公开(公告)号：CN108364016A

公开(公告)日：2018-08-03

申请号：CN201810030217.5

申请日：2018-01-12

Applicant: 华南理工大学

Inventor： 余志文 ,  董习斌 ,  陆野

IPC: G06K9/62

CPC classification number: G06K9/6268 ,  G06K9/6256

Abstract: 本发明公开了一种基于多分类器的渐进式半监督分类方法，涉及人工智能集成学习领域，包括以下步骤：(1)引入训练数据集；(2)数据归一化；(3)生成一系列随机子空间；(4)通过渐进式训练集生成过程引入未标记数据，通过自适应策略进行样本筛选对训练集进行扩充并且训练分类器集合；(5)对未标记样本进行分类，加入到训练集并对分类器集合进行更新；(6)引入测试集，计算分类准确率。所述方法采用了随机子空间技术实现数据的降维，提出渐进式的样本产生过程和自适应策略扩充训练集，减少了样本标记数据不足的问题，提高了分类器的性能。

公开(公告)号：CN106934414A

公开(公告)日：2017-07-07

申请号：CN201710081412.6

申请日：2017-02-15

Applicant: 华南理工大学

Inventor： 余志文 ,  赵卓雄 ,  王大兴

IPC: G06K9/62

CPC classification number: G06K9/6256 ,  G06K9/627

Abstract: 本发明公开了一种基于带噪音标签数据的渐进性集成分类方法，包括以下步骤：输入训练样本和测试样本；使用bootstrap方法进行样本维采样，得到B个bootstrap分支；使用LDA方法对B个bootstrap分支训练分类器；新建一个空的集成分类器集合Γ(P)，从生成的分类器中选择第一个加入到Γ(P)中；在剩下的分类器中逐步选取满足条件的分类器加入到Γ(P)中；直到选取的数目达到预先设定的数目G，停止选择；同时输出选择好的集成分类器集合及各分类器分支对应的权重；对测试样本进行分类，得出最后的预测结果。本发明在带噪音标签的数据集中，同时对样本维度和属性维度进行研究，能够获得较好的分类效果。

公开(公告)号：CN106408562A

公开(公告)日：2017-02-15

申请号：CN201610844032.9

申请日：2016-09-22

Applicant: 华南理工大学

Inventor： 余志文 ,  马帅 ,  吴斯 ,  纪秋佳 ,  韩国强

IPC: G06T7/00 ,  G06T7/11

CPC classification number: G06T7/0012 ,  G06T2207/20032 ,  G06T2207/20081 ,  G06T2207/30101

Abstract: 本发明公开了一种基于深度学习的眼底图像视网膜血管分割方法及系统，包括：对训练集进行数据扩增，并对图像进行增强，用训练集训练卷积神经网络，先使用卷积神经网络分割模型对图像进行分割得到一个分割结果，用卷积神经网络的特征训练随机森林分类器，从卷积神经网络模型中抽取最后一层卷积层输出，并作为随机森林分类器的输入进行像素分类，得到另外一个分割结果，对两个分割结果进行融合得到最终的分割图像，与传统的血管分割方法相比，本方法用很深的卷积神经网络进行特征提取，提取的特征更加充分，分割的准确率和效率也更高。