-
公开(公告)号：CN114610877A
公开(公告)日：2022-06-10
申请号：CN202210169563.8
申请日：2022-02-23
Applicant: 苏州大学
IPC: G06F16/35 , G06F16/36 , G06F40/216 , G06F40/284 , G06N20/00
Abstract: 本发明涉及一种基于判别方差准则的影评情感分析预处理方法，包括对获取的原始影评数据进行分词、清洗和标准化的预处理，并整理得到影评语料库，其中影评语料库包括影评和特征项；基于影评语料库得到影评频次矩阵和词频矩阵；基于影评频次矩阵计算判别方差准则，利用判别方差准则计算影评语料库中每个特征项的判别相关性得分，按照得分降序排列得到特征项重要程度序列；将特征项重要程度序列输入至训练好的分析模型中，输出影评情感分析结果，并对影评情感分析结果进行评估。本发明判别方差准则有效地结合了方差和监督信息，利用判别方差准则对影评文本进行预处理，使得具有较高总体散度和较低类散度的特征项更具判别性，提高影评情感分析的性能。
-
公开(公告)号：CN108052974B
公开(公告)日：2022-05-17
申请号：CN201711320019.4
申请日：2017-12-12
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本申请公开了一种故障诊断方法、系统、设备及存储介质，该方法包括：分别获取目标设备在正常运行和故障运行时的与初始特征集对应的特征数据集，得到包括正常特征数据集和故障特征数据集的训练数据；分别计算正常特征数据集中每一特征数据与故障特征数据集中相应的特征数据之间对应的KL距离，得到KL距离集；采用支持向量机分类在训练数据上进行交叉验证；根据验证结果以及KL距离集中KL距离的大小，从初始特征集中确定出与故障运行相关的特征，得到最优特征集；当获取到目标设备的待诊断数据，则从待诊断数据中确定出与最优特征集对应的特征数据，然后利用该特征数据对目标设备进行相应的故障诊断。本申请有效地提升了后续故障诊断结果的准确性。
-
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。
-
公开(公告)号：CN108629373B
公开(公告)日：2022-04-12
申请号：CN201810426685.4
申请日：2018-05-07
Applicant: 苏州大学
IPC: G06V10/771 , G06V10/774 , G06V10/764 , G06V20/13 , G06K9/62
Abstract: 本发明实施例公开了一种图像分类方法、系统、设备及计算机可读存储介质。方法包括提取待分类图像的目标特征集，目标特征集包含的特征由与待分类图像的特征维数相同且各特征代表的意义相同的样本图像的最优特征子集确定；将待分类图像的目标特征集输入支持向量机分类器，获取待分类图像所属的标签类型；最优特征子集确定过程为：计算各样本图像在权重空间的间隔，并根据各间隔迭代计算特征权重向量直至满足迭代结束条件，得到各样本图像每个特征的权重值，根据各权重值对各特征进行组合生成多个特征子集；利用各特征子集训练支持向量机分类器，确定满足最佳分类效果条件的特征子集为最优特征子集。本申请提高了图像分类的准确度和精度。
-
公开(公告)号：CN114140699A
公开(公告)日：2022-03-04
申请号：CN202111416367.8
申请日：2021-11-25
Applicant: 苏州大学
IPC: G06V20/13 , G06V10/26 , G06V10/764 , G06V10/774 , G06K9/62
Abstract: 本发明公开了一种基于在线局部Fisher矢量机的SAR图像目标识别方法及系统，包括：S1、对SAR图像训练数据进行裁剪并在行上堆叠为向量数据，对向量数据划分预训练集并利用预训练集中的SAR图像训练数据进行分类模型预训练，以得到一次更新的分类模型参数；S2、将一次更新后的分类模型参数作为初值输入分类模型，并将预训练集加入缓冲池，在分类模型接收到任意样本数据时，将样本数据加入缓冲池对分类模型进行训练，并遍历所有样本数据以得到二次更新的分类模型参数；S3、对SAR图像检测数据进行裁剪并在行上堆叠为向量数据，利用二次更新的分类模型参数来计算分类模型函数值并对数据进行预测分类。本发明具有更高效、更准确、可适应大规模数据的优势。
-
Patent Agency Ranking
公开(公告)号：CN113642480A
公开(公告)日：2021-11-12
申请号：CN202110943787.5
申请日：2021-08-17
Applicant: 苏州大学
Abstract: 本申请公开了一种字符识别方法、装置、设备及存储介质，该方法包括：采集原始字符图像，生成训练集；构建密集残差神经网络；该网络包括多个连续的残差密集块、紧密连接所有残差密集块且以求和运算构造的全局密集块、由两个卷积层组成的下采样块、转录块；使用训练集对该网络进行训练，利用残差密集块提取局部特征，利用全局密集块提取全局特征，利用下采样块减小全局特征的大小并提取目标特征，以及利用转录块对提取到的目标特征进行预测，并将预测结果转换为识别结果；将待处理字符图像输入至训练完成的密集残差神经网络进行处理，输出字符识别结果。这样可以捕获深层次的结构特征用于字符识别，有效提升字符的识别能力。
-
公开(公告)号：CN108388869B
公开(公告)日：2021-11-05
申请号：CN201810166510.4
申请日：2018-02-28
Applicant: 苏州大学
Abstract: 本发明公开了一种基于多重流形的手写数据分类方法及系统，该方法包括：获取高维数据集；分别计算高维数据集中任意两个数据点之间的相似度，获取高维数据集对应的相似矩阵；根据相似矩阵，构建高维数据集对应的目标拉普拉斯矩阵；将目标拉普拉斯矩阵的前第一预设数量的特征向量聚入到第二预设数量的类别内，获取高维数据集的分类结果；本发明通过获取高维数据集对应的相似矩阵，获得高维数据的底层低维映射流形结构，可以构建同时考虑高维数据的高维结构和底层低维映射结构的拉普拉斯矩阵，利用目标拉普拉斯矩阵对拉普拉斯矩阵进行特征值分解，从而对得到的特征值进行聚类，得到高维数据集的聚类结果，尽可能多地保留了高维数据的原始结构。
-
公开(公告)号：CN108491528B
公开(公告)日：2021-09-21
申请号：CN201810264981.9
申请日：2018-03-28
Applicant: 苏州大学
IPC: G06F16/55 , G06F16/583 , G06K9/62 , G06T9/00
Abstract: 本申请公开了一种图像检索方法、系统及装置，包括待检索图像经由整体检索模型进行分类判断，根据整体模型的分类判断结果为待检索图像选取相应的局部检索模型，待检索图像由相应的局部检索模型进行特征分析并进行哈希编码映射，得到待检索图像的哈希编码，同时，在与局部检索模型对应的目标哈希编码库中检索与待检索图像的哈希编码相似的哈希编码，最后从中选取满足相似条件的相似哈希编码集，并在图像数据库中查找到与相似哈希编码集对应的相似图像集，完成检索；本申请预先建立进行分类判断的整体检索模型，再利用整体检索模型生成局部检索模型，提高对图像的检索准确度，并建立与局部检索模型对应的目标哈希编码库，进一步的提高检索准确度。
-
公开(公告)号：CN107886090B
公开(公告)日：2021-07-30
申请号：CN201711352665.9
申请日：2017-12-15
Applicant: 苏州大学
Abstract: 本申请公开了单样本人脸识别方法、系统、设备及可读存储介质，其中，该方法包括：获取已标注的人脸图像数据，得到参考数据；通过对所述参考数据进行多尺度支持向量变换，得到所述参考数据相应的多尺度高维投影；提取所述多尺度高维投影的特征，得到所述参考数据相应的多尺度高维特征序列；利用所述多尺度高维特征序列，分别对所述参考数据和待测试数据进行反投影，得到所述参考数据和所述待测试数据相应的虚拟图像；根据所述参考数据对应的虚拟图像，计算所述待测试数据相应的虚拟图像的分类准确率，以完成对单样本的人脸识别。可见，本发明提供的单样本人脸识别方法将特征提取和样本扩充进行有机的结合，从而提高单样本人脸识别的准确率。
-
公开(公告)号：CN112115359A
公开(公告)日：2020-12-22
申请号：CN202010974301.X
申请日：2020-09-16
Applicant: 苏州大学
IPC: G06F16/9535 , G06F16/9536 , G06Q30/06
Abstract: 本发明公开了一种基于多阶近邻预测的推荐系统及方法，该系统包括：用户评分矩阵建立模块，用于根据用户集合和物品集合建立用户评分矩阵；相似度计算模块，用于计算任意两个用户之间的相似度；迭代近邻查找模块，用于根据相似度计算结果为目标用户选择N个近邻用户作为其一阶近邻，再选择N个一阶近邻的一阶近邻作为其二阶近邻，并依次迭代，直至找出目标用户的k阶近邻集，其中，N和k均为正整数；预测及推荐模块，用于根据每一次迭代查找的近邻集重新预测目标用户对物品的评分，并为目标用户进行物品推荐。本发明基于多阶近邻预测的推荐系统及方法采用迭代查找的思想，使得该推荐系统和方法的预测评分更准确，有效性更高。
-
-
-
-
-
-
-
-
-
Search Results
307
records
(took 0.025 seconds)
