-
公开(公告)号：CN104484684B
公开(公告)日：2018-11-02
申请号：CN201510001954.9
申请日：2015-01-05
Applicant: 苏州大学
IPC: G06K9/66
Abstract: 本申请公开了一种手写体识别方法及系统，方法为：利用带平滑范数L1的自编码器对训练样本集中的各个训练样本进行处理，得到对应的目标训练样本，所述目标训练样本与所述训练样本集中的样本标签组成目标训练样本集，所述带平滑范数L1的自编码器的目标函数中设有稀疏惩罚项，该稀疏惩罚项为平滑L1范数，然后利用目标训练样本训练分类器，得到目标分类器，利用带平滑范数L1的自编码器对待预测样本进行处理，得到目标待预测样本，最后将所述目标待预测样本输入至所述目标分类器，以确定待预测样本的类别。本申请的方案将平滑范数L1引入自编码器中，代替常用的KL散度，作为新的稀疏惩罚项，能够得到更具判别性的特征，使得最终的手写体识别率更高。
-
公开(公告)号：CN108710907A
公开(公告)日：2018-10-26
申请号：CN201810461229.3
申请日：2018-05-15
Applicant: 苏州大学
IPC: G06K9/62
CPC classification number: G06K9/6268 , G06K9/6256
Abstract: 本申请公开了一种手写体数据分类方法、模型训练方法、装置、设备及介质，包括：获取包含手写体数据样本和相应的手写体类别标签的原始训练样本集；对所述原始训练样本集进行数据预处理，以从所述原始训练样本集中选取出能够保持流形结构的非噪声数据，得到处理后训练样本集；利用所述处理后训练样本集进行稀疏支持向量机模型的训练，得到训练后模型。本申请在获取到原始训练样本集之后，会对原始训练样本集进行去噪处理，并且只保留能够保持流形结构的非噪声数据，从而降低了用于训练模型的样本数据的冗余度，减少样本数据量的同时还提升了样本数据的准确度，由此使得后续训练得到的模型具有非常出色的分类精度。
-
公开(公告)号：CN108416384A
公开(公告)日：2018-08-17
申请号：CN201810178640.X
申请日：2018-03-05
Applicant: 苏州大学
Abstract: 本发明实施例公开了一种图像标签标注方法、系统、设备及计算机可读存储介质。其中，方法包括将训练样本集和待标注图像输入卷积神经网络中，卷积神经网络为被训练样本集采用反向传播算法最小化交叉熵损失函数，以调整卷积神经网络的权重进行训练，并将训练好的卷积神经网络的权重进行重新加载，以提取训练样本集的样本网络特征集和待标注图像的测试网络特征集；根据样本网络特征集、测试网络特征集及标签集合，计算待标注图像属于标签集合中每类标签的概率，生成标签概率集；最后根据标签概率集，为待标注图像的进行标签标注。本申请提供的技术方案结合深度学习和标签传播算法，自动提取图像高层语义特征，从而提升了图像标注的效率和准确率。
-
公开(公告)号：CN108108687A
公开(公告)日：2018-06-01
申请号：CN201711365229.5
申请日：2017-12-18
Applicant: 苏州大学
Abstract: 本申请公开了一种手写体数字图像聚类方法、系统及设备，该方法包括：获取手写体数字图像对应的样本数据集；利用聚类算法从所述样本数据集中确定出m个聚类中心作为锚点；利用所述锚点确定所述样本数据集中不同样本数据之间的相似性矩阵；对所述相似性矩阵进行特征分解，以得到低维嵌入；利用聚类算法对所述低维嵌入进行聚类，以得到每个样本数据对应的聚类类别标签；结合所述聚类类别标签以及集成学习算法，确定出每个样本数据的最终分类结果。本申请有效地提升了手写体数字图像的分类准确率。
-
公开(公告)号：CN104376234B
公开(公告)日：2017-12-26
申请号：CN201410727536.3
申请日：2014-12-03
Applicant: 苏州大学
IPC: G06F19/22
Abstract: 本发明公开了一种启动子识别方法及系统：获取测试数据，确定所述测试数据的一次特征向量；利用自编码器，对所述测试数据的一次特征向量进行特征提取，得到所述测试数据的二次特征向量；利用预设支持向量机，对所述测试数据的二次特征向量进行分类，得到分类结果，当所述分类结果满足预设条件时，确定所述测试数据为启动子。相较现有技术中直接对利用KL散度提取到的特征向量进行分类判定，本发明利用了自编码器的神经网络学习算法，有效地提高了对启动子的识别性能，进而提高了识别准确度。
-
Patent Agency Ranking
公开(公告)号：CN103679162B
公开(公告)日：2017-07-14
申请号：CN201410003346.7
申请日：2014-01-03
Applicant: 苏州大学
IPC: G06K9/00
Abstract: 本申请提供了一种人脸识别方法，通过互为近邻的同类样本之间的实际距离，并构建类内邻接图，通过互为近邻的异类样本之间的实际距离，并构建类间邻接图，确定最佳目标维数和投影变换矩阵，将降维后的各个训练样本按照所述投影变换矩阵变换到判别子空间中，利用所述投影变换矩阵，将待测样本映射到所述判别子空间中，得到测试样本；利用最近邻分类模块，对所述测试样本进行分类。因此，本申请的类内邻接图和类间邻接图是通过近邻样本之间的实际距离得到的，能够反映样本真实的局部结构，因此提高了对待测样本进行分类的分类性能。
-
公开(公告)号：CN103927530B
公开(公告)日：2017-06-16
申请号：CN201410186226.5
申请日：2014-05-05
Applicant: 苏州大学
Abstract: 本发明公开了一种基于相似性学习的人脸集匹配方法及系统，通过从原始数据样本中选取训练集样本和测试集样本，并挑选训练样本，计算真实相似度，与计算出的计算相似度进行比较，从而选取最终分类器，并将训练样本中每类样本的几何平均值以及测试集样本中的每个测试样本带入最终分类器中，获取分类结果，进而获取测试样本的类别。本方案首先通过选取部分样本作为训练样本，进行训练过程，实现对分类器的选取，避免了将所有的样本作为训练样本进行训练，从而简化了训练过程，避免了复杂的过程，提高了训练速度。另外，本方案中通过选取训练集样本每类样本的几何平均值来构建多个不同的分类器，达到了通过简单的操作过程带来精确的结果的效果。
-
公开(公告)号：CN103927560B
公开(公告)日：2017-03-29
申请号：CN201410177935.7
申请日：2014-04-29
Applicant: 苏州大学
IPC: G06K9/66
Abstract: 本申请提供一种特征选择方法及装置，该方法通过响应接收到的训练样本集，生成第一训练样本集、与该第一训练样本集对应的第一特征索引集、第二训练样本集以及与该第二训练样本集对应的第二特征索引集，根据第一训练样本集计算第一元素，进而完成对第一特征索引集的更新，根据第二训练样本集计算第二元素，进而完成对第二特征索引集的更新，当更新后的第一特征索引集/第二特征索引集中各个特征的数量和满足预设值时，根据得到第一特征索引集以及第二特征索引集计算特征索引集，完成对特征的选择，以实现在特征选择的过程中，在保证学习效率的基础上，降低计算代缴、提高推广能力。
-
公开(公告)号：CN103679160B
公开(公告)日：2017-03-22
申请号：CN201410003078.9
申请日：2014-01-03
Applicant: 苏州大学
Abstract: 本发明提供了一种人脸识别的方法，该方法基于一类支持向量机来学习人脸图像之间的相似性，包括：对人脸样本进行分类得到训练样本组和测试样本组；对训练样本组中的训练样本进行分类得到至少两个类别，在每个类别中获取训练样本生成差样本对，并构造训练样本对组；依据训练样本对组对一类支持向量机进行训练，得到其决策模型参数，并得到相似性判别模型；将测试样本组中任意获取两个测试样本生成的测试差样本对输入相似性判别模型中进行相似性判断。在该方法中，输入一类支持向量机的训练样本采用分类并依据同类训练样本中生成训练样本差的方式，使得输入一类支持向量机的数据量减少，降低了计算的复杂度。
-
公开(公告)号：CN103164701B
公开(公告)日：2016-06-01
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。
-
-
-
-
-
-
-
-
-
Search Results
307
records
(took 0.027 seconds)
