-
公开(公告)号：CN108021930A
公开(公告)日：2018-05-11
申请号：CN201711140976.9
申请日：2017-11-16
Applicant: 苏州大学
Abstract: 本发明公开了一种自适应的多视角图像分类方法及系统，将多视角标签传播和自适应多图权重学习整合到一个统一的框架中，充分探索各视角间的互补性，通过引入线性变换来获取不同视角空间的权重参数，进而结合每个视角构建最优的权重系数。由于在多视角数据权重学习方面采用了自适应方式，可以避免传统的单视角和多视角标签传播方法过程中遇到的复杂而棘手的近邻数量或高斯核参数选择难问题。模型主要通过在训练过程中最小化基于多视角数据的分类误差和其重构系数之中的重构误差，最终输出样本的类别归属概率，取概率的最大值，用于图像类别的鉴定，得到最准确的分类结果。
-
公开(公告)号：CN104915684B
公开(公告)日：2018-03-27
申请号：CN201510372326.1
申请日：2015-06-30
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于鲁棒多平面支持向量机的图像识别方法及装置，包括：将测试图像向鲁棒线性分类器进行投影，获取测试图像对应各个类别的第一投影特征；其中，鲁棒线性分类器中的投影向量为通过对训练样本集中的多个样本图像进行训练，将1‑范数度量应用于多平面支持向量机，紧凑类内散度矩阵与分离类间散度矩阵确定得到；将训练样本集中的样本图像的均值向鲁棒线性分类器进行投影，获取所述训练样本集均值在各个类别的第二投影特征；分别计算各个类别的第一投影特征与对应类别的第二投影特征的距离；将所述距离的最小值所对应的类别确定为所述测试图像的类别。本发明所提供的图像识别方法及装置，有效提升了图像识别的鲁棒性。
-
公开(公告)号：CN107766895A
公开(公告)日：2018-03-06
申请号：CN201711140254.3
申请日：2017-11-16
Applicant: 苏州大学
IPC: G06K9/62
CPC classification number: G06K9/6235 , G06K9/6256 , G06K2009/6236
Abstract: 本发明方法明确地将半监督数据表示和分类误差结合到现有的投影非负矩阵分解框架进行联合最小化学习，由此将权重系数构造和标签传播过程作用于投影非负矩阵分解，可有效避免原始数据中可能包含的噪音、破坏或异类对相似性度量和标签预测结果的负面影响。此外，上述联合最小化过程也可在投影非负矩阵分解过程中有效保持邻域信息和空间结构，得到更准确的数据表示结果。此外，还将权重构建和归纳学习整合到一个统一的模型中，可得到自适应的权重系数矩阵，进而避免传统算法中选取最优近邻难的问题。本发明方法为诱导式模型，可完成样本外数据的归纳与预测，无需引入额外的重构过程，可拓展性能好。
-
公开(公告)号：CN104750875B
公开(公告)日：2018-03-02
申请号：CN201510197408.7
申请日：2015-04-23
Applicant: 苏州大学
IPC: G06F17/30
Abstract: 本申请涉及数据挖掘技术领域，特别是涉及一种机器错误数据分类方法及系统。该方法引入标签传播算法作为机器错误数据预处理步骤，利用少量的已标定机器数据的标签，快速估计出未标定数据的标签，组成分类训练集。基于分类训练集中的机器数据及标签，进行标签一致的字典学习，同时最小化重构错误、判别稀疏编码错误和分类错误，得到重构字典、稀疏编码和多类线性分类器，同时保持字典中各项与数据标签间的关系。进而，利用得到的稀疏编码来表征机器数据特征，输入到分类器进行预测，确定测试样本的类别，实现机器数据的错误分类。通过引入高效的半监督数据预处理，增加了已标定机器样本的数量，丰富了先验信息，有效提高了机器数据分类的精准度。
-
公开(公告)号：CN104463202B
公开(公告)日：2017-09-19
申请号：CN201410708851.1
申请日：2014-11-28
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明公开一种多类图像半监督分类方法及系统，首先对训练集中有标签图像样本和无标签图像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，再初始化一个类标签矩阵，为有效降低“软类别标签”预测标签F中的混合信号对结果的影响，引入l2,1‑范数正则化，同时对F施加非负与列和为1的约束，确保估计的“软标签”满足概率定义和非负性，最后利用参数权衡相似性度量、初始类别标签和l2,1‑范数正则化对分类的影响，完成半监督学习建模，取相似性概率的最大值，用于图像类别鉴定，得到分类结果。通过引入l2,1‑范数正则化，将混合信号对分类的影响降低，使分类精准度有了提高。此外，还可有效对训练集外的数据进行分类，可拓展性好。
-
Patent Agency Ranking
公开(公告)号：CN107065839A
公开(公告)日：2017-08-18
申请号：CN201710418868.7
申请日：2017-06-06
Applicant: 苏州大学
IPC: G05B23/02
Abstract: 本发明公开了一种基于相异性递归消除特征的故障诊断方法，通过对同一特征子集计算相异性，并比较每个特征造成的相异性，对特征值按照其对应的相异性也就是造成两个数据集之间的差异进行排序，得到排序后的特征索引子集，再通过优选个数得到关键特征个数，就可以在排序后的特征子集中取出相应个数的关键特征。因此本方法是考虑的是整个数据集之间的相异性，不要求过程是线性的或高斯的，因此在非线性和高斯的过程上有较好的结果，降低计算复杂度，同时可以准确的找出符合要求的最优特征子集减少了不相关特征对故障诊断的影响。本发明还提供一种基于相异性递归消除特征的故障诊断装置，同样能实现上述技术效果。
-
公开(公告)号：CN106897700A
公开(公告)日：2017-06-27
申请号：CN201710107890.X
申请日：2017-02-27
Applicant: 苏州大学
IPC: G06K9/00
Abstract: 本申请公开了一种单样本人脸识别方法及系统，该方法包括：将待识别人脸图像划分成t个子图；其中，t为正整数；提取与待识别人脸图像的t个子图一一对应的t个特征；将待识别人脸图像的t个特征输入预先基于训练集并结合子图权重集合得到的单样本人脸识别模型，得到待识别人脸图像对应的类别；其中，子图权重集合为在对训练集中所有人脸图像样本的类间距离进行最大化处理后得到的集合；子图权重集合中的第r个权重为训练集中任一人脸图像样本的第r个子图对应的权重。本申请有效地提升了单样本人脸识别技术的识别率。
-
公开(公告)号：CN106845358A
公开(公告)日：2017-06-13
申请号：CN201611217910.0
申请日：2016-12-26
Applicant: 苏州大学
CPC classification number: G06K9/00409 , G06K9/00422 , G06K9/6276 , G06K2209/01
Abstract: 本发明公开了手写体字符图像特征识别的方法及系统，在特征学习方面，目标在于紧凑局部软标签类内散度并分离局部软标签类间散度，同时在所有训练数据上进行局部保持特征提取；为了在特征提取和展示方面对于噪声鲁棒，对于噪声鲁棒的1‑范数规则被用于构造样本间的相似度，使得在识别中图像展示的能力可得到显著提升；基于比例的模型可通过一个迭代的方法得到描述矩阵，该描述矩阵具有判别性与局部保持的特点且具有正交特性；样本外图像的归纳通过将测试样本向描述矩阵进行投影，进而将提取的特征输入最近邻分类器进行归类，取对应欧式距离最小值的位置，用于测试图像的类别鉴定，得到最准确的识别结果。
-
公开(公告)号：CN106529604A
公开(公告)日：2017-03-22
申请号：CN201611059009.5
申请日：2016-11-24
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明公开了一种自适应的图像标签鲁棒预测方法及系统，为了提高对未知类别标签的待测样本标签的预测，提出将稀疏编码和标签传播集成到一个统一的框架中，实现稀疏重构误差和分类误差联合执行同时达到最小化，这完全区别于传统的标签传播方法将图构造与标签传播分为相互独立的两个步骤；因采用迭代的优化方案计算稀疏编码和软标签矩阵，在每一次迭代中，稀疏编码被作为预测模块的自适应权重用于标签传播，因此避免了在传统图构建的复杂过程中最优近邻及其最优近邻数量的选择难问题；此外，为了增强稀疏性，提出将稀疏编码稀疏和重构误差同时施加L2,1范数正则化约束，通过引入L2,1范数正则化技术，有效提升了系统的预测准确度和鲁棒性。
-
公开(公告)号：CN106295712A
公开(公告)日：2017-01-04
申请号：CN201610693517.2
申请日：2016-08-19
Applicant: 苏州大学
IPC: G06K9/62
CPC classification number: G06K9/6269 , G06K9/6256
Abstract: 本发明公开了检测一种故障检测方法和系统，对预先收集的工业过程中的正常训练数据进行标准化预处理，并计算经过标准化预处理后的正常训练数据的相对密度；根据经过标准化预处理后的正常训练数据和相对密度建立训练样本数据集；为训练样本数据集建立密度诱导支持向量数据描述模型，对密度诱导支持向量数据描述模型的参数T进行定值处理，令参数T为相对密度的平均值，并利用密度诱导支持向量数据描述模型检测在工业过程中收集的测试数据是否为故障数据。本方案对密度诱导支持向量数据描述模型的参数T提供了定值，令参数T为相对密度的平均值，从而可以提高基于密度诱导支持向量数据描述的故障检测方法的稳定性，保证高效的故障检测性能。
-
-
-
-
-
-
-
-
-
Search Results
141
records
(took 0.03 seconds)
