“高斯模型”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果788057个，建议您升级VIP下载更多相关专利

[发明专利]说话人识别方法、装置和系统-CN201010572201.0有效
发明人：王磊;鲁耀杰;史达飞;尹悦燕;郑继川 -专利权人：株式会社理光
申请日： 2010-12-03 - 公布日： 2012-06-06 - 主分类号： G10L17/00 文献下载
摘要：本申请提供一种使用帧选择和自适应高斯混合模型选择的说话人识别方法，包括步骤：a.从输入语音文件中抽取语音帧的声学特征；b.利用抽取的声学特征通过使用语音检测技术过滤掉不包含人类语音的帧；c.对于步骤b得到的帧，进行帧选择以利用说话人语音帧的声学特征，选择对不同说话人区分度高的帧，并过滤掉区分度低的帧；d.利用步骤c中保留的帧的声学特征，选择对不同说话人区分度高的高斯混合模型，并过滤掉区分度低的高斯混合模型；e.计算步骤c中保留的帧与步骤d保留的每个说话人的高斯混合模型的最大似然得分，并根据每个说话人的高斯混合模型最大似然得分来产生说话人识别结果。由于进行了帧选择和模型选择，减少了说话人识别的计算量。
说话识别方法装置系统

[发明专利]一种针对大规模复杂系统的参数配置优化方法及装置-CN201910610017.1有效
发明人：刘斌;杨林甫 -专利权人：南京邮电大学;南京邮电大学盐城大数据研究院有限公司
申请日： 2019-07-08 - 公布日： 2022-08-23 - 主分类号： G06Q10/04 文献下载
摘要：一种针对大规模复杂系统的参数配置优化方法及装置，包括如下步骤：步骤S1、根据低保真度实验观测数据训练低保真度高斯过程回归模型；步骤S2、根据低保真度高斯过程回归模型输出的预测曲线，获取高保真度实验评估点；步骤S3、根据高保真度实验数据训练高保真度高斯过程回归模型；步骤S4、融合低保真度高斯过程回归模型的预测输出和高保真度高斯过程回归模型的预测输出，确定下次高保真度实验评估点步骤S5、若高保真度实验次数少于预设值该方法采用贝叶斯模型融合机制充分利用低保真度实验数据，以更少的实验代价获得最优系统配置参数值。
一种针对大规模复杂系统参数配置优化方法装置

[发明专利]一种基于最大熵高斯和的非高斯乘性噪声系统的滤波方法-CN202310424422.0在审
发明人：葛泉波;林锴 -专利权人：南京信息工程大学
申请日： 2023-04-20 - 公布日： 2023-08-29 - 主分类号： H03H17/02 文献下载
摘要：本发明公开一种基于最大熵高斯和的非高斯乘性噪声系统的滤波方法，属于数据处理领域；方法包括：构建非线性系统的离散时间动态模型；分别对量测噪声和乘性噪声进行高斯和处理；利用动态模型和容积卡尔曼滤波计算K时刻各个高斯分量的状态预测值和状态预测协方差；利用高斯分量的状态预测值和状态预测协方差，计算高斯分量的信息量、新息协方差和互协方差；以滑动窗口的方法重新估计新息协方差，利用重新估计的新息协方差计算权重矩阵；根据权重矩阵和最大相关熵原理计算滤波增益值；利用滤波增益值计算高斯分量估计值和估计协方差；高斯项数超过设置值时，根据马氏距离将距离最小的高斯项进行合并；高斯融合得到状态估计值和估计协方差。
一种基于最大熵高斯非高斯乘性噪声系统滤波方法

[发明专利]基于GMM和EM算法的非高斯分布CEP估计方法-CN201710684779.7在审
发明人：井沛良;吴玉生;范革平;郭荣化;撒彦成;姬强;赵鹏;江山;马子龙;宋平 -专利权人：中国人民解放军63870部队
申请日： 2017-08-11 - 公布日： 2017-12-22 - 主分类号： G06F17/18 文献下载
摘要：本发明涉及一种基于GMM和EM算法的非高斯分布CEP估计方法，属于装备性能鉴定及统计信号处理领域。目的是解决观测数据服从非高斯分布时的CEP估计问题。首先使用GMM来对任意非高斯分布进行建模和表征；其次基于最大似然思想，使用EM算法求解模型参数；最终针对所求得高斯混合模型，使用二分法解算出圆概率误差值。当观测数据服从非高斯分布时，CEP估计精度显著优于传统方法。
基于 gmm em 算法非高斯分布 cep 估计方法

[发明专利]机械臂避障轨迹规划方法、装置和电子设备-CN202310035842.X在审
发明人：杨志华;董帅;邹昆;文琦 -专利权人：电子科技大学中山学院
申请日： 2023-01-10 - 公布日： 2023-04-14 - 主分类号： B25J9/16 文献下载
摘要：本申请提供一种机械臂避障轨迹规划方法、装置、电子设备和计算机可读存储介质，该方法的一具体实施方式包括：求取正向虚拟力轨迹和反向虚拟力轨迹；根据所述正向虚拟力轨迹以及所述反向虚拟力轨迹，确定中间高斯混合模型的最大似然函数；在所述最大似然函数的函数值满足模型收敛要求时，引入所述中间高斯混合模型的模型参数对应的权重；根据所述模型参数对应的权重得到目标高斯混合模型的目标模型参数，并通过所述目标高斯混合模型规划所述机械臂执行所述新任务的避障轨迹
机械臂避障轨迹规划方法装置电子设备

[发明专利]基于知识蒸馏的旋转目标检测轻量化方法及系统-CN202310299030.6在审
发明人：康健;童风雨;陈曦 -专利权人：苏州大学
申请日： 2023-03-24 - 公布日： 2023-08-01 - 主分类号： G06V20/10 文献下载
摘要：本发明涉及一种基于知识蒸馏的旋转目标检测轻量化方法及系统，方法包括将学生模型和训练好的教师模型输出的检测目标的坐标编码分别解码为旋转坐标形式；将旋转坐标转换为二维高斯分布；计算学生模型与教师模型输出的检测目标的高斯分布表示的KL散度，以及计算学生模型输出的检测目标的高斯分布表示与标签真实框得到的检测目标的高斯分布表示间的KL散度；对KL散度进行归一化处理；根据归一化处理后的KL散度计算得到教师模型对学生模型进行知识蒸馏过程中的总体损失函数；使用蒸馏后的学生模型进行预测。
基于知识蒸馏旋转目标检测量化方法系统

[发明专利]一种面向自动驾驶环境感知的增量式学习方法和系统-CN202211022490.6在审
发明人：胡清华;季罗娜 -专利权人：天津大学
申请日： 2022-08-25 - 公布日： 2022-11-22 - 主分类号： G06V20/58 文献下载
摘要：本发明公开了一种面向自动驾驶环境感知的增量式学习方法和系统，包括：对环境图像数据集中的目标进行类标记，划分已知类和未知类；划分训练集和测试集移除未知类图像；利用高斯混合模型构建混合密度网络，以最小化损失函数为目标对混合密度网络进行优化得到目标检测模型；利用目标检测模型的已知类特征空间和预设高斯混合模型为每个已知类建模，利用最大期望算法对每个已知类的高斯混合模型的参数进行拟合；利用对数似然函数和每个已知类的高斯混合模型估计所有类的认知语义不确定性，循环增量地对认知语义不确定性高的图像人工标注，利用标注后的图像对目标检测模型进一步训练得到最优目标检测模型。
一种面向自动驾驶环境感知增量学习方法系统

[发明专利]融合径向基函数与克里金模型的高维代理模型构建方法-CN202310767046.5在审
发明人：杨旭锋;汤炜;蒋文珂;邓杰;张懿 -专利权人：西南交通大学
申请日： 2023-06-27 - 公布日： 2023-09-08 - 主分类号： G06F30/17 文献下载
摘要：本发明公开了融合径向基函数与克里金模型的高维代理模型构建方法，包括：抽取训练样本；根据训练样本求得目标函数的真实值，并获得实验设计DoE；根据当前的实验设计DoE，采用距离相关系数法求得变量的影响系数；引入缩放因子，并构建单变核函数；从训练样本中选取基函数参考点，并构建径向基函数；将径向基函数对应的回归模型作为趋势函数，并将单变核函数作为高斯过程核函数，搭建得到Kriging模型；采用参数一体化校正法对高斯过程核函数对应的高斯过程超参数和径向基函数对应的径向基形状参数进行估计；采用后验高斯过程模型进行预测，得到近似模型；在原始的高维变量空间中抽取验证点，并进行近似模型的预测误差验证，得到高维代理模型。
融合径向函数克里金模型代理构建方法

[发明专利]一种基于聚类的卫星遥测数据故障诊断方法-CN202111452273.6在审
发明人：王亚坤;韩笑冬;张婕;宫江雷;郭莉芳;邢川;王睿;杨凯飞;武长青 -专利权人：中国空间技术研究院
申请日： 2021-12-01 - 公布日： 2022-03-22 - 主分类号： G06F30/20 文献下载
摘要：本发明涉及一种基于聚类的卫星遥测数据故障诊断方法，首先，同时利用叶斯信息准则进行高斯混合模型的模型选择，确定混合模型的个数；然后，利用正常多变量卫星遥测数据对高斯混合模型进行训练。在此基础上，利用在训练集上的似然得分学习一个一元高斯分布，当数据的似然得分满足给定条件时，判定该数据为故障数据。本发明用于在轨卫星故障的实时检测。
一种基于卫星遥测数据故障诊断方法

[发明专利]一种融合高斯过程的飞行器轨迹控制方法-CN202111437422.1在审
发明人：赵太飞;张倩;刘阳;郑博睿;敬天睿;王玮;张雯;朱鹏超 -专利权人：西安理工大学
申请日： 2021-11-30 - 公布日： 2022-03-18 - 主分类号： G05D1/10 文献下载
摘要：本发明公开了一种融合高斯过程的飞行器轨迹控制方法，包括以下三部分：三维数据收集、高斯过程建模和模型预测控制。该方法使用模型预测控制作为主控算法，同时融合高斯过程对下一时刻的过程进行预测，并将融合高斯过程的模型预测控制与四旋翼飞行器运动速度轨迹相结合，具有一定的高效性、精确性和实时性，通过本发明所提出的方法，飞行器轨迹跟踪误差能够有效减少本发明的飞行器轨迹模型预测控制方法通过对训练样本中数据集进行采样来降低模型预测控制过程中的优化难度，提高模型预测控制的稳定性。
一种融合过程飞行器轨迹控制方法

[发明专利]基于实时学习的高斯过程回归多模型融合建模方法-CN201510038932.X有效
发明人：熊伟丽;张伟;薛明晨;姚乐 -专利权人：江南大学
申请日： 2015-01-26 - 公布日： 2017-07-28 - 主分类号： G06F17/50 文献下载
摘要：本发明公开了一种基于实时学习的高斯过程回归多模型融合建模方法。用于复杂多变的多阶段性的化工过程。该方法是一种在线不断更新的多模型策略。用高斯混合模型对过程的不同阶段进行辨识，并采用一种自适应实时学习方法，不断更新所建立的高斯过程回归模型。当新的数据到来时，在每个不同的阶段，基于欧式距离和角度原则选择部分相似的数据，用于建立局部的高斯过程回归模型。最终根据计算得到的新的数据隶属于每个不同阶段的后验概率，对局部模型进行融合输出。
基于实时学习过程回归模型融合建模方法

[发明专利]一种基于高斯混合近似的高超声速再入飞行器跟踪方法-CN201710546031.0有效
发明人：詹文超;梁彦;彭志超;曹晶莹;刘镇滔 -专利权人：西北工业大学
申请日： 2017-07-06 - 公布日： 2020-05-19 - 主分类号： G01S13/72 文献下载
摘要：本发明公开了一种基于高斯混合近似的高超声速再入飞行器跟踪方法，在东北上惯性参考坐标系下建立高超声速机动再入飞行器的运动跟踪模型，并分别建立目标跟踪系统的雷达观测模型和目标先验模型集；根据先验模型集和雷达观测模型，并结合雷达回波数据,获得目标状态平滑估计值和协方差矩阵平滑估计值；本发明引入高斯混合近似思想，设计多模型下的高斯混合平滑滤波器，采用高斯分量自适应合并策略，同时合理选择平滑窗长，可避免粒子滤波存在的计算大和粒子退化问题
一种基于混合似的高超声速再入飞行器跟踪方法

[发明专利]一种基于高斯过程渐变模型的骨骼医学语义自动提取方法-CN201910841806.6有效
发明人：黄晏程;蒋俊锋;陈正鸣;邓子越;孙晓莉 -专利权人：河海大学常州校区
申请日： 2019-09-06 - 公布日： 2022-08-16 - 主分类号： G06T17/20 文献下载
摘要：本发明公开了一种基于高斯过程渐变模型的骨骼医学语义自动提取方法，采取团体匹配的方式，以构建出更平均的基于高斯过程渐变模型的单骨统计形状模板，并标注相应医学语义；接下来导入目标骨骼的医学CT图像并生成目标骨骼的三维网格模型；将模板与目标骨骼的三维网格模型进行拟合、映射，即可自动提取目标骨骼的医学语义。本发明采取基于高斯过程渐变模型的骨骼医学语义提取方法，高斯过程渐变模型变形能力较强，并能在统计形状样本较少的情况下，产生较好统计变形，且其变形可以超出统计样本的形状范围，可以较好得满足医学上提取医学语义的需求
一种基于过程渐变模型骨骼医学语义自动提取方法

[发明专利]一种基于高斯背景模型的静态目标分割的方法-CN201110314576.1无效
发明人：厉鹏;王宸昊;王冲鶄;刘允才 -专利权人：上海交通大学
申请日： 2011-10-17 - 公布日： 2012-06-20 - 主分类号： G06K9/00 文献下载
摘要：一种基于高斯背景模型的静态目标分割的方法，首先根据第一帧或预载入背景建立高斯混合模型，并载入所需各部分参数阈值；当新的一帧进入时，逐像素扫描和背景模型进行匹配；若匹配和上一帧相同的分布，则加一，反之则归零；然后根据匹配结果进行参数更新，并对更新后的各分布进行排序，根据阈值选择出对应的生成的背景模型；通过查找连通域滤除较小的前景部分以排除噪声和复杂背景的干扰，并在前景部分根据计数器累积值逐像素进行参数还原本发明方法可以有效使高斯背景模型可以识别长时间进入背景静止的物体，并可以保持高斯背景模型本身对光度敏感辨识和学习能力。
一种基于背景模型静态目标分割方法

[发明专利]一种基于复杂环境的目标智能跟踪方法-CN201510805380.0在审
发明人：李正 -专利权人：成都因纳伟盛科技股份有限公司
申请日： 2015-11-20 - 公布日： 2016-04-06 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于复杂环境的目标智能跟踪方法，采集当前时刻的视频流数据，依次对视频流数据中的每一帧视频图像进行分析，启动混合高斯模型，建立背景高斯模型和前景高斯模型，过滤视频中的动作干扰，通过小波变换和傅里叶变换去除雨雪条纹噪声本发明基于通过混合高斯模型自适应分析算法，有效过滤复杂环境中画面的各种运动干扰，如刮风造成的树叶摇动等，结合小波变换和傅里叶变换可有效滤除画面中的雨雪噪声。
一种基于复杂环境目标智能跟踪方法