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

Inventor： 张莉 ,  张海飞 ,  周伟达 ,  何书萍 ,  王邦军 ,  李凡长 ,  杨季文

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

Inventor： 何书萍 ,  张莉 ,  王晓乾 ,  王邦军 ,  杨季文 ,  李凡长

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

Inventor： 张莉 ,  王晓乾 ,  杨季文 ,  何书萍 ,  李凡长

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：CN102495944A

公开(公告)日：2012-06-13

申请号：CN201110356343.8

申请日：2011-11-11

Applicant: 苏州大学

Inventor： 张莉 ,  周伟达 ,  王邦军 ,  李凡长 ,  杨季文 ,  何书萍

IPC: G06F19/00

Abstract: 本发明实施例公开了一种时间序列预测方法、设备和方法，其中方法包括：训练获取的时间序列数据得到训练数据集；利用所述训练数据集训练选定预测器组生成具有多样性的预测器组；提取稀疏信号重构优化函数并求解所述具有多样性的预测器组的加权系数；截获加权系数非零的预测器进行时间序列数据预测。本发明实施例将具有多样性的预测器组的加权系数作为稀疏信号进行重构并求解相应优化函数，所得出的加权系数由于具有稀疏性，利用上述得出的加权系数为非零的预测器进行时间序列数据预测校验，由于所用预测器组的数量精简从而加速了校验过程，且预测准确性得到了提高。

公开(公告)号：CN118436347A

公开(公告)日：2024-08-06

申请号：CN202410511811.1

申请日：2024-04-26

Applicant: 苏州大学

Inventor： 张莉 ,  王逸琳 ,  王邦军 ,  赵雷

IPC: A61B5/16 ,  A61B5/372 ,  A61B5/291 ,  A61B5/00 ,  G06F18/2415 ,  G06F18/10 ,  G06F18/213

Abstract: 本发明提供一种基于自适应数据结构优化的脑电信号情绪识别系统，涉及情绪识别技术领域，该系统包括数据预处理模块，用于对采集的脑电信号数据进行预处理，得到脑电信号对集合；数据结构优化模块，用于对脑电信号对集合中的信号进行时变的电极排序，对脑电信号数据结构进行优化，得到优化后的脑电信号数据；特征提取模块，用于同时提取优化后的脑电信号数据中的重要时间、空间和频率特征；分类模块，用于对所述特征提取模块提取的特征进行处理，得到每类情绪的概率，最大概率值对应的情绪即为预测的情绪类别。本发明能够对受试者的数据结构实现个性化优化，从而提高跨受试者的脑电情绪识别的性能。

公开(公告)号：CN117765072A

公开(公告)日：2024-03-26

申请号：CN202311734708.5

申请日：2023-12-15

Applicant: 苏州大学

Inventor： 张莉 ,  魏祥一 ,  赵雷 ,  王邦军 ,  周伟达

IPC: G06T7/73 ,  G06V10/80 ,  G06V10/764 ,  G06V10/766

Abstract: 本发明涉及一种基于点领域特征学习的目标定位与计数方法，包括将待检测图像输入骨干网络，提取包括顶层特征、中间层特征与底层特征的三级特征金字塔；将三级特征金字塔输入多层感知机模块中，捕捉其顶层特征的全局长距离依赖，获取全局信息特征；将三级特征金字塔输入视觉中心机制模块，聚合其顶层特征的局部区域特征，获取局部信息特征，与全局信息特征沿通道维度连接在一起，获取映射顶层特征后，与中间层特征和底层特征，构成映射三级特征金字塔，输入全局中心化调节模块，输出初始特征图至多感知模块，提取通道特征与空间特征进行拼接，获取多感知特征图后，经过回归头输出待检测图像的预测目标数，经过分类头输出待检测图像的预测目标定位。

公开(公告)号：CN111768340B

公开(公告)日：2023-12-01

申请号：CN202010614616.3

申请日：2020-06-30

Applicant: 苏州大学

Inventor： 张莉 ,  徐石 ,  季家欢 ,  王邦军 ,  屈蕴茜

IPC: G06T3/40 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请公开了一种基于密集多路径网络的超分辨图像重构方法和系统，其中，该方法包括对原始训练集中的图像进行旋转和翻转，得到大规模训练数据集；提取输入图像中的粗糙特征信息，利用多个密集多路径模块获得所述输入图像中的多尺度和多层次的特征信息；对所述多尺度和多层次的特征信息进行拼接和提纯；将拼接和提纯后的图像的分辨率采样至预设大小，恢复成超分辨图像。利用基于密集多路径网络的超分辨图像重构方法和系统，能够进一步提高重建质量，获得更加具有竞争力的结果。

公开(公告)号：CN112115359B

公开(公告)日：2023-10-31

申请号：CN202010974301.X

申请日：2020-09-16

Applicant: 苏州大学

Inventor： 张莉 ,  孙晓寒 ,  屈蕴茜 ,  王邦军 ,  周伟达

IPC: G06F16/9535 ,  G06F16/9536 ,  G06Q30/0601

Abstract: 本发明公开了一种基于多阶近邻预测的推荐系统及方法，该系统包括：用户评分矩阵建立模块，用于根据用户集合和物品集合建立用户评分矩阵；相似度计算模块，用于计算任意两个用户之间的相似度；迭代近邻查找模块，用于根据相似度计算结果为目标用户选择N个近邻用户作为其一阶近邻，再选择N个一阶近邻的一阶近邻作为其二阶近邻，并依次迭代，直至找出目标用户的k阶近邻集，其中，N和k均为正整数；预测及推荐模块，用于根据每一次迭代查找的近邻集重新预测目标用户对物品的评分，并为目标用户进行物品推荐。本发明基于多阶近邻预测的推荐系统及方法采用迭代查找的思想，使得该推荐系统和方法的预测评分更准确，有效性更高。

公开(公告)号：CN110738191B

公开(公告)日：2023-08-18

申请号：CN201911031276.5

申请日：2019-10-28

Applicant: 苏州大学

Inventor： 张莉 ,  庞晴晴 ,  王邦军

IPC: G06F18/241

Abstract: 本申请公开了一种基于声呐信号的物体分类方法、装置、设备及介质，包括：根据声呐数据矩阵计算出拉普拉斯矩阵，并计算声呐数据矩阵的整体分值；分别从待选择特征集合中选择待测特征索引，利用增加与待测特征索引对应的待测信号特征之后的目标特征子集计算待测信号特征的Laplacian得分，并利用整体分值计算待测信号特征对声呐数据矩阵的局部保持度；从各局部保持度中选择出最小的目标局部保持度并确定出目标信号特征，删除待选择特征集合中与目标信号特征对应的目标特征索引，将目标特征索引按照预设次序设置于目标特征子集中；直到待选择特征集合中不存在特征索引；确定出目标特征子集，并利用目标特征子集识别各目标物体并进行分类。

公开(公告)号：CN110147782B

公开(公告)日：2023-06-13

申请号：CN201910459926.X

申请日：2019-05-29

Applicant: 苏州大学

Inventor： 张召 ,  任加欢 ,  张莉 ,  王邦军

IPC: G06V40/16 ,  G06V10/778

Abstract: 本发明公开了一种基于投影字典对学习的人脸识别方法，包括：获取目标人脸图像；利用稀疏投影矩阵提取目标人脸图像中的目标特征；将目标特征输入识别分类器，输出目标人脸图像的识别结果；其中，稀疏投影矩阵和识别分类器利用基于L2，1‑范式约束的矩阵分解和基于L2，1‑范式约束的投影字典对学习训练而得，稀疏投影矩阵采用了核范式约束和L1‑范式约束。其中，基于L2，1‑范式约束的矩阵分解和基于L2，1‑范式约束的投影字典对学习训练稀疏投影矩阵和识别分类器，能够使稀疏投影矩阵提取到显著的图像特征，并降低数据维度，从而提高人脸识别的效率和准确率。本发明公开的一种基于投影字典对学习的人脸识别装置、设备及可读存储介质，也同样具有上述技术效果。