所得出的该父节点所对应的最优特征集，选择一个最优分类模型作为该父节点所对应的子分类模型。本发明还提供了相应的交通模式行为识别方法。本发明能够更加准确地区分具体的交通模式行为，且计算复杂度较小。