-
公开(公告)号：CN103617429A
公开(公告)日：2014-03-05
申请号：CN201310688732.X
申请日：2013-12-16
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明公开一种主动学习分类方法和系统，该方法首先从原始的未标注样本集中筛选出不确定性较高的各个样本，得到最不确定样本集；之后，利用样本间的相似性将最不确定样本集分为h个不同的聚类，相似性较高的样本被划分在同一个聚类中，并筛选出每个聚类中最具代表性的样本，构成最具代表性样本集；后续对该最具代表性样本集进行信息标注，利用标注的样本训练分类器，最终实现利用训练的分析器对目标对象进行分类。可见，本发明通过聚类，将较为相似的、冗余性较高的样本划分在同一类中，以及基于聚类进行筛选避免了最终所选的待标注样本之间的冗余性，降低了标注时间和工作量，提高了分类效率。
-
公开(公告)号：CN103020111A
公开(公告)日：2013-04-03
申请号：CN201210422998.5
申请日：2012-10-29
Applicant: 苏州大学
IPC: G06F17/30
Abstract: 本发明公开了一种图像检索方法，基于词汇树层次语义模型实现。首先提取图像包含颜色信息的SIFT特征来构造图像库的特征词汇树，生成描述图像视觉信息的视觉词汇。并在此基础上利用Bayesian决策理论实现视觉词汇到语义主题信息的映射，进而构造了一个层次语义模型，并在此模型基础上完成了基于内容的语义图像检索算法。通过检索过程中用户的相关反馈，不仅可以加入正反馈图像扩展图像查询库，同时能够修正高层语义映射。实验结果表明，本发明的检索方法性能稳定，并且随着反馈次数的增加，检索效果明显提升。
-
公开(公告)号：CN101977415B
公开(公告)日：2013-03-27
申请号：CN201010529163.0
申请日：2010-10-22
Applicant: 苏州大学
CPC classification number: Y02D70/00
Abstract: 本发明公开了一种具有偏好随机游动能量均衡的数据传输方法，首先对传感器节点进行随机部署；基于任何两个节点之间的最小传输距离，把节点的传输范围划分成一系列同心圆环，由于很多节点随机均匀地分布在传感器感知范围区域内，因此每个圆环可能包含一系列潜在的代理转发节点，从而传播路径是由一系列的节点形成的代理转发节点链。然后，根据圆环的划分策略提出了一种数据传输方法，这种划分策略可以具体确定节点在量源消耗和延迟中的跳转概率pi。选择的代理转发节点靠近发送节点和Sink之间的直接路径或者在直接路径之上，节省的能量最多，同时延迟最小。有助于平衡能量消耗和延迟，延长了节点的寿命，从而延长无线传感器网络的生命周期。
-
公开(公告)号：CN101924871A
公开(公告)日：2010-12-22
申请号：CN201010110655.6
申请日：2010-02-04
Applicant: 苏州大学
Abstract: 本发明公开了一种基于Mean Shift的视频目标跟踪方法，先提取跟踪目标的SIFT特征，然后用Mean-Shift算法对目标的SIFT特征进行匹配，从而实现对目标的跟踪。本方法充分利用SIFT所具有的对旋转、尺度缩放、亮度变化保持不变性，对噪声具有很好的抗干扰性等特征。本发明不仅考虑到算法的实时性，同时也能很好的解决尺度变换、物体遮挡、旋转、光照变化等问题。这一技术在安全监控、汽车辅助运动、人体运动分析和机器人视觉等领域有着广阔的应用前景和发展潜力，可以提高目标跟踪的实时性和准确性。
-
公开(公告)号：CN100520811C
公开(公告)日：2009-07-29
申请号：CN200710043659.5
申请日：2007-07-11
Applicant: 苏州大学
Abstract: 本发明公开了一种数字图像轮廓形态的识别方法，属于计算机模式识别技术领域。它以长轴长度、左短轴长度、右短轴长度、左右短轴间的距离和左右短轴长度差的绝对值为数字图像轮廓形态的5个识别特征值，输入计算机完成数字图像轮廓形态的识别。特征值的获取方法为：在图像的轮廓线上取n点，通过依次求得每一点与其余各点相连接的线段的长度后再求得长轴及其长度值；在长轴的两个端点范围内，从左、右两部分的图像轮廓上分别得到到长轴距离最长的左短轴、右短轴及其它们的长度值，从而获得数字图像轮廓形态的5个识别特征值。该方法在降低运算复杂度的同时保障求解的精度，提高了工作效率，实现了计算机大批量识别形状不规则物体的分捡与检验。
-
Patent Agency Ranking
公开(公告)号：CN101425140A
公开(公告)日：2009-05-06
申请号：CN200810235260.1
申请日：2008-11-13
Applicant: 苏州大学
Abstract: 本发明公开了一种基于骨架特征的脑血管瘤图像识别检测方法，包括下列步骤：(1)对灰度图像进行二值化操作；(2)进行骨架树提取，获得单像素曲线图像；(3)进行骨架结构基元提取，关键点基元为骨架树图像中的分叉点和端点；分支基元是连接两个关键点基元且不通过第三个关键点基元的骨架段，其中两个关键点基元中至少一个是端点的基元，为外分支基元；(4)设定阈值T1、T2，待检测的外分支基元长度为S，根据S和T1、T2的关系判定脑血管瘤图形，T1为6～10之间的整数，T2为14～18之间的整数。采用本发明方法，算法的时间复杂度低，结果精确，可以很好的辅助医生诊断脑血管瘤疾病。
-
公开(公告)号：CN109359140B
公开(公告)日：2022-09-09
申请号：CN201811457857.0
申请日：2018-11-30
Applicant: 苏州大学
IPC: G06F16/2458 , G06N3/04
Abstract: 本发明公开了一种基于自适应注意力的序列推荐方法，该方法包括：在预先训练获得的自适应注意力感知GRU网络的输入层确定输入自适应注意力；将输入自适应注意力作用于历史交互项目序列中，获得输入序列；基于历史交互项目序列和输入序列的结合，获得输入层输出结果；在隐藏状态层确定隐藏自适应注意力，将隐藏自适应注意力作用于输入层输出结果中，获得隐藏状态序列；进而获得隐藏状态层输出结果；在自适应注意力感知GRU网络的输出层根据隐藏状态层输出结果，确定推荐给用户的项目。应用本发明实施例所提供的技术方案，提高了推荐性能。本发明还公开了一种基于自适应注意力的序列推荐装置，具有相应技术效果。
-
公开(公告)号：CN110097433B
公开(公告)日：2022-05-17
申请号：CN201910399853.X
申请日：2019-05-14
Applicant: 苏州大学
Abstract: 本发明公开了一种基于自适应注意力机制的推荐方法、装置、设备及计算机可读存储介质；本方案中，基于自适应注意力机制分别获得当前购物车的短期偏好向量和各个历史购物车向量间的长期偏好向量，根据短期偏好向量和长期偏好向量，分别能反应用户的短期偏好的多样性及长期偏好的多样性，最后将这两者的结合输入到循环神经网络LSTM中，来更好的学习用户的序列行为，从而为用户准确的推荐兴趣的商品。
-
公开(公告)号：CN109829775B
公开(公告)日：2022-05-17
申请号：CN201811467071.7
申请日：2018-12-03
Applicant: 苏州大学
IPC: G06Q30/06 , G06F16/9535
Abstract: 本发明公开了一种物品推荐方法，该方法包括以下步骤：当检测到目标用户名登录系统时，获取目标用户名对应的历史访问记录信息；利用注意力机制从历史访问记录中提取目标用户名对应的目标用户的偏好信息；根据偏好信息利用协同度量学习从候选物品集中查找目标用户的喜好物品，并将喜好物品推荐给目标用户；其中，候选物品集由目标用户名未访问过的物品构成。应用本发明实施例所提供的技术方案，根据目标用户的偏好从候选物品集中推荐目标用户的喜好物品，提高了灵活性，提升了用户体验。本发明还公开了一种物品推荐装置、设备及存储介质，具有相应技术效果。
-
公开(公告)号：CN110097433A
公开(公告)日：2019-08-06
申请号：CN201910399853.X
申请日：2019-05-14
Applicant: 苏州大学
Abstract: 本发明公开了一种基于自适应注意力机制的推荐方法、装置、设备及计算机可读存储介质；本方案中，基于自适应注意力机制分别获得当前购物车的短期偏好向量和各个历史购物车向量间的长期偏好向量，根据短期偏好向量和长期偏好向量，分别能反应用户的短期偏好的多样性及长期偏好的多样性，最后将这两者的结合输入到循环神经网络LSTM中，来更好的学习用户的序列行为，从而为用户准确的推荐兴趣的商品。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.06 seconds)
