-
公开(公告)号：CN109636529A
公开(公告)日：2019-04-16
申请号：CN201811536326.0
申请日：2018-12-14
Applicant: 苏州大学
IPC: G06Q30/06
CPC classification number: G06Q30/0631 , G06Q30/0623
Abstract: 本发明实施例公开了一种商品推荐方法、装置和计算机可读存储介质，依据设定的分类规则，对获取的评分矩阵中的各元素进行分类，构建多个商品子空间；在每个商品子空间中包括有用户对商品的评分信息；计算各商品子空间中目标用户与各剩余用户之间的评分支持度；根据各评分支持度，确定出目标用户的近邻用户集。根据评分规则，从近邻用户集中各用户所对应的近邻商品中筛选出推荐商品。通过计算评分支持度的方式，可以快速的确定出目标用户的近邻用户集，提升了商品推荐的处理效率。并且从近邻用户集所对应的商品中选取推荐商品，使得推荐的商品更加符合用户的实际需求，提高了资源推荐的性能。
-
公开(公告)号：CN103310217B
公开(公告)日：2016-06-01
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：CN105160207A
公开(公告)日：2015-12-16
申请号：CN201510541211.0
申请日：2015-08-28
Applicant: 苏州大学张家港工业技术研究院
Abstract: 本申请公开了一种前列腺肿瘤的类型预测方法和系统，该方法和系统首先获取包含受检者的基因表达数据的待测样本；对待测样本进行归一化，构造归一化后的新待测样本；利用预设的投影变换矩阵将新待测样本映射到低维特征空间中，得到映射后的投影测试样本；从投影变换矩阵的训练样本集中找到与投影测试样本距离最近的样本；将样本的类型赋予投影测试样本，从而完成对前列腺肿瘤的类型预测并得到类型预测结果。
-
公开(公告)号：CN104951666A
公开(公告)日：2015-09-30
申请号：CN201510443594.8
申请日：2015-07-24
Applicant: 苏州大学张家港工业技术研究院
IPC: G06F19/00
Abstract: 本发明公开了一种疾病诊断方法和装置。该方法基于余弦相似度原理，根据多个训练样本的基因表达数据确定任意一个训练样本的同类相似样本集和异类相似样本集。进而，根据同类相似样本集和异类相似样本集构建低维特征空间的投影矩阵，利用该投影矩阵实现对训练样本和测试样本的降维处理，以方便对测试样本的诊断。与现有技术相比，本发明在采用余弦来度量样本之间的相似度，与采用欧氏距离的方式相比，其相似度的度量精度更高，从而提高了疾病诊断的精度。
-
公开(公告)号：CN115880524B
公开(公告)日：2024-09-06
申请号：CN202211460720.7
申请日：2022-11-17
Applicant: 苏州大学
IPC: G06V10/764 , G06V10/774 , G06V10/74 , G06V10/40 , G06V10/82
Abstract: 本发明涉及一种基于马氏距离损失特征注意力网络的小样本图像分类方法，包括对带标签的小样本图像数据集进行特征提取，得到训练集；将训练集中的样本输入至特征注意力网络进行训练，得到训练好的特征注意力网络；训练集向量通过训练好的特征注意力网络后求平均获得类的表示；对不带标签的小样本图像数据集进行特征提取，得到测试集，将测试集中的样本输入至训练好的特征注意力网络，得到新的特征向量，计算新的特征向量与类表示之间的马氏距离，其中马氏距离最小时所对应的类即表示对该样本的分类预测。本发明弥补了主干模型对于新任务特征重要性知识不足的缺点，使用马氏距离分类前通过特征注意力网络对特征赋予不同的权重，使得类内距离缩小、类内距离扩大，以此提升分类性能。
-
Patent Agency Ranking
公开(公告)号：CN109858461B
公开(公告)日：2023-06-16
申请号：CN201910129612.3
申请日：2019-02-21
Applicant: 苏州大学
IPC: G06V20/52 , G06V10/774 , G06N3/0464
Abstract: 本发明公开了一种密集人群计数的方法、装置、设备及计算机可读存储介质，包括：将待测试图像输入包括多列平行的卷积神经网络的目标多尺度多列卷积神经网络模型中；每列卷积神经网络中包括多个卷积核大小和个数不同的卷积层。利用所述每列卷积神经网络中各个卷积层对待测试图像进行处理，并将所述每列卷积神经网络中预选卷积层输出的特征图进行融合，以便得到所述每列卷积神经网络输出的估计密度图；将所述每列卷积神经网络输出的估计密度图进行融合后，得到待测试图像的目标估计密度图；依据所述目标估计密度图，计算得到待测试图像中的人数。本发明所提供的方法、装置、设备及计算机可读存储介质，提高了密集人群图像预测结果的准确性。
-
公开(公告)号：CN115795290A
公开(公告)日：2023-03-14
申请号：CN202211493667.0
申请日：2022-11-25
Applicant: 苏州大学
IPC: G06F18/2115 , G01S7/41 , G06F18/214 , G06F18/2413
Abstract: 本发明公开了一种雷达回波信号的分类方法、装置和设备，包括：对数据预处理；选择每一对不能连接约束对中每个样本自相关度最大时的近邻集合，作为对应的同类样本集合，由此扩展约束对集合；由扩展后的约束对集合生成连接矩阵，计算候选特征子集中每一个特征并入到特征子集后的目标函数，选择目标函数最小的特征索引，更新目标特征子集，对原始样本数据集特征选择生成训练样本；利用其训练最近邻分类器对未知雷达回波信号分类。本发明考虑每个样本周围的近邻样本情况不同，通过自适应对每个样本找最合适的近邻集合，确保其中元素间联系紧密，便于生成最优特征子集；考虑特征间关联性和数据局部几何结构，提高对于雷达回波信号分类精度的准确性。
-
公开(公告)号：CN115272130A
公开(公告)日：2022-11-01
申请号：CN202211007177.5
申请日：2022-08-22
Applicant: 苏州大学
Abstract: 本发明涉及一种基于多光谱级联归一化的图像去摩尔纹系统，其包括数据处理模块、模型训练模块和图像处理模块，数据处理模块用于对获取的原始训练集中的图像进行数据增强处理，得到训练数据集；模型训练模块用于使用训练数据集对去摩尔纹网络模型进行训练，图像处理模块用于利用训练好的去摩尔纹网络模型在测试图像上进行去摩尔纹处理，得到去摩尔纹处理后的图像。本发明提出了多光谱级联归一化模块，利用多光谱级联归一化模块对摩尔纹进行动态编码，有助于模型学习摩尔纹之前的频率并清晰地还原摩尔纹图像，实现对摩尔纹的有效去除。
-
公开(公告)号：CN111507387A
公开(公告)日：2020-08-07
申请号：CN202010274957.0
申请日：2020-04-09
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于半监督学习的成对向量投影数据分类方法及系统,包括：根据两类训练数据构建邻接图，求解拉普拉斯矩阵，将所述拉普拉斯矩阵代入拉普拉斯流形正则项中；分别计算正类拉普拉斯流形正则项和负类拉普拉斯流形正则项、正类数据的类内散度矩阵和负类数据的类内散度矩阵、以及正类类间散度矩阵和负类类间散度矩阵；根据上述数据得到最优问题，并求解得到两个最优的投影向量；将无标签数据通过核函数投影到高维空间，将两个最优的投影向量投影到两个不同的子空间，分别计算两个最优的投影向量到各子空间中心的距离，得到无标签数据的标签。本发明有利于提高分类精度。
-
公开(公告)号：CN111275135A
公开(公告)日：2020-06-12
申请号：CN202010125156.8
申请日：2020-02-27
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本申请公开了一种故障诊断方法、装置、设备、介质，该方法包括：获取待测样本；对所述待测样本进行预处理，得到目标待测样本；利用k近邻分类算法和预先得到的目标参考集对所述目标待测样本进行分类，以便确定所述目标待测样本是否是故障数据。由此可见，本申请在获取到待测样本之后，先对待测样本进行相应的预处理，得到目标待测样本，然后利用k近邻分类算法和预先得到的目标参考集对所述目标待测样本进行分类，根据分类结果确定所述目标待测样本是否是故障数据。这样能够利用预先得到的参考集对待检测数据进行分类，从而确定出待检测数据是否是故障数据，提高故障诊断的效率以及检测率。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.02 seconds)
