“巴海木”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6个，建议您升级VIP下载更多相关专利

[发明专利]一种基于置信区域和多特征加权融合的人脸表情识别方法-CN201710438445.1有效
发明人：王演;王镇镇;史晓非;巴海木;祖成玉;于丽丽 -专利权人：大连海事大学
申请日： 2017-06-12 - 公布日： 2020-10-02 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于置信区域和多特征加权融合的人脸表情识别方法，包括：1、获得人脸置信区域图像以及人脸区域图像，所述人脸置信区域图像至少包括眼睛眉毛区域和嘴部区域；2、对所述人脸置信区域图像及人脸区域图像进行特征提取以获得所对应的初始特征；3、对所述初始特征进行降维及数据归一化处理后并组成融合特征F；4、将所述融合特征F作为分类识别特征送入分类器进行识别；5、选定训练集特征数据以及测试集特征数据并将所述训练集特征数据输入到GRNN神经网络进行训练以获得相应的训练参数；6、基于所述训练参数，采用密度函数对测试集特征数据进行预测输出以获得最终的分类识别特征数据。本发明具有更高的识别效率以及识别准确率。
一种基于置信区域特征加权融合表情识别方法

[发明专利]一种基于倍频程信号强度和差异化特征子集的情感语音识别方法-CN201710449128.X有效
发明人：王演;邱东杰;史晓非;巴海木;于丽丽;祖成玉 -专利权人：大连海事大学
申请日： 2017-06-14 - 公布日： 2020-09-15 - 主分类号： G10L15/02 文献下载
摘要：本发明公开了一种基于倍频程信号强度和差异化特征子集的情感语音识别方法，步骤包括：S1对语音情感数据集X进行至少包括OBSI及OBSIR参数的特征提取；S2提取每一个情感ei的最优特征子集D(ei,other)；S3使用D(ei,other)进行训练识别，得到情感区分度d(ei)；S4根据d(ei)对情感集合S中的情感类型进行排列，得到有序情感集合S；S5根据S中各情感的顺序，构建SVM‑RF多级分类器；S7利用SVM‑RF多级分类器模型对测试情感语音进行分类测试，并输出分类结果。本发明基于倍频程信号强度和差异化特征子集的情感语音识别方法，以实现情感语音的准确识别。本发明以OBSI特征为基础，针对SVM和RF优点提出一种基于特征选择的SVM‑RF多级分类器构建算法，对子分类器的特征子集采取差异化策略，在保证性能的同时，减少了训练时间。
一种基于倍频信号强度异化特征子集情感语音识别方法

[发明专利]一种图像修复方法-CN201710427899.9有效
发明人：王演;黄旭东;史晓非;祖成玉;于丽丽;巴海木 -专利权人：大连海事大学
申请日： 2017-06-08 - 公布日： 2019-10-01 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于搜索准则和约束条件的块稀疏表示的图像修复方法，步骤包括：在源图像中确定待修复块Ψ_p，并选取M个与待修复块已知区域最相似的图像块；对所选M个图像块进行删减，得到候选块集合Q＝{Ψ_q}_{q＝1,2,···,L}；将候选块集合中各候选块进行稀疏表示，并构建待填充块为兼顾待填充块与待修复块已知区域和待修复块未知区域的相似度，构建系数表达候选块约束条件；根据稀疏表达候选块约束条件构建稀疏表达方程；通过贪心算法求解稀疏表达系数；稀疏表达系数带回待填充快稀疏方程求得待填充块Ψ_t；将待填充块Ψ_t填充到源图像中。本发明考虑待修补块已知区域和未知区域的差异建立约束条件，提供了一种更好的保持结构连贯性以及结构清晰性的图像修复方法。
一种基于搜索准则约束条件稀疏表示图像修复方法

[发明专利]一种基于结构差异与待修复边缘结构系数的优先权算法及图像修复方法-CN201710438763.8有效
发明人：王演;黄旭东;史晓非;于丽丽;祖成玉;巴海木 -专利权人：大连海事大学
申请日： 2017-06-12 - 公布日： 2019-07-23 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于结构差异与待修复边缘结构系数的优先权算法及图像修复方法，算法步骤包括：读取破损的图像，并标记待修复区域；提取目标区域内所有已知像素点信息；根据提取的已知像素点信息构建结构差异矩阵；在目标区域内提取一定大小的以待修复区域边界上任意待修复点p为中心的窗口区域，计算待修复点p的边缘结构系数T(p)、标准差参数S_p(p)以及置信度参数C(p)；按照公式P(p)＝T(p)·C(p)·S_p(p)计算此待修复点的优先权值P(p)；遍历待修复区域边界上所有待修复点，修复以优先权值最大的待修复点为中心的窗口区域，并更新待修复区域边界；重复上述步骤，直至待修复区域修复完全。本发明根据各目标区域的差异大小，得到稳定的优先权值，大大降低了优先权的计算时间。
一种基于结构差异修复边缘系数优先权算法图像方法

[发明专利]一种基于样本特征值分布混淆度的特征选择方法-CN201710454479.X在审
发明人：王演;邱东杰;史晓非;于丽丽;巴海木;祖成玉 -专利权人：大连海事大学
申请日： 2017-06-14 - 公布日： 2017-10-24 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于样本特征值分布混淆度的特征选择方法，其包括1、分别对数据集X中各类样本每一个特征fi的取值集合按从小到大的顺序进行排序；2、确定各类样本所对应的特征fi的限定值范围；3、确定数据集中M类样本对于第i个特征所对应的样本混淆数量，计算数据集X中第i个特征的特征值分布混淆度进而使用同样方法获得数据集X中每一个特征的Confusion值；4、依据所获得的Confusion值对数据集X中各个特征进行重要度排序以获得有序特征集合F；5、基于所设定的子集搜索策略，使用分类器对有序特征集合F或有序特征集合F中的部分特征所组成的子集Fsub进行子集搜索以得到所需的特征子集D。本发明能选出性能较好的特征子集，提高特征子集的识别能力，降低子集搜索过程中搜索次数。
一种基于样本特征值分布混淆特征选择方法

[发明专利]一种基于余弦相似度加权的线性判别分析降维方法-CN201710438458.9在审
发明人：王演;王镇镇;史晓非;祖成玉;巴海木;于丽丽 -专利权人：大连海事大学
申请日： 2017-06-12 - 公布日： 2017-10-20 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于余弦相似度加权的线性判别分析降维方法，其包括步骤1、读取数据集X中的各样本待获取的初始特征F；步骤2、基于LLE算法，对初始特征F进行初步降维以获得临时特征F′；步骤3、获取样本特征数据即将临时特征F′作为输入特征；步骤4、计算出数据集X中每类样本均值mi和总体样本均值m；步骤5、基于样本特征数据以及mi、m，获得基于余弦相似度加权的类内散度矩阵以及对应的类间散度矩阵；步骤6、创建基于余弦相似度加权的目标函数对样本特征数据进行进一步降维；步骤7、根据步骤6所产生的投影矩阵将输入特征映射到新的维度空间。本发明具有更好的类内耦合度和类间离散度，且达到了更好的降维效果。
一种基于余弦相似加权线性判别分析方法