-
公开(公告)号：CN102722713B
公开(公告)日：2014-07-16
申请号：CN201210041116.0
申请日：2012-02-22
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明实施例提供一种基于李群结构数据的手写体数字识别方法及系统。所述方法从原始的手写体数字图像数据中提取对应的李群结构数据，通过构造矩阵高斯核函数，利用支持向量机算法训练出分类器模型，将待测手写体数字图像数据对应的李群结构数据，分别输入到训练得到的分类器模型中，得到对应的数字类别，从而对待测手写体数字图像数据对应的李群结构数据进行非线性特征的捕获，更好的实现了手写体数字识别。
-
公开(公告)号：CN103793699A
公开(公告)日：2014-05-14
申请号：CN201410062288.5
申请日：2014-02-24
Applicant: 苏州大学
IPC: G06K9/00
Abstract: 本发明提供了一种人脸识别方法及系统，包括：根据投影变换矩阵，将待测样本映射到判别子空间中；根据K近邻分类原则，从所述判别子空间中找出与映射后的待测样本距离最近的低维训练样本，并根据所述低维训练样本的类别，确定所述待测样本的类别，本发明不仅通过类内邻接矩阵和类间邻接矩阵保持了训练样本的局部结构，还通过建立类内邻接矩阵和类间邻接矩阵的关系函数，以及调节关系函数中的参数，平衡了训练样本点类内和类间的关系，再通过得到的判别子空间最佳目标维数和投影变换矩阵，使得待测样本在判别子空间中具有更好的可分性，从而在平衡训练样本几何分布的同时，提高了系统的分类性能。
-
公开(公告)号：CN103761445A
公开(公告)日：2014-04-30
申请号：CN201410053830.0
申请日：2014-02-18
Applicant: 苏州大学
IPC: G06F19/00
Abstract: 本申请公开了一种基于密度诱导1类支持向量机的医疗诊断方法，包括：计算多个已知数据类型的训练样本的相对密度；由所述训练样本、与每个所述训练样本对应的数据类型和每个所述训练样本的相对密度，构成三元训练样本集；利用所述三元训练样本集来训练密度诱导1类支持向量机，获得一个已知半径的超球体模型；获取待测医疗诊断数据；将所述待测医疗诊断数据代入所述超球体模型中，判断所述待测医疗诊断数据所代表的点是否位于所述超球体模型内，如果是，则表示该待测医疗诊断数据的数据类型为正常，否则表示数据类型为异常。本申请公开的方法，可以有效的将不平衡的医疗诊断数据区分开来，且准确率高。
-
公开(公告)号：CN103679161A
公开(公告)日：2014-03-26
申请号：CN201410003300.5
申请日：2014-01-03
Applicant: 苏州大学
Abstract: 本发明公开了一种人脸识别方法和装置，在该方法中，根据所述同类近邻集合所确定互为近邻的同类样本之间的实际距离以及根据所述异类近邻集合所确定互为近邻的异类样本之间的实际距离构造权值矩阵，进而构造类内邻接图和类间邻接图，最终将待测试样本按照投影变换矩阵映射到判别子空间中，得到判别子空间中的测试样本，利用最近邻分类器，依据所述判别子空间中的训练样本集对所述测试样本进行分类，本发明使得所构造的类内邻接图和类间邻接图能够真实反映出训练样本集的局部结构，提高了对待测试样本的分类性能。
-
公开(公告)号：CN103577839A
公开(公告)日：2014-02-12
申请号：CN201310625378.6
申请日：2013-11-28
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 一种邻域保持判别嵌入人脸识别方法及系统，本发明方法包括以下步骤。S1、对已有的人脸训练样本集进行初始降维，并根据训练样本矩阵确定初始降维训练样本矩阵。S2、寻找最优变换AX1，令二次降维训练样本矩阵X2=AX1，并获取二次降维训练样本集。S3、建立测试样本并将其进行二次降维获得二次降维测试样本，在二次降维训练样本中查找与所述二次降维测试样本相邻的样本，并将占比较高的二次降维训练样本的类别赋予所述测试样本。
-
Patent Agency Ranking
公开(公告)号：CN103400161A
公开(公告)日：2013-11-20
申请号：CN201310300739.X
申请日：2013-07-18
Applicant: 苏州大学
IPC: G06K9/68
Abstract: 本申请提供一种手写体数字识别方法及装置，该方法通过接收用户输入的手写体数字图像；提取手写体数字图像的M种协方差特征，M的取值为大于1的任意一个正整数，最后根据预先设置的各个训练图像的M种协方差特征、预先设置的各个训练图像所携带的类别标签以及手写体数字图像的M种协方差特征对手写体数字进行识别，本申请通过提取手写体数字图像的M种协方差特征对手写体数字进行识别，其中，M的取值为大于1的任意一个正整数，避免了现有技术在进行手写体数字识别的过程中，因为只能采用单一的协方差特征，导致手写体数字识别不准确的问题。
-
公开(公告)号：CN102663370B
公开(公告)日：2013-10-09
申请号：CN201210120265.6
申请日：2012-04-23
Applicant: 苏州大学
Abstract: 本发明公开了一种人脸识别的方法，通过对测试样本和训练样本进行随机的降维，并生成相似性学习训练集和测试集，选择支持向量机的正则参数和高斯核函数，将相似性学习的训练集输入到正则参数和高斯核函数中，得到分类器模型，再将相似性学习的测试集输入到分类器模型中，得到分类结果，通过将所述分类结果进行求和，与某一类样本的样本数量的商为所述某一类的相似性概率的大小，取得最大值，并将所述最大值输出，得到相似性概率的大小，得到最准确的人脸识别结果。通过对样本的降维，将样本复杂度降低，使得基于SVM来学习人脸图像之间的相似性的算法快速；另外，通过对于每一类进行的算法，使得人脸识别率有了相应的提高。
-
公开(公告)号：CN103310217A
公开(公告)日：2013-09-18
申请号：CN201310246733.9
申请日：2013-06-20
Applicant: 苏州大学
IPC: G06K9/52
Abstract: 本发明公开了一种基于图像协方差特征的手写体数字识别方法及装置，包括：提取N个手写体数字训练图像的协方差矩阵，作为训练样本；其中，N为自然数；利用支持向量机对训练样本进行训练，得到分类器模型系数；其中，支持向量机所采用的核函数为计算协方差矩阵之间相似性的矩阵核函数；利用分类器模型系数、矩阵核函数和训练样本构建分类器模型；利用分类器模型对需识别手写体数字图像进行识别。采用本发明矩阵核函数的支持向量机可以对图像的协方差特征进行处理，从而使得所产生的分类器模型的系数更加准确，进而提高了手写体数字的识别率。
-
公开(公告)号：CN103164701A
公开(公告)日：2013-06-19
申请号：CN201310123349.X
申请日：2013-04-10
Applicant: 苏州大学
IPC: G06K9/20
Abstract: 本发明公开了一种手写体数字识别方法及装置。该手写体数字识别方法，包括：确定待识别图像，该待识别图像中包含手写体形式的待识别数字类别标签；依据像素点的灰度值，确定该待识别图像中的特定的像素点的像素特征；依据该特定的像素点的像素特征，确定该待识别图像的协方差；基于李群KNN算法，依据预设的训练图像集合中的各训练图像的协方差和该待识别图像的协方差，确定该待识别图像的近邻标签集；将该近邻标签集中个数最多的数字类别标签确定为该待识别数字类别标签。可见，与现有技术相比，本方案中，作为分类问题的特征的协方差依据特定的像素点的灰度值获得，有效利用了待识别图像的空间信息，因此，提高了手写体数字的识别准确性。
-
公开(公告)号：CN102722713A
公开(公告)日：2012-10-10
申请号：CN201210041116.0
申请日：2012-02-22
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明实施例提供一种基于李群结构数据的手写体数字识别方法及系统。所述方法从原始的手写体数字图像数据中提取对应的李群结构数据，通过构造矩阵高斯核函数，利用支持向量机算法训练出分类器模型，将待测手写体数字图像数据对应的李群结构数据，分别输入到训练得到的分类器模型中，得到对应的数字类别，从而对待测手写体数字图像数据对应的李群结构数据进行非线性特征的捕获，更好的实现了手写体数字识别。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.029 seconds)
