[发明专利]一种基于高频声波短时傅里叶变换的手写字母识别方法有效

专利信息
申请号: 201910018087.8 申请日: 2019-01-09
公开(公告)号: CN109657739B 公开(公告)日: 2023-03-24
发明(设计)人: 汤战勇;李青佩;翟双姣;范天赐;王焕廷;房鼎益;龚晓庆;陈峰 申请(专利权)人: 西北大学
主分类号: G06F18/24 分类号: G06F18/24;G06F18/214;G06N3/0464;G06N3/08;G01S7/539
代理公司: 西安恒泰知识产权代理事务所 61216 代理人: 李婷
地址: 710069 *** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明涉及一种基于高频声波短时傅里叶变换的手写字母识别方法,将高频声波信号的短时傅里叶变换得到的频谱图作为特征,通过裁剪、灰度处理以及归一化处理之后训练卷积神经网络训练模型,并使用该模型提取特征,最后使用SVM分类器识别用户所写的英文字母。本发明的识别方法,无需用户佩戴额外的可穿戴设备或部署其他收发设备,同时不受环境中说话等其他噪音的影响,同时使用了深度学习与机器学习的方法建立用户模型,而非定位的方法还原用户手的移动轨迹,避免了其他方法要求用户一笔完成手写字母的缺陷。
搜索关键词: 一种 基于 高频 声波 傅里叶变换 手写 字母 识别 方法
【主权项】:
1.一种基于高频声波短时傅里叶变换的手写字母识别方法,其特征在于,包括以下步骤:步骤1,收集训练数据在手机上设置有训练数据收集模块,用于发射调制好的高频声音信号,同时收录用户书写英文字母时所述高频声音信号的反射信号;高频声音信号的调制方法为:步骤1.1,选择13位Barker码作为基带信号,13位Barker码表示为:s=[‑1,‑1,‑1,‑1,‑1,1,1,‑1,‑1,1,‑1,1,‑1]步骤1.2,将两个所述的13位Barker码连接后,再补14个0,使其长度为40,记为S1;步骤1.3,对S1进行12次上采样,得到长度为480的S2,将S2调制到频率为19kHz的正弦波上,表示为:signal=S2·cos(2πfct)其中,t表示时间,fc表示载波频率,fs表示采样率;步骤1.4,使用带通滤波器去除signal信号其他频率上的噪声,只留下17kHz‑21kHz的高频声波信号;步骤1.5,将滤波后的signal信号保存成wav格式,训练数据收集模块通过播放wav格式的signal信号发射高频声音信号;步骤2,训练网络模型步骤2.1,读取步骤1中得到的wav文件,对其进行短时傅里叶变换;提取wav文件中信号的频谱矩阵S和功率谱矩阵P,以及时间分割向量T和频率分割向量F,绘制(T,F,(P./abs(S)))三者之间关系的STFI图;步骤2.2,将步骤2.1中得到的STFI图进行裁剪,只留下17kHz‑21kHz的频率段的频谱图;步骤2.3,对步骤2.2中裁剪后的频谱图进行灰度处理,使得3通道的彩色图像转换为单通道的灰度图像;步骤2.4,对步骤2.3处理后的频谱图进行归一化处理,处理过程为:img=(im‑mean(im))/255,其中im为步骤2.3灰度处理后的频谱图数据,img为归一化处理后的数据;步骤2.5,建立CNN模型第1层为2D卷积层,第2层为MaxPooling2D池化层,第3层是2D卷积层,第4层是MaxPooling2D池化层,第5层是Dropout,第6‑8层是2D卷积层,第9层是MaxPooling2D池化层,第10层是Dropout,第11层为Flatten层,将数据拉成1维;第12层是全连接层,第13层是Dropout,第14层是全连接层,第15层是Dropout,最后一层是使用softmax作为激活函数的全连接层;步骤2.6,将步骤2.4处理得到的数据作为步骤2.5建立的CNN模型的输入,同时输入数据对应的标签,训练该CNN模型,并将训练好的CNN模型保存;步骤2.7,使用步骤2.6得到的CNN模型提取Flatten层的数据作为SVM分类器的输入,训练SVM分类器模型,存储训练好的分类器模型;步骤3,识别阶段步骤3.1,使用步骤1的方法获取用户写字母时候的数据,然后使用步骤2.1‑2.4的方法对数据进行处理;步骤3.2,将步骤3.1得到的数据作为步骤2.6的输入,使用步骤2.6得到的CNN模型提取新数据的Flatten特征,通过步骤2.7保存的分类器模型来识别所写的英文字母。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西北大学,未经西北大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201910018087.8/,转载请声明来源钻瓜专利网。

同类专利
  • 运维操作审核方法、设备、存储介质及装置-202310878602.6
  • 蒋小雨;徐志成;陈若鹏;杨希;陆浩 - 中国移动通信集团江苏有限公司;中国移动通信集团有限公司
  • 2023-07-17 - 2023-10-27 - G06F18/24
  • 本发明涉及计算机技术领域,公开了一种运维操作审核方法、设备、存储介质及装置,该方法包括:对运维人员的历史运维操作数据进行分类,获得分类后历史运维操作数据,通过聚类分析算法对分类后历史运维操作数据进行聚类分析,获得运维人员所属的簇,基于运维人员所属的簇获取运维人员的个人特征数据集和运维人员所属角色的集体特征数据集,将运维人员的当前运维操作数据与个人特征数据集和集体特征数据集分别进行比对,并根据比对结果对当前运维操作进行审核;由于本发明通过聚类分析算法对运维人员的当前运维操作数据自动进行审核,从而能够高效、准确地审核运维操作,进而能够降低违规操作风险。
  • 一种电力变压器故障诊断方法、装置、设备及存储介质-202310896082.1
  • 丁叶强;唐洪良;张宓璐 - 国网浙江省电力有限公司杭州市临平区供电公司
  • 2023-07-20 - 2023-10-27 - G06F18/24
  • 本申请公开一种电力变压器故障诊断方法、装置、设备及存储介质,涉及电力变压器安全技术领域,能够提高电力变压器的故障诊断精度。具体方案包括:获取样本集,样本集中包括历史时间段下多个不同类型的电力变压器的绝缘油中溶解的特征气体数据,每个特征气体数据包括对应的气体成分和气体浓度;利用训练集对预设的梯度提升决策树模型进行训练,并利用预设的北方苍鹰优化算法对梯度提升决策树模型进行参数寻优;对每次训练后的梯度提升决策树模型进行验证,将通过验证的梯度提升决策树模型确定为中间梯度提升决策树模型;利用中间梯度提升决策树模型对实时采集的目标特征气体数据进行预测,确定目标特征气体数据对应的电力变压器是否存在故障。
  • 一种基于超图的多模态多标签分类方法及系统-202310900636.0
  • 范强;严浩;周晓磊;张骁雄;王芳潇;陆斌;华悦琳 - 中国人民解放军国防科技大学
  • 2023-07-19 - 2023-10-27 - G06F18/24
  • 本发明公开了一种基于超图的多模态多标签分类方法及系统,分类方法步骤包括从原始数据中提取特征表示,并构建图像特征空间和文本特征空间,每一个所述原始数据包括文本和图像两种模态数据;基于图像特征空间,利用基于距离的方法来生成图像超图结构;基于文本特征空间,利用基于距离的方法来生成文本超图结构;将文本超图结构和图像超图结构利用关联矩阵M拼接起来形成最终的多模态超图关联矩阵H,得到多模态超图;对多模态超图进行卷积运算,得到更具表征性的特征表示,并将更具表征性的特征表示输入至全连接层实现标签预测。本发明利用超图卷积和多模态特征融合方法,实现多模态数据关系挖掘和特征识别,提高了多模态多标签分类的性能。
  • 一种基于关联特征梳理模型的智能化数据处理方法及系统-202310913217.0
  • 杨桢 - 北京安联通科技有限公司
  • 2023-07-25 - 2023-10-27 - G06F18/24
  • 本发明公开了一种基于关联特征梳理模型的智能化数据处理方法及系统,包括以下步骤:S1、存储终端获取用户端的业务请求,对业务请求进行需求数据识别,并在档案数据库中匹配所需的需求数据发送至处理终端;S2、根据预设的宽容值将获取到的需求数据分解为多组数据段,对数据段进行转换生成数据图像,并分别提取数据图像的特征点;S3、基于特征点构建特征关联图分析各特征点之间的关联,并对特征点进行排序,选取关联性较强的特征点;S4、基于特征点构建特征梳理模型,并与档案数据库进行连接对数据进行自动化匹配分类处理;S5、对匹配分类完成的数据进行整合输出。本发明能够满足自动化的需求数据识别和匹配分类处理。
  • 基于知识蒸馏的导航定位异常信号检测方法及系统-202310934755.8
  • 孙源 - 北京邮电大学
  • 2023-07-27 - 2023-10-27 - G06F18/24
  • 本发明公开基于知识蒸馏的导航定位异常信号检测方法及系统,涉及卫星导航领域;所述方法包括:构建未训练的新场景导航异常信号检测模型和训练好的原场景导航异常信号检测模型;根据训练样本数据中的输入特征和训练好的原场景导航异常信号检测模型采用知识蒸馏损失函数对未训练的新场景导航异常信号检测模型进行参数调整,得到第一次训练的新场景导航异常信号检测模型;根据训练样本数据采用多任务损失函数对第一次训练的新场景导航异常信号检测模型的参数进行迭代更新,得到训练好的新场景导航异常信号检测模型;将待检测特征量输入至训练好的新场景导航异常信号检测模型,得到检测结果。本发明提高模型在不同场景上的导航定位异常信号检测效果。
  • 一种基于卷积神经网络的高阶叠加态涡旋光束的识别方法-202310936537.8
  • 王姣;王辰白;王悦;帖旭燕;王向辉 - 陕西科技大学
  • 2023-07-28 - 2023-10-27 - G06F18/24
  • 本发明公开一种基于卷积神经网络的高阶叠加态涡旋光束的识别方法,包括,获取训练样本并构建机器学习模型,其中训练样本为高阶叠加态涡旋光束的光强分布图,所述光强分布图中包含轨道角动量模式信息;通过训练样本对所述机器学习模型进行训练;通过训练后的机器学习模型对高阶叠加态涡旋光束的当前光强分布图进行识别,生成当前高阶叠加态涡旋光束的高阶叠加态轨道角动量模式信息。通过上述技术方案,本发明能够解决高阶叠加态OAM模式识别不足的问题。
  • 一种基于改进的TFT模型对水质非平稳时间序列的预测方法-202310768371.3
  • 张雪洁;杨岳;王龙宝;徐淑芳;朱云;仓昊;陈一涵 - 河海大学
  • 2023-06-27 - 2023-10-27 - G06F18/24
  • 本发明涉及数据挖掘技术领域,提出一种基于改进的TFT模型对水质非平稳时间序列的预测方法,该方法包括:建立水质监测数据库,获取预设时间段内多个监测站点有关的监测数据,通过对收集的监测数据进行预处理,存入数据库。添加额外来源的变量数据,建立多变量水质预测数据集。构建改进的时间融合Transformer(Temporal Fusion Transformer)模型,通过对水质数据集进行训练,利用验证集通过最小化分位数损失对超参数进行调优。利用测试集来评估该模型的预测能力。通过训练好的模型对未来水质数据进行预测,从而可以发现水质恶化或污染的预兆,方便决策者提前采取措施。
  • 一种基于改进CNN实现三相整流器件故障诊断的方法-202310863322.8
  • 刘金凤;孙晨;张玉龙 - 哈尔滨理工大学
  • 2023-07-13 - 2023-10-27 - G06F18/24
  • 本发明公开了一种基于改进CNN实现三相整流器件故障诊断的方法,所述方法包括:构建出三相整流器件故障诊断总体框架,对三相整流器件故障进行诊断;对包含不同三相整流器件的故障,获得每种故障的数据,处理每种故障的数据以生成三相整流器件故障特征;通过一维卷积神经网络设计出对应的三相整流器件故障诊断的多尺度一维卷积神经网络模块,生成故障特征;构建Res2Net模块,将一维卷积神经网络模块生成的故障特征进行训练,得到不同种类的故障数据特征;构建改进的卷积神经网络模型;根据故障数据特征来确定每种故障的不同类型。本发明提供的方法能够有效提高三相整流器件的故障分类性能,使故障分类更准确。
  • 焊缝宽度识别方法、装置、电子设备及存储介质-202310612561.6
  • 沈雷;张睿欣;丁守鸿 - 腾讯科技(深圳)有限公司
  • 2023-05-26 - 2023-10-27 - G06F18/24
  • 本申请公开了一种焊缝宽度识别方法、装置、电子设备及存储介质,涉及人工智能技术领域,该方法包括:获取目标焊接对象焊接过程中的多种目标焊接信号;对每种目标焊接信号进行多尺度采样处理,得到每种目标焊接信号对应的目标多尺度信号;将目标多尺度信号输入焊缝宽度识别网络,在焊缝宽度识别网络中进行跨尺度跨维度特征提取的基础上,识别目标焊接对象对应的目标焊缝宽度信息。利用本申请提供的技术方案可以更全面有效的提取焊接特征,在保证焊缝宽度预测适用场景的广泛性的基础上,提升焊缝宽度识别的准确性。
  • 一种基于沉积噪声模拟的泥页岩层序地层划分方法及装置-202310756239.0
  • 曹海洋;金思丁;刘四兵;刘岩 - 成都理工大学
  • 2023-06-26 - 2023-10-27 - G06F18/24
  • 本发明公开了一种基于沉积噪声模拟的泥页岩层序地层划分方法及装置,包括:(1)选取各种测井曲线进行预处理后进行频谱分析,识别出天文轨道周期;(2)将测井曲线中与天文轨道周期相对应的厚度进行高斯带通滤波,选取滤波曲线建立时深转换模型,获取各种测井曲线的时间域序列;(3)通过沉积噪声模型对各种测井曲线的时间域序列进行计算,得到几种不同的相对海/湖平面变化曲线;(4)对几种不同的相对海/湖平面变化曲线的中值曲线进行主成分分析,提取其中最大主成分PC1曲线;(5)识别PC1曲线的1200千年或2400千年周期中的极大值和极小值处,识别最大海/湖泛面及层序地层界面。本发明能够解决现有技术中泥岩页等时层序地层格架构建的问题。
  • 基于深度神经网络和多维特征的硬件木马检测方法及装置-202310797828.3
  • 史江义;张焱;马佩军;尚格;李康;王泽坤;郝跃 - 西安电子科技大学
  • 2023-06-30 - 2023-10-27 - G06F18/24
  • 本发明公开了一种基于深度神经网络和多维特征的硬件木马检测方法,涉及硬件安全技术领域,包括:获取待测网表电路;使用训练好的深度神经网络对待测网表电路进行分类,判断待测网表电路中的信号为正常信号或木马信号;其中,训练好的深度神经网络根据训练数据集获取,训练数据集通过使用数据增强方法扩充硬件木马特征向量库、并处理噪声样本获取,硬件木马特征向量库中的特征包括网表电路中的信号的静态结构特征和网表电路中的信号的可测试性特征。本发明能够准确有效的获取分类结果。
  • 一种基于手机信令数据的城市中心体系变化识别方法-202310798175.0
  • 钮心毅;林诗佳;邵彦羲 - 同济大学
  • 2023-06-30 - 2023-10-27 - G06F18/24
  • 本发明提出了一种基于手机信令数据的城市中心体系变化识别方法,输入多个时段的手机信令数据,基于活动量识别每个时段的城市活动高值区,考虑相对阈值和空间关系识别每个时段的城市中心,基于每个时段城市中心体系的量化测度,实现多个时段城市中心体系变化识别。该方法使用手机信令数据直接测度城市中心体系,减轻多源数据获取和处理的成本,基于活动量识别城市中心的空间位置、空间范围,并评估城市中心的等级位序,提高国土空间规划实施监测的效率;实现城市中心体系的变化监测,提出适用于城市中心体系变化识别的技术方法,减轻大数据噪音的干扰,满足国土空间规划实施监测的高频动态需求,具备可推广性。
  • 基于心拍分类的心律失常分析方法、装置、设备及介质-202210383594.3
  • 李振齐;赵巍 - 广州视源电子科技股份有限公司;广州视源人工智能创新研究院有限公司
  • 2022-04-12 - 2023-10-27 - G06F18/24
  • 本申请揭示了一种基于心拍分类的心律失常分析方法、装置、设备及介质,其中方法包括:对目标心拍片段进行形态幅值编码向量生成,作为目标形态幅值编码向量,所述目标心拍片段是所述心拍片段时序集中的任一个心拍片段;对所述目标形态幅值编码向量与预设的心拍模板向量集中的每个心拍模板向量进行内积计算,得到内积值集;根据所述内积值集确定所述目标心拍片段对应的目标心拍类型;根据所述心拍片段时序集对应的各个所述目标心拍类型进行心律失常分析,得到心律失常分析结果。避免了传统方法可能存在的计算量较大、忽略了波形的幅值差异和在幅值较低时容易忽略波形的形态差异的技术问题,步骤简单,计算量小,从而使本申请适用于实时监护场景。
  • 组织规模分类方法、装置、设备、存储介质及程序产品-202211512069.3
  • 樊鹏 - 腾讯科技(深圳)有限公司
  • 2022-11-29 - 2023-10-27 - G06F18/24
  • 本申请提供了一种基于人工智能的组织规模分类方法、装置、电子设备、计算机可读存储介质及计算机程序产品;方法包括:获取待识别组织的组织特征;调用第一深度学习模型对待识别组织进行基于组织特征的规模分类处理,得到待识别组织属于每个候选规模的第一概率,并调用第二深度学习模型对待识别组织进行基于组织特征的规模分类处理,得到待识别组织属于每个候选规模的第二概率;针对每个候选规模,将第一概率与第二概率进行融合处理,得到对应每个候选规模的综合概率,并将最高的综合概率对应的候选规模确定为待识别组织的规模。通过本申请,能够提高组织的规模分类准确度。
  • 一种分类模型训练方法、缺陷识别方法、装置及电子设备-202310033452.9
  • 杨思骞;李昱希;王亚彪;汪铖杰 - 腾讯科技(深圳)有限公司
  • 2023-01-10 - 2023-10-27 - G06F18/24
  • 本发明公开了一种分类模型训练方法、缺陷识别方法、装置及电子设备,方法包括以下步骤:获取正样本数据和第一无标签数据并输入至分类器模型进行分类处理,得到负样本数据和第二无标签数据,并得到分类器模型的第一模型参数;将正样本数据和负样本数据组合得到带标签训练集,与第二无标签数据输入半监督网络模型进行分类处理,得到半监督网络模型的第二模型参数;根据第二模型参数对第一模型参数进行参数优化,得到更新后的第一模型参数并构建目标分类模型;本发明方案不仅能够提升分类识别的准确率,并且加快了目标分类模型的收敛速度,可广泛应用于机器学习技术领域,并衍生应用至物联网、车联网等与机器学习相关的其他技术领域。
  • 基于串行多对抗域自适应网络的辐射源特征提取方法-202310590628.0
  • 刘佳旭;李建清;江涛;王宏;王姣;黄浩 - 电子科技大学
  • 2023-05-24 - 2023-10-27 - G06F18/24
  • 本发明公开了一种基于串行多对抗域自适应网络的辐射源特征提取方法,包括如下步骤:步骤1、收集不同时间、位置、接收机下多个辐射源发射的中频AD信号数据,并进行数据预处理;步骤2、划分训练样本集、验证样本集;步骤3、构建针对某一因素的基于串行多对抗域自适应网络的辐射源特征提取网络模型;步骤4、训练特征提取网络模型;步骤5、对所有因素分别训练对应的特征提取网络模型,并串接形成一个整体的特征提取网络;步骤6、在整体的特征提取网络后接一个新的辐射源分类器。本发明采用对抗域自适应的方法,借助域判别器识别和排除所有因素中的域信息,实现了特征提取网络的域适应能力;通过串接多个特征提取网络,提高了整体网络的识别准确率。
  • 标签预测模型的训练方法、装置、设备、介质及程序产品-202211719619.9
  • 曲直;裴唯一;史勤;谢晓辉;王烨鑫 - 腾讯科技(深圳)有限公司
  • 2022-12-30 - 2023-10-27 - G06F18/24
  • 本申请公开了一种标签预测模型的训练方法、装置、设备、介质及程序产品,涉及人工智能技术领域。该方法包括:通过候选标签预测模型对样本文本进行标签预测,基于多个参考标签和标签预测结果之间的差异,确定第一损失;通过候选标签预测模型对样本文本进行相关性预测,确定样本文本对应的预测相关性信息,并基于预测相关性信息和参考相关性信息之间的差异,确定第二损失;基于第一损失和第二损失对候选标签预测模型进行训练,得到标签预测模型。通过引入第二损失,使得模型能够充分学习到标签和标签之间的相关关系,丰富了在训练过程中提取的标签特征的信息表达量,提高了最终训练得到的标签预测模型对于标签预测的准确度。
  • 账号识别方法、装置、设备、介质及产品-202310231113.1
  • 李文豪 - 腾讯科技(深圳)有限公司
  • 2023-03-01 - 2023-10-27 - G06F18/24
  • 本申请的实施例公开了一种账号识别方法、装置、设备、介质及产品,该方法包括:获取当前待识别账号对应的账号信息;通过第一特征提取方式对账号信息中多个类别型信息进行排序,并基于排序结果获取各个类别型信息对应的信息特征,以得到第一账号特征,通过第二特征提取方式将账号信息中多个类别型信息进行特征映射得到各个类别型信息对应的信息特征,以得到第二账号特征;根据第一账号特征和第二账号特征分别对待识别账号的类别进行预测,得到各个预测结果;根据各个预测结果和账号信息得到待识别账号的类别识别结果。本申请实施例的技术方案,提高了对账号类别识别结果的准确性和可靠性。
  • 一种基于DenseNet和Bi-GRU的脑电情感识别方法-202310402550.5
  • 杨俊;郑进港;沈韬;吴俊会;王琪琛;王芳芳;余创贺 - 昆明理工大学
  • 2023-04-16 - 2023-10-27 - G06F18/24
  • 本发明涉及一种基于DenseNet和Bi‑GRU的脑电情感识别方法,属于脑信息解码技术领域。先将原始信号分成n段,并对每段信号使用0.5秒不重叠滑窗处理,然后利用巴特沃斯带通滤波器将原始信号分成需要的若干子频段,对于每个频带分别求微分熵特征,并根据通道位置将特征映射到二维地图上,四个频带的特征叠加并转换为4D表示输入到提出的框架中,DenseNet用于学习空间和频率信息,Bi‑GRU从DenseNet的输出中学习时间序列的前后联系,最后softmax函数对情感进行分类。本发明能很好地捕获整个情感任务过程中的有效特征,并且可以显著提高情感分类精度。
  • 一种基于马尔科夫决策过程的智能电磁态势分类方法-202310638273.8
  • 畅鑫;李艳斌;张冠杰 - 中国电子科技集团公司第五十四研究所
  • 2023-06-01 - 2023-10-27 - G06F18/24
  • 本发明提供了一种基于马尔科夫决策过程的智能电磁态势分类方法,属于机器学习技术领域。本发明包括:基于马尔科夫决策过程采样并构建数据集,基于自编码器的状态向量样本压缩,基于k‑Means的无监督自动分类,基于全连接神经网络的深度学习泛化,对分类效果进行评估。本发明提供基于马尔科夫决策过程的智能电磁态势分类方法,面向以马尔科夫决策过程为基础的动态电磁态势信息分类需求,将电磁行为转移规律等信息融入特征,结合机器学习和深度学习方法,从高维数据中提取电磁信息特征,实现对于动态电磁域场景下无标注电磁态势数据的准确分类。
  • 模型更新方法、装置、设备及计算机存储介质-202210335024.7
  • 杨猛 - 中国移动通信集团辽宁有限公司;中国移动通信集团有限公司
  • 2022-03-31 - 2023-10-27 - G06F18/24
  • 本申请公开了一种模型更新方法、装置、设备及计算机存储介质,能够获取多个节点的节点模型数据,得到数据集合;根据数据集合中的节点模型数据的分布数据,将达到第一条件的节点模型数据确定为第一数据并将达到第二条件的节点模型数据的第二数据;然后将其输入预设的分类器,对分类器进行训练;当训练的分类器达到第三预设条件的情况下,根据分类器计算节点模型数据的权重,以通过权重更新对应的联邦学习全局模型。这样可以基于多个节点的节点模型数据的分布特点,识别出可用数据(即第一数据)和不符合常态的不可用数据(即第二数据),从而进行分类训练,得出可靠的权重用于全局模型的训练,提升全局模型的计算精度。
  • 一种智能分拣过程中参数动态预测方法及系统-202311203981.5
  • 么建来;刘志强;么丝嘉;苗增良;董爱国 - 保定市佳宇软件科技有限公司
  • 2023-09-19 - 2023-10-27 - G06F18/24
  • 本发明涉及数字数据处理技术领域,提出了一种智能分拣过程中参数动态预测方法及系统,包括:获取选矿各阶段影响因素的参数,根据影响因素参数取值与输出品位的拟合曲线获取各阶段影响因素的分类结果,根据影响因素的前序影响指数和阶段显著度获取品位影响系数,根据品位影响系数获取各阶段不同相关性的主影响因素,根据主影响因素的影响显著比和取值差分序列获取阶段决策指数,根据阶段决策指数的聚类结果获取关键指标,根据决策序列和数据序列获取各阶段输出品位的预测值。本发明能够削弱不同选矿阶段不同影响因素之间的耦合关系,避免不同阶段影响因素对选矿品位预测结果的滞后性影响,提高各阶段选矿品位的预测精准度。
  • 一种中介对象识别方法和相关装置-202210380289.9
  • 殷丽秋 - 腾讯科技(深圳)有限公司
  • 2022-04-12 - 2023-10-27 - G06F18/24
  • 本申请实施例公开了一种中介对象识别方法和相关装置,处理设备可以基于多个对象节点之间的交互关系,识别出其中的中介节点,这类中介节点对应的中介对象由于起到了连接对象节点聚类之间交互的功能,同时又具有较为系数的交互关系,因此通常情况下具有较高的异常风险,通过对此类中介对象进行检测,可以在无需获取对象自身相关信息的前提下,即使对象自身的交互行为没有异常,也可以发现其中的高风险交互对象,从而进一步保障交互的安全性。
  • 一种通用跨域旋转机械故障诊断方法-202310899676.8
  • 苏祖强;姜维龙;于洪;胡峰;王鑫;罗茂林 - 重庆邮电大学
  • 2023-07-21 - 2023-10-27 - G06F18/24
  • 本发明涉及故障诊断领域,特别涉及一种通用跨域旋转机械故障诊断方法。所述方法包括首先,通过采用对抗训练策略来实现不同领域间的域不变故障特征学习;其次,提出了一种基于证据的故障分类器。该分类器借助于证据学习理论,通过综合考虑故障样本预测的置信度和不确定度来对目标域中的已知故障类型进行故障分类;然后,提出了一种基于证据分数未知评估机制来识别目标域中潜在的未知故障类型;最后,在一个轴承故障数据集和一个齿轮箱故障数据集上构建多种标签空间关系场景下的跨域故障诊断任务,将所提方法与其他跨域故障诊断方法进行实验对比,并证明了所提出方法的有效性和优越性。
  • 一种基于多模态信息的土地利用分类方法及系统-202310913646.8
  • 方芳;曾林芸;李圣文;田盼盼;万波 - 中国地质大学(武汉)
  • 2023-07-24 - 2023-10-27 - G06F18/24
  • 本发明公开了一种基于多模态信息的土地利用分类方法及系统,方法包括以下步骤:获取研究区土地地块的SVI数据、OSM数据和POI数据并进行预处理;将处理后的SVI数据输入训练好的卷积神经网络,获得视觉模态输入地块节点嵌入表示向量;将处理后的POI数据输入预训练的自然语言模型网络,获得文本模态输入地块节点嵌入表示向量;利用训练好的多模态图卷积神经网络进行迭代计算,经过多模态组合层对多模态特征向量进行融合后,获得输出地块节点嵌入表示向量;将输出地块节点嵌入表示向量输入训练好的土地利用分类器进行分类,获得地块的土地利用分类结果。本发明使得土地利用分类的精度得到了有效的提升。
  • 一种企业评级的数据分析方法和服务器-202310927394.4
  • 何娅娅;冯鹏;王立 - 企知道科技有限公司
  • 2023-07-26 - 2023-10-27 - G06F18/24
  • 一种企业评级的数据分析方法和服务器。该方法包括:服务器获取企业样本数据后,对企业样本数据进行预处理,获得待选数据,由待选数据中各元素的重要程度进行筛选,得到特征数据,对样本企业进行分类,得到子样本企业集合,根据各元素的权重系数确定样本企业在子样本集中的分类排名及对应的排名分值,构建评级模型,将待评级企业的企业信息输入至评级模型,即可获得待评级企业的评级结果。通过该方法用户如投资者或融资者可以直接看到企业在具有同类竞争力的企业中的评估结果,能精准看到该企业的发展潜力,详细了解到企业的潜在竞争力。
  • 一种基于多模态学习的影像基因融合分类方法-202310950132.X
  • 刘锦;田旭;王建新 - 中南大学
  • 2023-07-31 - 2023-10-27 - G06F18/24
  • 本申请适用于多模态学习技术领域,提供了一种基于多模态学习的影像基因融合分类方法。通过获取受试者的磁共振影像、基因表达信息以及基因序列信息;构建影像基因融合分类模型;依次将每个受试者的磁共振影像、基因表达信息以及基因序列信息输入影像基因融合分类模型,并计算影像基因融合分类模型的损失值;根据损失值,对影像基因融合分类模型进行反向传播,直至影像基因融合分类模型收敛,得到训练后的影像基因融合分类模型;将待分类者的磁共振影像、原始基因表达信息以及原始基因序列信息输入训练后的影像基因融合分类模型,得到待分类者的分类结果。本申请能够提高影像基因融合分类方法的准确度。
  • 一种标签识别的方法、装置、设备、存储介质及程序产品-202310722481.6
  • 刘刚 - 腾讯科技(深圳)有限公司
  • 2023-06-16 - 2023-10-27 - G06F18/24
  • 本申请实施例公开了一种标签识别的方法、装置、设备、存储介质及程序产品,至少涉及人工智能等技术,使用统一的标签识别模型刻画不同场景下多模态内容的标签,无需重复开发不同场景下的识别模型,节省开发成本,降低资源占用。该方法包括:获取待识别任务在第一场景下的提示信息和多个模态信息,提示信息用于指示每个模态信息在第一场景下的标签提示描述;提取每个模态信息的特征向量以及提示信息的特征向量;对多个模态信息的特征向量进行融合处理,得到融合特征向量;基于标签识别模型对融合特征向量和提示信息的特征向量进行识别处理,得到标签识别结果,标签识别结果用于指示待识别任务在第一场景下的分类标签。
  • 对象信息预测方法、装置、电子设备及存储介质-202310739460.5
  • 杨洪兵;黄炳琪;顾海;周端瑞 - 腾讯科技(深圳)有限公司
  • 2023-06-21 - 2023-10-27 - G06F18/24
  • 本申请涉及计算机技术领域,尤其涉及一种对象信息预测方法、装置、电子设备及存储介质,所述方法包括:获取试用对象的对象特征;所述对象特征包括对象结构化特征以及对象非结构化特征;所述对象非结构化特征表征所述试用对象的对象描述信息;所述试用对象为在试用期限内使用目标服务的对象;对所述试用对象的对象非结构化特征进行特征量化处理,得到对象量化特征;基于所述对象结构化特征以及所述对象量化特征,对所述试用对象进行转化预测,得到所述试用对象的转化预测信息。本申请能够提高对象转化信息预测的准确性。
  • 一种基于联邦学习的分类模型训练方法及相关设备-202310148673.0
  • 刘成烽 - 腾讯科技(深圳)有限公司
  • 2023-02-03 - 2023-10-27 - G06F18/24
  • 本发明公开了一种基于联邦学习的分类模型训练方法及相关设备,分类模型包括设置在各参与设备的本地特征提取网络和设置在第一参与设备的分类网络,该方法包括:基于第一参与设备获取各参与设备基于本地特征提取网络对本地第一样本数据特征提取的第一特征向量;基于第一参与设备对各第一特征向量进行拼接并将拼接结果输入至分类网络分类得到第一分类结果;基于目标参与设备中的本地特征提取网络对本地第二样本数据进行特征提取得到第二特征向量;利用判别网络基于第二特征向量进行判别得到判别结果;利用目标损失函数基于第一分类结果和判别结果对分类模型和判别网络进行对抗训练。本发明在实现分类模型分类时序稳定的同时,满足了数据隐私需求。
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top