“肖燕珊”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果41个，建议您升级VIP下载更多相关专利

[发明专利]一种结合非平行性双支持向量机和样本特权信息的分类方法-CN202010707048.1有效
发明人：车志勇;刘波;肖燕珊 -专利权人：广东工业大学
申请日： 2020-07-21 - 公布日： 2023-10-13 - 主分类号： G06F18/2411 文献下载
摘要：本发明公开了一种结合非平行性双支持向量机和样本特权信息的分类方法，包括以下步骤：S1、提取样本额外的特征信息；S2、构建非平行双支持向量机的模型；S3、构造校正函数；S4、通过校正函数把额外的特征信息整合到非平行双支持向量机的模型中构造目标模型；S5、利用拉格朗日函数和K.K.T条件，通过两个二次规划问题来求解构造出的目标模型，从而找到两个非平行分类平面；S6、利用步骤S5找到的两个非平行分类平面对样本进行分类，确定样本的标签。本发明具有运算速度快、分类准确率高等优点。
一种结合平行支持向量样本特权信息分类方法

[发明专利]一种结合特权信息和排序支持向量机的图像分类方法-CN201910532935.7有效
发明人：刘倩;刘波;肖燕珊;李松松;刘芷菁 -专利权人：广东工业大学
申请日： 2019-06-19 - 公布日： 2023-10-10 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种结合特权信息和排序支持向量机的图像分类方法，该方法首先构建正标记图像集和未标记图像集，从未标记图像集中识别出可靠负图像，并利用可靠负图像来建立正原型图像和负原型图像；从未标记图像集中删除可靠负图像，然后将剩余的未标记图像、正图像、负图像分别转换为向量，将这几类向量两两做差以形成差异图像；利用相似性模型表示所述的差异图像；利用差异图像和相似性权重及特权信息构建分类模型并进行训练，训练后的分类模型用于图像分类。本发明方法中考虑了特权信息和差异图像的相似性，将相似性和特权信息融入到排序支持向量机学习阶段，以快速地对图像进行分类。
一种结合特权信息排序支持向量图像分类方法

[发明专利]一种基于小样本的分类器训练方法-CN201910351889.0有效
发明人：刘芷菁;刘波;林露樾;肖燕珊;刘倩 -专利权人：广东工业大学
申请日： 2019-04-28 - 公布日： 2023-09-19 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于小样本的分类器训练方法，包括以下步骤：包括以下步骤：S1：设置参数α，β，学习率，最大训练步长T；S2：从训练集中读取一批图像，并将图像x输入到先验分类器中，得到先验标签#imgabs0#的值和每一张图片的潜在变量z的值；S3：对所读取图片的第i类,计算该类潜在变量的均值#imgabs1#和断言#imgabs2#S4：重复步骤S3，直至所读取图片的所有类均进行了对应的潜在变量的均值和断言的计算；S5：在得知图像x、先验标签#imgabs3#的基础上结合后验分类器，获取所描述的后验标签#imgabs4#S6：对损失函数进行优化，降低损失函数的计算代价；S7：计算所需要优化的所有变量的集合Θ中所有变量的损失函数的梯度。本发明收敛速度快，训练耗费时间较短，能训练得到高精度分类器。
一种基于样本分类训练方法

[发明专利]基于标签比例学习的迁移学习分类方法、系统及设备-CN201910171706.7有效
发明人：汪槐沛;肖燕珊;刘波;梁飞;苌征;尹子键;郝志峰 -专利权人：广东工业大学
申请日： 2019-03-07 - 公布日： 2023-07-25 - 主分类号： G06N20/00 文献下载
摘要：本申请公开了一种基于标签比例学习的迁移学习分类方法、系统及设备和介质，方法包括：获取两个具有预设关联关系的标签比例数据集，从中确定原任务对应的原任务数据集和目标任务对应的目标任务数据集；利用预设训练算法对原任务数据集和目标任务数据集进行训练，并利用迁移学习将原任务对应的知识迁移至目标任务，构建得到目标分类函数；利用目标分类函数对待识别实例的标签进行预测；其中，待识别实例包括：文本、图像。本申请首先确定原任务数据集和目标任务数据集，将原任务知识迁移至目标任务，以利用原任务的知识帮助目标任务构建目标分类函数，也即，本申请能将迁移学习与标签比例学习结合，有效地提高了分类精度。
基于标签比例学习迁移分类方法系统设备

[发明专利]蛋白质亚细胞定位方法、系统、储存介质及计算机设备-CN202011316678.2有效
发明人：钟光正;肖燕珊;刘波 -专利权人：广东工业大学
申请日： 2020-11-19 - 公布日： 2023-05-26 - 主分类号： G16B20/00 文献下载
摘要：本发明提出了一种蛋白质亚细胞定位方法、系统、储存介质及计算机设备，将弹球损失函数引入离群点检测算法中来处理蛋白质亚细胞定位的数据；其抗噪效果好，特别是对边界噪声不敏感；约束数量少，计算复杂度低，运算效率高；能够兼顾子集内最小化，所得到的超球体的球心处于数据密集的区域；因而能够快速处理蛋白质亚细胞定位的数据，并相应得到准确、可靠的预测结果。
蛋白质细胞定位方法系统储存介质计算机设备

[发明专利]一种基于多视角学习的图数据检索结果优化方法-CN201910944120.X有效
发明人：钟昊文;刘波;肖燕珊;林志全 -专利权人：广东工业大学
申请日： 2019-09-30 - 公布日： 2023-03-31 - 主分类号： G06F16/901 文献下载
摘要：本发明涉及一种基于多视角学习的图数据检索结果优化方法，包括：S1：根据用户检索时的点击数据，生成训练数据，并构建训练数据的多个视角；S2：对训练数据的每个视角进行参数设置，以提高训练数据分类性能；S3：构建图数据检索评估模型；并对其进行优化；S4：利用评估模型计算数据库中图数据的评分；S5：根据评分对图数据进行排序，得到检索结果。本发明可以利用点击数据改善目前图数据检索准确率比较差的情况，提高检索的质量；本发明提出的目标模型考虑从多角度去处理图数据的检索问题。通过同时利用图数据的多个特征映射，并加入了多视角的约束，满足多视图学习中的共识和互补原则，提高了本模型对图数据检索的准确率。
一种基于视角学习数据检索结果优化方法

[发明专利]一种文本识别方法、装置、设备及计算机可读存储介质-CN201910232528.4有效
发明人：苌征;肖燕珊;刘波;尹子健;梁飞;汪槐沛;郝志峰 -专利权人：广东工业大学
申请日： 2019-03-26 - 公布日： 2023-02-07 - 主分类号： G06F40/279 文献下载
摘要：本申请公开了一种文本识别方法，在基于主动学习技术对训练样本进行筛选时，综合考虑样本的信息价值及其在特征空间中的分布结构，以获得较高质量的训练样本；同时，通过参数共享与样本表达共享，实现了各待训练模型之间的信息共享，实现了多个模型的同步训练，有效减少了训练模型所需的标记样本开销，并保证了各训练任务对应模型之间的相互促进，有效提升了算法的模型优化效率。因此，本申请所提供的文本识别方法在模型训练过程中不仅保证了样本质量，同时还实现了多个文本识别模型的并行训练，在有效提高文本识别准确度的同时，保证了文本识别效率。本申请还公开了一种文本识别装置、设备及计算机可读存储介质，均具有上述有益效果。
一种文本识别方法装置设备计算机可读存储介质

[发明专利]一种图像处理方法、装置、设备及可读存储介质-CN201910287394.6有效
发明人：尹子健;肖燕珊;刘波;梁飞;汪槐沛;苌征;郝志峰 -专利权人：广东工业大学
申请日： 2019-04-09 - 公布日： 2023-02-07 - 主分类号： G06F16/55 文献下载
摘要：本发明公开了一种图像处理方法，该方法包括以下步骤：获取待分类的双视角数据集；其中，双视角包括图像视角和文本视角；对双视角数据集中的图像进行分组划分，利用分组结果确定图像包；对双视角数据集中的文本信息进行段落划分，利用段落划分结果确定文本包；将图像包和文本包输入至双视角分类器中进行分类处理，获得图像分类结果；其中，双视角分类器为利用多示例学习，进行迭代求解得到的分类器；存储图像分类结果，并利用图像分类结果进行图像检索。该方法可得到提高图像处理中图像检索性能。本发明还公开了一种图像处理装置、设备及可读存储介质，具有相应的技术效果。
一种图像处理方法装置设备可读存储介质

[发明专利]一种基于多视图降维和有序回归的人脸图像年龄估计方法-CN202210587161.X在审
发明人：温凯润;肖燕珊;刘波;赵亮;卢浚滨;张钊博 -专利权人：广东工业大学
申请日： 2022-05-27 - 公布日： 2022-08-09 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于多视图降维和有序回归的人脸图像年龄估计方法，包括以下步骤：S1、获取人脸图像数据集；S2、对人脸图像数据集进行年龄的类别划分；S3、对类别划分后的人脸图像数据集进行预处理；S4、对预处理后的人脸图像数据集进行特征提取以及归一化处理，从而得到可用来分类的训练数据集；S5、建立并训练多视图降维的有序回归分类器；S6、将需要估计年龄的人脸图像输入至训练好的多视图降维的有序回归分类器中，最后得到该人脸图像的年龄估计结果。本发明结合多视图学习和降维,并将人脸图像之间的年龄顺序信息纳入模型训练的过程中,从而大大提高有序回归分类器对于此类(高维多视图)人脸图像年龄估计的准确率。
一种基于视图维和有序回归图像年龄估计方法

[发明专利]基于半监督学习的分类器训练方法及装置-CN201910721182.4有效
发明人：冯俊耀;肖燕珊;刘波;曾博;温劲;李鹏程;郝志峰 -专利权人：广东工业大学
申请日： 2019-08-06 - 公布日： 2022-06-24 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及机器学习技术领域，特别是涉及一种基于半监督学习的分类器训练方法及装置。该方法包括：当接收到模型训练指令时，获取初始分类模型及各个携带正类标签的样本数据、携带负类标签的样本数据、携带第三类标签的样本数据和无标签样本数据，生成训练数据集，将训练数据集输入初始分类模型触发其进行训练，训练结束后获得目标分类模型，并计算分类准确度；当分类准确度达到预设准确阈值，确定该目标分类模型为分类器。通过各种携带标签的样本数据和无标签样本数据，为初始分类模型提供更多的分类和识别信息，该初始分类模型可以根据各个样本数据学习每种数据对应的标签，以提高对各个数据进行识别和分类精度，提高分类器的性能。
基于监督学习分类训练方法装置

[发明专利]基于多视角学习的分类模型构建方法及装置-CN201910721187.7有效
发明人：曾博;肖燕珊;刘波;温劲;李鹏程;冯俊耀;郝志峰 -专利权人：广东工业大学
申请日： 2019-08-06 - 公布日： 2022-06-24 - 主分类号： G06V10/764 文献下载
摘要：本发明提供了一种基于多视角学习的分类模型构建方法，包括：接收到模型构建指令时，获取多个第一视角数据组及多个第二视角数据组；第一视角数据组包括携带正类标签的第一视角特征数据，以及与第一视角特征数据对应的第三类无标签特征数据；第二视角数据组包括携带负类标签的第二视角特征数据，以及与第二视角特征数据对应的第三类无标签特征数据；获取与模型构建指令对应的目标方程；应用拉格朗日乘子法对目标方程进行计算，得到与目标方程对应的对偶方程；基于训练数据集对所述对偶方程进行求解，得到与训练数据集对应的分类模型。通过结合第三类无标签特征数据进行分类模型的构建，降低了对多视角训练数据数量的依赖，提高分类模型的分类精度。
基于视角学习分类模型构建方法装置

[发明专利]一种多任务的图分类方法-CN201910548944.5有效
发明人：林志全;刘波;肖燕珊;钟昊文 -专利权人：广东工业大学
申请日： 2019-06-24 - 公布日： 2022-05-10 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种多任务的图分类方法，首先利用挖掘子图确定一个最佳子图集，最佳子图分为共同特征和特定特征，以此代表一个向量；接着对多任务的图分类进行重构，以此学习多任务的学习方程，并用拉格朗日定律进行优化，得到目标方程；最后通过学习的最佳子图集，学习该目标方程，得到一个最后的分类精度；本发明通过重构方程式，能够有效利用子图之间关系，利用多个任务之间的相关度，进行任务的分类；同时，挖掘子图的结果更好利用，这样能够在面对任务的数量增多时，更好利用任务之间的相关性，也不失分类的精准度。
一种任务分类方法

[发明专利]一种多任务字典单分类方法、系统、装置及存储介质-CN201910711980.9有效
发明人：谢浩鑫;刘波;肖燕珊 -专利权人：广东工业大学
申请日： 2019-08-02 - 公布日： 2022-04-19 - 主分类号： G06F16/35 文献下载
摘要：本申请提供的一种多任务字典单分类方法，包括：获取待分类任务；令每个待分类任务分别学习一个综合字典和一个分析字典；利用字典学习模型、分析非相关性项、分析系数编码提取项和多任务单分类项建立目标优化函数；其中，字典学习模型包括综合字典和分析字典；求解优化函数分别得到线性分类器和非线性分类器；利用线性分类器和非线性分类器对待分类任务进行分类。本申请采用一个任务学习一个综合字典和一个分析字典，并使编码系数对于其它任务尽可能稀疏，能更好地表示数据的潜在结构。同时利用多任务学习模型，也大大减少了计算复杂度。本申请还提供了一种多任务字典单分类系统、装置及计算机可读存储介质，具有上述有益效果。
一种任务字典分类方法系统装置存储介质

[发明专利]一种动作识别的方法和装置-CN201810342934.1有效
发明人：曾铭宇;刘波;肖燕珊 -专利权人：广东工业大学
申请日： 2018-04-17 - 公布日： 2022-04-19 - 主分类号： G06V40/20 文献下载
摘要：本发明实施例公开了一种动作识别的方法和装置，利用模糊特征提取算法，从待测试的视频中提取相应的姿势向量；利用K‑means聚类算法，对所述姿势向量进行聚类分析，得到离散化的动作向量；查询预先建立的动作识别模型，以确定出所述动作向量对应的动作类型。运用模糊特征提取经由K‑means聚类处理的方式，提高了特征提取的速度。依据于近似核心极限学习机的最小偏差算法建立动作识别模型，在保持高精度的情况下，降低了计算复杂度、减少了运存损耗。并且，在进行动作识别时，直接查询该动作识别模型即可确定出动作向量对应的动作类型，极大的提高了动作识别的效率。
一种动作识别方法装置

[发明专利]基于多示例学习的分类器构建方法及装置-CN201910721180.5有效
发明人：李鹏程;肖燕珊;刘波;曾博;温劲;冯俊耀;郝志峰 -专利权人：广东工业大学
申请日： 2019-08-06 - 公布日： 2022-03-22 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种基于多示例学习的分类器构建方法，包括：获取包括第一标签数据集合、第二标签数据集合及第三标签数据集合的训练数据集；将训练数据集中的各个样本数据输入至预先构建的相似度模型中，以确定训练数据集中的各个样本数据的分别与预先设置的第一标签组、第二标签组及第三标签组的相似度；依据所述第一标签数据集合中的各个样本数据与所述第一标签组的相似度，将所述第一标签数据集合划分为第一子数据集合及第二子数据集合；基于相似度，分别为第一子数据集合、第二子数据集合、第二标签数据集合及所述第三标签数据集合分配相似度权重；依据各个所述相似度权重构建分类器。应用多种类型标签数据构建分类器，提升了分类器的识别精度。
基于示例学习分类构建方法装置

1
2
3
下一页»
尾页
共 41 条