“甘臣权”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35个，建议您升级VIP下载更多相关专利

[发明专利]基于跨模态特征状态转移的多模态情感分析系统及方法-CN202310838017.3在审
发明人： 甘臣权;付祥;祝清意 -专利权人：重庆邮电大学
申请日： 2023-07-10 - 公布日： 2023-10-13 - 主分类号： G06F18/25 文献下载
摘要：本发明涉及基于跨模态特征状态转移的多模态情感分析系统及方法，属于计算机技术领域。该方法包括以下步骤：S1：提取文本、视觉和声学特征，对视觉和声学特征求均值获取初始态特征；S2：用跨模多头注意力机制进行文‑视和文‑声特征交互；S3：用推土机距离和平均绝对误差约束交互过程，通过求取均值得到感染态和恢复态特征；S4：用记录矩阵保存平衡特征中的初始态、感染态和恢复态的信息，构建类似SIS模型的状态转移过程，用平均绝对误差约束该过程；S4：用自适应加权联合平衡和均值文本特征，结合均方误差与上述约束函数构建损失函数训练模型。本发明实现多模态特征的准确提取和多模态信息交互增强，具有较强的多模态情感分析能力。
基于跨模态特征状态转移多模态情感分析系统方法

[发明专利]一种社会网络D2D场景下基于拍卖理论的资源分配方法-CN201810159893.2有效
发明人：于秀兰;张珀瑞;张祖凡;甘臣权 -专利权人：重庆邮电大学
申请日： 2018-02-26 - 公布日： 2023-09-26 - 主分类号： H04W4/70 文献下载
摘要：本发明请求保护一种社会网络D2D场景下基于拍卖理论的资源分配方法，属于移动通信技术领域。所述方法包括以下步骤：1、根据终端用户之间的交互数据，物理条件生成社会‑物理关系图；2、建立一种结合社会层和物理层的资源分配模型；3、利用网络交互数据和基于情感分类的语言模型学习计算出用户间的社会关系；4、考虑D2D用户复用不同频谱资源下的传输速率构建拍卖模型；5、蜂窝用户和D2D对之间通过协商形成买家—卖家匹配，并确定拍卖赢家和定价。本发明提出的基于拍卖理论的资源分配方法，实现了蜂窝通信系统和D2D(Device‑to‑Device)短距离通信的融合，相对于传统的资源分配方法，能够降低计算复杂度，提高资源分配方法成功率。
一种社会网络 d2d 场景基于拍卖理论资源分配方法

[发明专利]基于多标签纠正和时空协同融合的语音情感识别方法-CN202211628733.0在审
发明人： 甘臣权;王可欣;祝清意 -专利权人：重庆邮电大学
申请日： 2022-12-18 - 公布日： 2023-07-07 - 主分类号： G10L25/63 文献下载
摘要：本发明属于人工智能领域，特别涉及一种基于多标签纠正和时空协同融合的语音情感识别方法，构建包括时域模块、空域模块、协同融合模块以及分类模块的时空协同融合网络，采用单标签语音对该网络进行预训练优化，利用预训练的时空协同融合网络修改歧义语音的情感标签，再混合标签纠正后的歧义语音和单标签语音，重新训练优化时空协同融合网络，完成优化的时空协同融合网络对语音进行情感识别；本发明聚焦于如何成功利用标签具有歧义的语音样本，实现了网络从歧义语音中获得情感信息，在训练样本数量紧缺的情况下，可提升现有样本的利用率。
基于标签纠正时空协同融合语音情感识别方法

[发明专利]一种基于用户代表关系的多交互微博情感分析方法-CN202211603017.7在审
发明人： 甘臣权;曹晓鹏;祝清意 -专利权人：重庆邮电大学
申请日： 2022-12-13 - 公布日： 2023-06-09 - 主分类号： G06F16/35 文献下载
摘要：本发明涉及一种基于用户代表关系的多交互微博情感分析方法，属于自然语言处理领域。该发明包括对微博及用户社交关系的预处理；构建包含并行卷积神经网络、双向长短期记忆网络、双向门控循环单元、注意力机制网络的神经网络架构提取微博的高阶特征；构建结合情感一致性和情绪感染两个社会学理论与微博间相似性的微博关系矩阵；将微博关系矩阵和微博高阶特征输入到图注意网络中，模拟社交平台上微博间的情感交互行为并对微博进行情感分类。本发明的优势在于：第一、考虑了用户社交行为中的用户代表关系，这在一定程度上可以避免无效微博的引入。第二、将微博数据视为关系图数据，采用图注意网络对微博进行情感分析。提高了微博情感分析的性能。
一种基于用户代表关系交互情感分析方法

[发明专利]社交关系引导的多级特征交互融合的微博情感分析方法-CN202211602922.0在审
发明人： 甘臣权;曹晓鹏;祝清意 -专利权人：重庆邮电大学
申请日： 2022-12-13 - 公布日： 2023-06-09 - 主分类号： G06F16/35 文献下载
摘要：本发明涉及社交关系引导的多级特征交互融合的微博情感分析方法，属于自然语言处理领域。该发明包括以下步骤：使用BERT、LINE分别提取微博文本的词级和句级特征、关系特征；使用双通道、多卷积核的CNN对词级特征进行融合；使用关系特征引导词级特征、句级特征进行特征交互，并消除交互噪声，获得交互后词级、句子特征表示；构建注意力特征融合网络对交互后词级特征、交互后句级特征、关系特征进行一次融合；使用动态加权系数对一次融合特征、交互词级特征、交互句级特征进行权重分配；构建交互融合网络对加权后特征进行二次融合后进行情感分类。本发明考虑了用户社交行为中的多个因素过滤微博关系网络，提高了微博关系网络中微博间情感一致性的概率。
社交关系引导多级特征交互融合情感分析方法

[发明专利]一种基于时间序列聚类的流量异常检测方法-CN202310247352.6在审
发明人：祝清意;刘宇杭;胡阳雨;甘臣权 -专利权人：重庆邮电大学
申请日： 2023-03-15 - 公布日： 2023-06-06 - 主分类号： G06F18/23213 文献下载
摘要：本发明涉及一种基于时间序列聚类的流量异常检测方法，属于数据挖掘领域，包括对系统流量数据的采集、流量数据预处理、流量序列特征点采样，在特征点之间的区域进行间隔采样，找出最大信息熵值并记录下序列间隔信息；计算所有序列片段中的区间累积梯度，提取序列片段的局部特征信息，定位方向区间并构建对应特征序列梯度的直方图；对采样序列片段进行低维信息处理；获得对于序列片段的特征向量描述；对特征向量进行高维特征空间的映射得到不同类别下的特征片段类别信息分布；对每个序列进行准确的特征频率向量编码；对于序列的编码向量表示进行聚类，获取每个序列的聚类类别信息；对原有标注的信息和聚类获得的类别信息进行评估并应用异常检测。
一种基于时间序列流量异常检测方法

[发明专利]一种基于神经网络容量的深度学习后门防御方法-CN202310104067.9在审
发明人：祝清意;王润泽;甘臣权;吴涛;杨能洋 -专利权人：重庆邮电大学
申请日： 2023-02-13 - 公布日： 2023-06-06 - 主分类号： G06F18/214 文献下载
摘要：本发明涉及一种基于神经网络容量的深度学习后门防御方法，属于人工智能安全领域。该方法包括：根据逆向生成触发器后生成中毒数据集，根据中毒数据集训练选出合适的低容量神经网络，利用选出的低容量神经网络，对训练集进行数据标注，将数据集中可疑样本放入集合汇总；再对标注的样本进行后门筛选，分类准确率大于设定阈值的样本可标注为后门样本，放入到后门样本集中，然后再通过重要性权重在高容量神经网络上对数据集重新训练，利用重新分配权重的方式让高容量网络有选择性地提取特征，从而在有毒的数据集上也可以保护模型不受到后门攻击。本发明能使得图像识别大大降低后门攻击的威胁性，在使用他人提供的数据集的时候防止后门的侵入。
一种基于神经网络容量深度学习后门防御方法

[发明专利]基于联邦学习的双区块链数据共享和声誉管理方法-CN202211612645.1在审
发明人： 甘臣权;肖星海;祝清意 -专利权人：重庆邮电大学
申请日： 2022-12-15 - 公布日： 2023-05-16 - 主分类号： G06N20/00 文献下载
摘要：本发明涉及一种基于联邦学习的双区块链数据共享和声誉管理方法，属于计算机技术领域。该方法包括：1)获得初始声誉；2)根据声誉从RIchain上选择节点到MQchain上进行联邦学习并更新参数；3)在MQchain上部署带阈值的PoQ，通过阈值排除更新质量低的节点参与联邦学习参数聚合，并选择更新质量最高的节点作为挖矿节点；4)根据聚合表现，RIchain利用声誉评估、激励和索引查询机制对节点进行声誉更新并给予激励；5)RIchain使用PoW选择挖矿节点打包节点的声誉、激励信息并存储。本发明能提高联邦学习的训练质量，避免单点故障、投毒攻击等问题，同时能够对参与联邦学习的节点进行声誉管理并给予激励。
基于联邦学习区块数据共享声誉管理方法

[发明专利]一种带降噪和纠错的图神经网络对话情感识别方法-CN202310161583.5在审
发明人： 甘臣权;郑嘉浩;祝清意 -专利权人：重庆邮电大学
申请日： 2023-02-24 - 公布日： 2023-05-16 - 主分类号： G06F40/289 文献下载
摘要：本发明涉及一种带降噪和纠错的图神经网络对话情感识别方法，属于自然语言处理领域。该方法为：利用预训练语言模型提取对话中话语的语义特征；利用设计的上下文筛选模块评估上下文的语义相关性和信息量，丢弃部分噪声上下文，并建立话语依赖关系；利用关系图神经网络从上下文中学习语境信息，并生成相应的情感特征；利用特征纠错模块整合语义特征和情感特征，使两者能够互相监督，达到纠正特征中部分错误的目的；通过全连接网络预测情感类别，用交叉熵损失函数度量标签与模型预测分布差异。本发明降低了噪声上下文对情感识别的干扰，结合特征纠错模块使模型的理解分析能力提高，具有较强的情感识别能力。
一种带降噪纠错神经网络对话情感识别方法

[发明专利]一种基于聚能量字典学习的张量压缩方法-CN201910126833.5有效
发明人：张祖凡;毛军伟;甘臣权;孙韶辉 -专利权人：重庆邮电大学
申请日： 2019-02-20 - 公布日： 2023-03-31 - 主分类号： H03M7/30 文献下载
摘要：本发明请求保护一种基于聚能量字典学习的张量压缩方法，属于信号处理领域。所述方法包括以下步骤：1、将张量分别进行塔克分解和稀疏表示，得到字典、稀疏系数和核张量；2、通过张量的稀疏系数和核张量的关系，得到关于张量的新的稀疏表示形式；3、利用聚能量字典学习算法对映射矩阵中的字典进行降维，从而实现张量的压缩。本发明提出的基于聚能量字典学习的张量压缩算法，实现了张量的有效压缩，相对于其他压缩算法，能够更有效地保留原始张量的信息，达到更好地去噪效果。
一种基于能量字典学习张量压缩方法

[发明专利]基于时空多重融合网络的变长语音情感识别方法-CN202210554870.8在审
发明人： 甘臣权;王可欣;祝清意 -专利权人：重庆邮电大学
申请日： 2022-05-19 - 公布日： 2022-10-18 - 主分类号： G10L15/06 文献下载
摘要：本发明涉及一种基于时空多重融合网络的变长语音情感识别方法，属于人工智能领域。该发明包括以下步骤：利用短时傅里叶变换和Mel滤波器组将语音映射为对数Mel滤波能量谱，并保持能量谱的原始长度；利用双向门控循环单元(Bidirectional gated recurrent unit,BiGRU)和注意力机制捕获能量谱的时域情感变化；利用卷积神经网络(Convolutional neuralnetwork,CNN)和全局平均池化定位能量谱的空域情感触发；利用直接连接和集成策略引入多重融合方法，用于能量谱时域与空域的情感交互；利用多分类交叉熵损失函数作为模型训练的指导，实现模型优化。本发明保持语音能量谱的长度不变，可对能量谱的时域与空域实现特征提取互不影响，并通过多重融合获得更完整的时空域情感信息，从而提升语音的情感识别精度。
基于时空多重融合网络变长语音情感识别方法

[发明专利]基于宏表情状态迁移和混合注意力约束的微表情识别方法-CN202210554889.2在审
发明人： 甘臣权;肖骏豪;祝清意;李昆鸿;贾家庆 -专利权人：重庆邮电大学
申请日： 2022-05-19 - 公布日： 2022-10-18 - 主分类号： G06V40/16 文献下载
摘要：本发明涉及一种基于宏表情状态迁移和混合注意力约束的微表情识别方法，属于计算机领域。方法包括：将宏观表情样本送入本发明设计的特征提取分类模型中进行模型预训练并保存达到最佳验证结果时的模型权重；对微表情图像进行人脸部分裁剪和人脸对齐处理，之后和对应情感标签共同输入特征提取模型；利用采用通道‑空间注意力机制的混合注意力模块对微表情进行特征增强处理；多分类交叉熵损失函数在模型训练的过程中决定了模型地收敛方向以及分类情感分类的类间距。本发明实现了微表情图像特征的准确提取和增强，具有较强的微表情情感分析能力。
基于表情状态迁移混合注意力约束识别方法

[发明专利]基于残差式3D CNN和多模态特征融合策略的视频动作识别方法-CN202010107288.8有效
发明人：张祖凡;吕宗明;甘臣权;张家波 -专利权人：重庆邮电大学
申请日： 2020-02-21 - 公布日： 2022-09-23 - 主分类号： G06V20/40 文献下载
摘要：本发明涉及一种基于残差式3D CNN和多模态特征融合策略的视频动作识别方法，属于计算机视觉与深度学习领域。首先将传统C3D网络连接方式改为残差式连接；采用核分解技术将3D卷积核拆解，得到一个空间卷积核，与并行的多个不同时间尺度时间核，再在空间卷积核后插入注意力模型，得到A3D残差模块并将其堆叠成的残差网络。搭建双流动作识别模型，将RGB图像特征和光流特征输入到空间流网络和时间流网络中，并提取出多级卷积特征层特征，再利用多级特征融合策略对两个网络进行融合，实现时空特征互补；最后将分数级融合后的全局视频动作描述子通过PCA降维，再用SVM分类器完成动作分类。
基于残差式 cnn 多模态特征融合策略视频动作识别方法

[发明专利]基于可分离三维残差注意网络的人体动作识别方法-CN202110334547.5有效
发明人：张祖凡;彭月;甘臣权;张家波 -专利权人：重庆邮电大学
申请日： 2021-03-29 - 公布日： 2022-09-20 - 主分类号： G06V40/20 文献下载
摘要：本发明涉及一种基于可分离三维残差注意网络的人体动作识别方法，属于计算机视觉领域。该方法包括：S1：利用可分离三维卷积替换3D ResNet中的标准三维卷积，搭建Sep‑3D ResNet；S2：设计通道注意力模块和空间注意力模块，然后按顺序堆叠构造双重注意力机制；S3：对不同时刻的中层卷积特征进行双重注意力加权，在时间维度上扩展双重注意力模块，然后将其嵌入到Sep‑3D ResNet的Sep‑3D RAB中，搭建Sep‑3D RAN；S4：利用多阶段训练策略对Sep‑3D RAN进行联合端到端训练。本发明能提升分类判别特征的区分能力，实现了高质量时空视觉特征的高效提取，能够增强模型的分类精度和识别效率。
基于可分离三维注意网络人体动作识别方法

[发明专利]基于运动矢量化和宏观表情引导机制的微表情识别方法-CN202210554888.8在审
发明人： 甘臣权;肖骏豪;祝清意 -专利权人：重庆邮电大学
申请日： 2022-05-19 - 公布日： 2022-09-09 - 主分类号： G06V40/16 文献下载
摘要：本发明涉及一种基于运动矢量化和宏观表情引导机制的微表情识别方法，属于计算机技术领域。方法为：1、获取宏观表情和微表情样本的起始帧与顶点帧；2、对1中获取的起始帧与顶点帧图像进行运动矢量化处理；3、对微表情样本对应的运动矢量化特征进行非线性放大处理；4、采用面部运动匹配机制对宏观和微观表情样本进行配对；5、通过引导网络实现宏观表情对微表情特征提取的引导及强化；6、根据引导网络的输出情感标签对微表情的类别进行识别。本发明能够根据面部的运动变化实现对微表情情感的识别，运用了宏观表情与微表情产生时面部运动状态的共同特点实现宏表情在微表情特征提取过程中的引导和强化。在微表情情感分析领域具有显著优势。
基于运动矢量宏观表情引导机制识别方法

1
2
3
下一页»
尾页
共 35 条