“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]聚合物分子量分布的集成高斯过程回归模型方法-CN202010692670.X在审
发明人：杨克允;沈伟健;娄维尧;徐凡;马正阳;林韩波;刘明威;蔡姚杰 -专利权人：浙江工业大学
申请日： 2020-07-17 - 公布日： 2020-10-20 - 主分类号： G06F30/27 文献下载
摘要：聚合物分子量分布的集成高斯过程回归模型方法，属于聚合物分子量分布预测技术领域。它包括步骤1、建立及时在线高斯过程回归模型进行训练并评估；步骤2、集成学习：采用并行集成方法，对聚合物的分布式输出进行集成高斯过程回归建模。本发明从仿真数据中提取的特征及建立局部在线高斯过程回归模型并对训练模型进行评估，在高斯过程回归模型的基础上集成JIT策略，使其结果更加符合实际标签值；在此基础上采用集成学习，把所有比较弱的JGPR模型结合起来，利用集体智慧来获得比较好的模型，来获得复杂的学习模型；且把所有JGPR模型进行组合，容易得到一个比较中庸的模型，从而避免一些极端情况包括过拟合的发生，起到了正则化的效果。
聚合物分子量分布集成过程回归模型方法

[发明专利]拥塞等级预测方法、装置、计算机设备和存储介质-CN202311015234.9在审
发明人：武晓鸽;戴国华;谭华;马晓亮 -专利权人：中国电信股份有限公司技术创新中心;中国电信股份有限公司
申请日： 2023-08-11 - 公布日： 2023-10-27 - 主分类号： H04W28/02 文献下载
摘要：该方法包括：获取目标节点在预测时刻之前目标时间窗口内各历史时刻的历史状态信息；将各历史状态信息输入至高斯混合模型，得到目标节点在预测时刻属于高斯混合模型中各高斯子模型的隶属度；根据各隶属度，从各高斯子模型中选择目标子模型；根据目标子模型对应的拥塞等级，确定目标节点在预测时刻的拥塞等级。
拥塞等级预测方法装置计算机设备存储介质

[发明专利]一种基于高斯分类的快速模型自适应方法-CN201711112767.3有效
发明人：吕勇 -专利权人：河海大学
申请日： 2017-11-13 - 公布日： 2021-06-25 - 主分类号： G10L15/22 文献下载
摘要：本发明公开一种基于高斯分类的快速模型自适应方法，其特征是将语音识别系统全部声学模型的所有高斯单元划分为若干类，并提取每类高斯单元的均值向量和协方差矩阵作为类的均值向量和协方差矩阵，在环境噪声改变的初期对类的均值和方差进行模型自适应，作为该类内全部高斯单元的均值和方差的近似值，以实现声学模型的快速噪声自适应。本发明可以加快噪声环境下模型参数变换的速度，增强模型自适应算法的实际应用能力。
一种基于分类快速模型自适应方法

[发明专利]一种修正的图像块期望对数似然估计的图像去噪方法-CN201610154477.4有效
发明人：汤一彬;张燕;李旭斐;高远;姚澄 -专利权人：河海大学常州校区
申请日： 2016-03-17 - 公布日： 2019-02-15 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种修正的图像块期望对数似然估计的图像去噪方法，具体涉及到高斯混合模型的先验估计问题。首先将含噪图像块进行分类：分为含噪平滑块和含噪非平滑块；然后通过对用于图像块估计的高斯模型的修正，实现对分类的图像块的对数似然估计，消除基于原有高斯模型估计中图像块的误分类现象及平滑块的高斯方差估计过高的问题采用该修正的高斯混合模型应用于图像块期望对数似然估计的图像去噪算法中，可以实现比原有基于高斯混合模型的图像块期望对数似然估计的图像去噪算法更好的去噪效果，有效提高去噪图像的质量。
一种修正图像期望对数估计方法

[发明专利]预测对等网络中对等体的继续在线时长的方法及装置-CN200810065629.9有效
发明人：施广宇;龚皓 -专利权人：华为技术有限公司
申请日： 2008-01-23 - 公布日： 2009-07-29 - 主分类号： H04L12/26 文献下载
摘要：本发明实施例提供一种预测对等网络中对等体的继续在线时长的方法，包括：获取对等体的M个历史生命周期样本数据S_i，i＝1，…，M；确定待建立的多维高斯混合模型中，高斯成分的个数n，n是大于或等于2的正整数；所述多维高斯混合模型表示所述对等体的继续在线时长的概率分布；利用S_i与n，建立所述多维高斯混合模型；利用被建立的多维高斯混合模型，预测所述对等体的继续在线时长。本发明实施例提供的技术方案，基于历史生命周期以及多维高斯混合模型，能够预测出较逼近对等体节点的实际继续在线时长的预测结果。
预测对等网络继续在线方法装置

[发明专利]一种基于分散式ICR模型的非高斯过程监测方法-CN201810233556.3有效
发明人：童楚东;俞海珍;朱莹 -专利权人：宁波大学
申请日： 2018-03-06 - 公布日： 2020-06-16 - 主分类号： G05B23/02 文献下载
摘要：本发明公开一种基于分散式ICR模型的非高斯过程监测方法，旨在解决如何利用非高斯数据建模算法，通过数据模型将采样数据转换成误差，并以误差作为被监测对象实施非高斯过程监测的问题。具体来讲，本发明方法首先针对每个测量变量，利用独立成分回归(ICR)算法建立各变量与其他变量之间的软测量模型。然后，利用软测量模型的估计误差作为被监测对象，建立基于独立成分分析(ICA)的过程监测模型实施非高斯过程监测。可以看出本发明方法利用了分散式建模的优势，而且采用多种非高斯数据分析算法相结合的实施方式，是一种更为优选的适于非高斯过程的数据驱动的过程监测方法。
一种基于分散 icr 模型非高斯过程监测方法

[发明专利]语音识别系统中基于快速噪声估计的特征补偿方法-CN201210486936.0有效
发明人：吕勇 -专利权人：河海大学
申请日： 2012-11-26 - 公布日： 2013-03-27 - 主分类号： G10L15/20 文献下载
摘要：本发明公开一种语音识别系统中基于快速噪声估计的特征补偿方法，其主要特点是将特征补偿中的噪声参数估计和纯净语音估计分离开来，噪声估计和纯净语音估计用不同的高斯混合模型实现。一个含有较少高斯单元的高斯混合模型GMM用于从含噪测试语音中提取噪声参数；另一个含有较多高斯单元的高斯混合模型GMM用于与估得的单高斯噪声模型进行模型组合，得到与当前测试环境匹配的含噪GMM；最后用含噪
语音识别系统基于快速噪声估计特征补偿方法

[发明专利]基于高斯混合模型的信号交叉口饱和车头时距估计方法-CN201910397787.2有效
发明人：夏井新;严颖;陆振波;王晨;郭宗麒;安成川;叶含珺;刘佳超 -专利权人：东南大学
申请日： 2019-05-14 - 公布日： 2022-01-28 - 主分类号： G08G1/08 文献下载
摘要：本发明提供一种基于高斯混合模型的信号交叉口饱和车头时距估计方法。主要解决的技术问题是：利用车辆号牌数据，基于高斯混合模型，提出一种完全数据驱动的信号交叉口饱和车头时距估计方法。根据采集的信号交叉口号牌数据，分车道提取车头时距，用高斯混合模型对车头时距进行分类，得到两种状态下车头时距的高斯分布模型。根据信号交叉口的实际情况，该模型可看成是饱和状态和非饱和状态下车头时距高斯分布的组合，则两种分布中均值较小的分布可看作是饱和车头时距的高斯分布，其均值即为饱和车头时距。
基于混合模型信号交叉口饱和车头估计方法

[发明专利]一种基于孪生卷积神经网络进行欺骗性语音检测的方法-CN202011139472.7有效
发明人：雷震春;马明磊;杨印根 -专利权人：江西师范大学
申请日： 2020-10-22 - 公布日： 2022-10-21 - 主分类号： G10L25/03 文献下载
摘要：本发明公开了一种基于孪生卷积神经网络进行欺骗性语音检测的方法，包括如下步骤：(1)提取语音的高斯概率特征：(a)对所有原始语音进行预处理；(b)对预处理后的语音进行CQCC特征提取；(c)对CQCC特征训练得到两个高斯混合模型；(d)通过两个高斯混合模型提取语音的高斯概率特征；(2)对语音进行欺骗性检测：语音经过两个高斯混合模型提取特征后，得到二维矩阵，将二维矩阵输入到神经网络模型中进行语音欺骗性检测。本发明采用孪生卷积神经网络，基于真实语音和欺骗语音两种高斯混合模型训练，能够大大提高欺骗性语音检测的准确性。
一种基于孪生卷积神经网络进行欺骗性语音检测方法

[发明专利]一种矿山生态修复的环境评估方法-CN202310330381.9有效
发明人：秦鹏;王峰;王振涛;刘天浩;李一平;邹连庆;宋彤彤;游晓梅;张彤晓;任凯丽 -专利权人：山东省土地发展集团有限公司;山东省国土空间生态修复中心（山东省地质灾害防治技术指导中心、山东省土地储备中心）;山东省华坤乡村振兴研究院有限责任公司
申请日： 2023-03-31 - 公布日： 2023-06-13 - 主分类号： G06V20/10 文献下载
摘要：本发明涉及图像数据处理技术领域，具体涉及一种矿山生态修复的环境评估方法，该方法包括：获取待修复矿山生态的HSV图像中的H分量的直方图；对目标直方图进行高斯混合拟合；对子高斯模型集合进行植被高斯模型检测，从子高斯模型集合中筛选出与植被高斯模型相邻的子高斯模型；对目标直方图中目标色调值与每个参考色调值之间的各个色调值进行归属分析筛选处理；对每个参考色调值对应的重合色调值集合进行边界分析处理；确定待修复矿山生态对应的目标植被覆盖率
一种矿山生态修复环境评估方法

[发明专利]基于高斯混合模型的即时学习脱丁烷塔软测量建模方法-CN201410129014.3有效
发明人：范苗;葛志强;宋执环 -专利权人：浙江大学
申请日： 2014-04-01 - 公布日： 2016-10-12 - 主分类号： G06F17/50 文献下载
摘要：本发明公开了一种基于高斯混合模型（GMM）的即时学习脱丁烷塔软测量建摸方法，该方法首先训练过程高斯混合模型，获取各高斯成分参数，建立相应的子模型；然后通过贝叶斯方法计算待预测样本属于各高斯成分的后验概率，以及各高斯成分下局部马氏距离，从而得到加权的样本相似度定义指标；最后采用新的相似度指标合理选择相似样本用于局部建模。本发明不仅能够很好的处理过程非高斯性和非线性，而且充分提取待预测样本特性，更为合理的选择相似样本用于即时学习建摸，有利于提高模型预测精度。
基于混合模型即时学习丁烷测量建模方法

[发明专利]一种基于词矢量的短文本分类模型生成方法与分类方法-CN201410398780.X在审
发明人：张艳;马成龙;潘接林;颜永红 -专利权人：中国科学院声学研究所;北京中科信利技术有限公司
申请日： 2014-08-13 - 公布日： 2016-02-17 - 主分类号： G06F17/30 文献下载
摘要：本发明涉及一种基于词矢量的短文本分类模型生成方法，包括：采集数据，并对所采集的数据进行领域标注，将这些已标注的数据作为训练数据；对训练数据做预处理；查询词矢量词典，将训练数据中所包含的文本数据转化为向量数据，并且将所述向量数据按照领域进行分隔；对每一个领域内的向量数据采用高斯模型进行模型训练，得到高斯模型参数的最优值，从而得到该领域所对应的高斯模型；所有训练数据的各个领域所对应的高斯模型组成分类模型。
一种基于矢量文本分类模型生成方法

[发明专利]基于高斯回归模型的作战仿真实验方案优化方法-CN202010685746.6在审
发明人：姚雯;常强;周炜恩;朱效洲;陈小前 -专利权人：中国人民解放军军事科学院国防科技创新研究院
申请日： 2020-07-16 - 公布日： 2020-11-17 - 主分类号： G06F30/20 文献下载
摘要：本发明公开了一种基于高斯回归模型的作战仿真实验方案优化方法，所述方法包括：S1，随机选取初始数量的实验因子，运行仿真系统进行仿真，得到初始数据集；S2，基于初始数据集建立反应评估指标预期分布的高斯回归模型；S3，基于高斯回归模型确定下一次仿真实验因子取值；S4，基于实验因子运行得到的当前仿真结果，通过采集函数决定是否接收当前仿真结果构成数据集；S5，基于数据集更新高斯回归模型；S6，通过步骤S3‑S5反复迭代，不断优化高斯回归模型。本发明的基于高斯回归模型的作战仿真实验方案优化方法，在保证结果有效性的基础上，进一步减少仿真运行次数。
基于回归模型作战仿真实验方案优化方法

[发明专利]一种缺失条件下的高斯混合模型聚类机器学习方法-CN202110204941.7在审
发明人：朱信忠;徐慧英;张毅;刘新旺;赵建民 -专利权人：浙江师范大学
申请日： 2021-02-24 - 公布日： 2021-07-06 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种缺失条件下的高斯混合模型聚类机器学习方法，包括：S11.获取聚类任务和目标数据样本；S12.将获取的目标数据样本中的每个样本分为可观测特征部分和缺失特征部分，对缺失特征部分进行初始填充并保持可观测特征部分的不变性；S13.利用随机初始化选定各个高斯混合模型成分的代表点，通过极大似然估计方法建立缺失特征部分条件下的高斯混合模型聚类的优化目标函数；S14.采用极大似然估计方法求解建立的高斯混合模型聚类的优化目标函数本发明将填充任务与高斯混合模型聚类相融合，在聚类结果的引导下填充缺失值，用动态填充的值再进行高斯混合模型聚类。
一种缺失条件下混合模型机器学习方法

[发明专利]一种对时间序列进行异常检测的方法、系统、设备及介质-CN202210688277.2在审
发明人：陈静静;吴睿振;王凛;孙华锦 -专利权人：山东云海国创云计算装备产业创新中心有限公司
申请日： 2022-06-17 - 公布日： 2022-08-30 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种对时间序列进行异常检测的方法、系统、设备及介质，方法包括将时间序列输入到自编码器进行训练，并从训练好的自编码器中获取时间序列的抽象特征；将时间序列的抽象特征输入到高斯混合模型进行训练，得到对应的高斯混合模型；将待检测数据输入到训练好的自编码器，得到待检测数据的抽象特征；将待检测数据的抽象特征输入到对应的高斯混合模型，以确定待检测数据的抽象特征所属对应的高斯混合模型的子高斯模型；获取子高斯模型的参数，并基于参数以及三西格玛法则判断待检测数据是否为异常数据
一种时间序列进行异常检测方法系统设备介质