-
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：CN103886310A
公开(公告)日：2014-06-25
申请号：CN201410163058.8
申请日：2014-04-22
Applicant: 苏州大学
Abstract: 本发明提供一种基于多个1类支持向量机的人脸相似性识别方法及系统。所述方法包括以下步骤。S1、对现有的人脸训练样本集进行处理，获得差样本对，并构造差样本对训练集。S2、对所述差样本对训练集按类别分别进行训练学习，获得1类SVM模型系数，并通过所述模型系数获得超球体半径rc。S3、获取任意两个测试样本的测试差样本对，并根据所述测试差样本对及超球体半径计算相似性判别模型，以判断所述任意两个测试样本的相似性。
-
公开(公告)号：CN103870719A
公开(公告)日：2014-06-18
申请号：CN201410140707.2
申请日：2014-04-09
Applicant: 苏州大学
IPC: G06F19/10
Abstract: 本申请公开了一种启动子识别方法，通过对多个样本基因序列进行胞嘧啶、鸟嘌呤CG偏好特征的统计，将多个样本基因序列分为两类，针对每一类样本基因序列分别执行以下步骤：分别提取其中每一个样本基因序列的刚性特征、CpG岛特征和四联体组成成分特征，并构建对应的分类器来对样本基因序列进行启动子识别判断，对识别的非启动子序列提取其五联体组成成分特征并构成五联体分类器，再次进行启动子识别判断，并在识别结果满足预设条件时，确定当前样本基因序列为启动子序列，否则为非启动子序列。本申请充分考虑了基因的刚性特征、CpG岛特征和组成成分特征，通过分级识别，最终给出的启动子识别结果准确率更高。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN103679207A
公开(公告)日：2014-03-26
申请号：CN201410001403.8
申请日：2014-01-02
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本申请公开了一种手写体数字识别方法，包括：根据距离和标签类别，对训练样本构造类内邻接图和类间邻接图；根据所述类内邻接图、所述类间邻接图和所述训练样本组成的矩阵，确定目标维数和投影变换矩阵；将所述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；利用最近邻分类器，对所述测试样本进行分类。本申请对于每个样本分别在同类近邻样本中找近邻和在异类样本中找近邻，从而克服了样本分布不均衡造成的分类性能差的问题。
-
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。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
363
records
(took 0.034 seconds)
