“陈德运”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62个，建议您升级VIP下载更多相关专利

[发明专利]基于双向注意力残差网络的语音欺诈检测方法-CN202211186472.1在审
发明人：陈晨;代博涵;白博超;杨海陆;王莉莉;陈德运 -专利权人：哈尔滨理工大学
申请日： 2022-09-27 - 公布日： 2023-04-04 - 主分类号： G10L17/18 文献下载
摘要：本发明提出了一种基于双向注意力残差网络的语音欺诈检测方法，能够有效提升欺诈语音检测系统的识别性能，防止欺诈语音通过自动说话人验证系统(ASV)。在训练过程中，本发明首先对语音进行预处理，并提取常数Q变换(CQT)特征矩阵，将其作为残差网络(ResNet)的输入，利用ResNet提取浅层特征，然后将此特征输入双向注意力网络，以区分特征中不同维度的重要程度，从而得到区分性更强的特征表示。在测试阶段，利用训练好的网络模型作为真实语音与欺诈语音的分类器，对语音进行打分，根据打分结果对真实语音与欺诈语音进行分类。实验结果表明，本发明方法能够明显提升欺诈检测系统的性能，保护ASV系统免受不法用户的侵害。本发明可应用在语音处理和生物识别领域。
基于双向注意力网络语音欺诈检测方法

[发明专利]基于概率有监督总变化空间学习的语种识别方法-CN202211186809.9在审
发明人：陈晨;卜宇琳;陈勇;杨海陆;王莉莉;陈德运 -专利权人：哈尔滨理工大学
申请日： 2022-09-27 - 公布日： 2023-03-07 - 主分类号： G10L15/00 文献下载
摘要：本发明公开了一种基于概率有监督总变化空间学习的语种识别方法，解决了传统i‑vector语种识别系统先验信息利用不充分的问题。在训练阶段，利用开发集移位差分倒谱(SDC)特征训练通用背景模型(UBM)，再将数据集中每段语音的SDC特征作为输入，在UBM上进行自适应得到每段语音的GMM均值超矢量；然后将开发集均值超矢量和类别标签作为模型输入，建立基于概率有监督总变化空间学习的语种识别模型。在识别阶段，分别得到开发集、注册集、测试集中全部语音在概率有监督总变化空间上的i‑vector特征，然后利用线性判别分析(LDA)进行降维，最后利用概率线性判别分析(PLDA)分类器进行评分。该方法能够充分利用先验信息，以此提高系统性能。本发明可以应用于语种识别领域。
基于概率监督变化空间学习语种识别方法

[发明专利]基于区分性字典与分类器联合学习的说话人识别方法-CN202211218439.2在审
发明人：陈晨;李文文;孙文泽;杨海陆;王莉莉;陈德运 -专利权人：哈尔滨理工大学
申请日： 2022-10-05 - 公布日： 2022-12-23 - 主分类号： G10L17/04 文献下载
摘要：本发明公开了一种基于区分性字典与分类器联合学习的说话人识别方法，该方法在训练数据中增加分类器参数和正则化参数，提高了传统说话人识别系统的正确率，是在传统字典学习基础上的创新。本发明在训练阶段，首先对语音提取i‑vector，将其和One‑Hot拼接后作为稀疏分解的输入；然后初始化字典和分类器参数，获取i‑vector在字典上的稀疏表示；最后利用K均值‑奇异值分解(KSVD)算法更新字典。在识别阶段，首先利用字典与其二范数的商作为识别阶段的字典，同理得到分类器参数；然后计算测试语音在字典上的稀疏表示，分类器参数和稀疏表示的积是说话人在不同字典上的得分；最后判断得分最高说话人是否是测试说话人。本发明可以应用于说话人识别领域。
基于区分字典分类联合学习说话识别方法

[发明专利]人参生态环境因子实时信号特征数据挖掘算法-CN202211063832.9在审
发明人：李长城;陈德运;解成俊;高一龙;李上飞;马文彬;朴仁哲;陈飞宇 -专利权人：吉林农业科技学院
申请日： 2022-09-01 - 公布日： 2022-12-09 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种人参生态环境因子实时信号特征数据挖掘算法，包括以下步骤：1、聚类算法中心参数初始化过程；2、聚类坐标旋转优化；3、k值聚类自动生成最大距离优化；4、K‑Means聚类算法人参生态环境因子实时信号特征数据挖掘实现。本发明挖掘到的高维混合属性数据量与实际挖掘到的高维混合属性数据量误差较小，聚类挖掘性能优势显著。获取了全局最优的概率密度，达到聚类量化的人参生态环境温度[11.0,23.0]℃、环境湿度[30,60]％RH、地温(12.0～25.0]℃、地湿[39,50]％RH、光补偿点[400,10000](Lux)和CO2浓度[830,1140](ppm)等生态环境因子的适合生长条件，对智能控制可持续温室栽培人参智能化控制的实时信号反馈机制提供理论实践依据。
人参生态环境因子实时信号特征数据挖掘算法

[发明专利]一种基于光伏技术的可持续立体人参栽培温室-CN202211047911.0在审
发明人：李长城;陈德运;解成俊;高一龙;李上飞;马文彬;朴仁哲;陈飞宇 -专利权人：吉林农业科技学院
申请日： 2022-08-30 - 公布日： 2022-11-04 - 主分类号： A01G9/24 文献下载
摘要：本发明公开了一种基于光伏技术的可持续立体人参栽培温室，它涉及人参栽培技术领域。本发明将太阳能整合到农业温室中，采用立体栽培床，结合太阳能光伏板、温湿度控制器、LED补光灯、增施有机基质肥等装置，布置温湿度传感器、CO2传感器、光照传感器、土壤水分温湿度传感器等无线传输设备进行实时监测，通过基质栽培改良提高人参的品质，研究人参的实时信号特征植物及其生长过程中与智能控制可持续温室生态环境因子变化的关系。本发明解决了人参农药残留和重金属超标等问题，真正达到绿色农产品的标准，满足国际市场对于人参的需求。
一种基于技术可持续立体人参栽培温室

[发明专利]一种低秩判别特征子空间学习方法-CN201811366758.1有效
发明人：李骜;刘鑫;林克正;陈德运;孙广路 -专利权人：哈尔滨理工大学
申请日： 2018-11-16 - 公布日： 2022-09-30 - 主分类号： G06V10/764 文献下载
摘要：一种低秩判别特征子空间学习方法属于图像分类领域；解决了忽略对隐藏在样本中的低维子空间结构信息的技术问题；包括定义判别特征学习式的目标函数；采用类标签作为一种监督信息，目标函数重新拟定；将目标函数中的特征子空间施加正交约束；将一个图像数据集分成测试集和训练集；通过训练集，求解出目标函数值最小化时各个变量的值；目标函数求解后得到一个特征子空间；通过所述特征子空间投影测试集，得到数据集里所有类别图像的所有特征，最终通过分类器得到所述数据集的识别率；本发明用低秩表示系数作为约束来构造用于特征学习的判别项，其能够将子空间结构相似性约束引入到适用于图像识别和分类任务的判别特征学习模型中，促进模型自适应性和鲁棒性。
一种判别特征空间学习方法

[发明专利]一种基于异质特征联合自表示的特征子空间与亲和矩阵联合学习方法-CN202010077309.6有效
发明人：李骜;安若琦;陈德运;孙广路;林克正 -专利权人：哈尔滨理工大学
申请日： 2020-01-27 - 公布日： 2022-08-19 - 主分类号： G06V10/762 文献下载
摘要：一种基于异质特征联合自表示的特征子空间与亲和矩阵联合学习方法，将原始数据及其异质特征整合到一个公共集合中，形成多模态样本集合；然后，在集合上对每一个模态下的样本数据都学习一对垂直和水平投影矩阵，并且可以捕获所有模态下的异质特征之间的互补信息；此外，为了揭示隐藏在多模态视觉数据中的内在子空间结构，设计了一个基于阈值岭回归的自表示模型，进而将学习到的表示矩阵用于构建有效的亲和矩阵；同时，通过联合学习特征子空间和表示矩阵，二者性能可以互相促进；为了确保模型在实际应用中的性能，设计了基于图的表示矩阵约束项来捕获数据的非线性结构信息，这有助于保持复杂样本的邻居关系。
一种基于特征联合表示空间亲和矩阵学习方法

[发明专利]一种基于互信息估计的说话人识别方法-CN202011546522.3有效
发明人：陈晨;肜娅峰;陈德运 -专利权人：哈尔滨理工大学
申请日： 2020-12-24 - 公布日： 2022-07-05 - 主分类号： G10L17/02 文献下载
摘要：本发明公开了一种基于互信息估计的说话人识别方法，解决了说话人身份特征区分性不强及识别系统错误率高的问题。在训练时，先对语音提取语谱图，将其作为VGG‑M网络的输入；然后对训练数据进行随机的三元组采样，获取正负样本进行互信息估计，并利用基于互信息估计的目标函数训练网络。在识别时，利用训练好的VGG‑M网络提取测试语音与目标说话人语音对应的嵌入特征；然后计算上述两个嵌入特征间的余弦距离，并将其作为说话人的匹配得分；将得分与设定的阈值比较，判断测试语音是否来自目标说话人。该方法能够有效利用正负样本对应的说话人特征间的互信息，以此优化网络训练并降低系统的错误率。本发明可以应用于说话人识别领域。
一种基于互信估计说话识别方法

[发明专利]基于深度学习的宫颈癌细胞智能检测方法-CN202011259420.3有效
发明人：何勇军;邵慧丽;陈德运 -专利权人：哈尔滨理工大学
申请日： 2020-11-12 - 公布日： 2022-06-24 - 主分类号： G06T7/00 文献下载
摘要：基于深度学习的宫颈癌细胞智能检测方法。本发明涉及深度学习方法对细胞核的分类。本发明的目的是为了解决现有传统诊断方式检测癌细胞准确率低、耗时长等问题。为解决此问题，本发明提出了一种基于深度学习的智能宫颈癌细胞筛查方法。方法的具体过程为：一、数据准备；二、细胞核分割；三、细胞核分类；四、筛选癌细胞。在细胞核分类部分，数据上利用主动学习的方法进行数据的扩充和类别的细分；模型上以ResNeSt为基础模型，引入医生诊断经验，提取诊断指标共同作用训练出更加准确的模型。实验表明，本文细胞核分类方法准确率比原模型准确率更高，另外，本发明还提供了一种更有效的扩充数据和类别细分的数据准备方法。本发明应用于医学图像分类领域。
基于深度学习宫颈癌细胞智能检测方法

[发明专利]基于重构群延迟-常数Q变换语谱图的声纹欺诈检测方法-CN202210221453.1在审
发明人：陈晨;宋耀祖;代博涵;何勇军;陈德运 -专利权人：哈尔滨理工大学
申请日： 2022-03-07 - 公布日： 2022-06-17 - 主分类号： G10L17/02 文献下载
摘要：本发明公开了一种声纹欺诈检测方法，将能量谱经由Q‑DCT和Q‑IDCT平滑处理的重构群延迟‑常数Q变换(以下称为RGD‑CQT)语谱图特征进行检测语音欺诈攻击的方法，解决了欺诈语音特征区分性不强及欺诈语音检测系统错误率高的问题。在训练时，先对语音序列进行填充或截取操作，进而将语音序列的每一位与索引序号加一的值进行相乘，获得新的语音序列。将两个语音序列分别进行常数Q变换(CQT,constant Q transform)，获得两个语谱图X和Y。分别提取两张语谱图的实部和虚部，对语谱图X进行Q‑DCT和Q‑IDCT，之后进行修改的群延迟的计算，最后进行归一化和取对数得到最终的语谱图。将其作为resnet18+cbam网络的输入；然后通过交叉熵损失和Adam优化器训练出一个最优的网络模型作为用于测试的模型。最终根据网络模型的分数，如果分数大于0则认为是真实语音，反之，则判断为欺诈语音。
基于重构群延迟常数变换语谱图声纹欺诈检测方法

[发明专利]基于调整余弦互信息估计的语种识别方法-CN202210221484.7在审
发明人：陈晨;蓝海乐;卜宇琳;何勇军;陈德运 -专利权人：哈尔滨理工大学
申请日： 2022-03-07 - 公布日： 2022-06-17 - 主分类号： G10L15/00 文献下载
摘要：本发明公开了一种基于调整余弦互信息估计的语种识别方法，解决了在复杂的声音环境下以分类损失为目标函数提取到的embedding(嵌入特征)区分能力不强的问题。在训练阶段，先将训练集的声学特征做预处理，输入TDNN‑F网络；然后将网络中输出的embeddings根据半困难负样本挖掘策略，选择出正负样本对进行基于调整余弦相似度的互信息估计，并以此作为目标函数进行网络训练。在识别阶段，先将注册集和测试集的声学特征输入训练好的TDNN‑F网络得到对应的embeddings；然后将注册集与测试集的embeddings进行线性判别分析、减平均、零相位成分分析白化以及向量长度归一化；最后使用逻辑回归(LR)分类器进行评分。该方法能够有效利用正负样本对语言嵌入特征之间的互信息，以此优化网络训练并降低系统的错误率。本发明可以应用于语种识别领域。
基于调整余弦互信估计语种识别方法

[发明专利]一种基于特征差异最大化的说话人识别方法-CN202210221405.2在审
发明人：陈晨;季超群;李文文;何勇军;陈德运 -专利权人：哈尔滨理工大学
申请日： 2022-03-07 - 公布日： 2022-06-10 - 主分类号： G10L17/04 文献下载
摘要：本发明公开了一种基于特征差异最大化的说话人识别方法，使得说话人特征差异最大化，增加区分性。降低说话人识别系统的错误率。首先将训练集集的全部音频文件进行预处理，生成语谱图特征。将语谱图特征作为VGG‑M的输入，生成嵌入特征(embedding)。然后使用NPLDA打分选取三元组语音对，使用NPLDA的目标函数训练NPLDA模型，使用互信息损失函数计算正负样本对的损失，与NPLDA共同训练VGG‑M网络。在测试阶段，使用训练好的网络提取测试说话人和目标说话人的嵌入特征。使用余弦打分计算两种嵌入特征的相似度，即相似度得分。将计算好的相似度得分与设置好的阈值进行比较，判断是否语音来自同一说话人。该方法通过NPLDA选取三元组对，使得不同说话人特征差异更明显，并利用互信息损失函数和NPLDA共同优化网络，降低识别的错误率。本发明可以应用于说话人识别领域。
一种基于特征差异最大化说话识别方法

[发明专利]一种基于深度卷积生成网络的印刷缺陷检测方法-CN202011276148.X有效
发明人：何勇军;高玉栋;陈德运 -专利权人：哈尔滨理工大学
申请日： 2020-11-16 - 公布日： 2022-05-31 - 主分类号： G06T7/00 文献下载
摘要：一种基于深度卷积生成网络的印刷缺陷检测方法，本发明涉及缺陷检测技术中，印刷品微小缺陷准确检测的问题。近年来，深度学习被广泛用于缺陷检测。虽然目前的方法在简单背景下的缺陷检测任务上取得了进展，但对于细微缺陷还是无法准确检测。针对这一问题，本发明提出了一种基于深度卷积生成网络的印刷缺陷检测方法。首先，加入上采样模块，减少上采样中的损失。其次，提出一种自注意力机制，从而使得网络可以生成结构性更为复杂和细节更为准确的图像。最后，拟合生成器生成图像的噪声分布，去除噪声，获得缺陷图像。在保证准确率的基础上，提高了检测精度。本发明应用于无监督的印刷微小缺陷检测。
一种基于深度卷积生成网络印刷缺陷检测方法

[发明专利]一种基于压缩神经网络的图像去噪方法-CN201911008829.5有效
发明人：付立军;陈德运;李骜;孙玲;杨海陆 -专利权人：哈尔滨理工大学
申请日： 2019-10-23 - 公布日： 2021-10-26 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于压缩神经网络的图像去噪方法。首先将噪声图像进行分块来降低训练模型的代价，随后经过压缩神经网络进行图像去噪，增强机制、空洞卷积融合到所发明的去噪网络中提高去噪的性能，最后利用全局残差操作得到干净的图像。去噪网络由增强块和压缩块组成。增强块包括子网络、一个卷积层及激活函数、空洞卷积及激活函数，二个子网络通过Concat操作被连接到一起，增强捕获特征的鲁棒性，之后经过卷积层和激活函数对上述提取的特征信息进行继续学习。压缩块是用来压缩网络的参数和减少模型的训练代价。压缩模块包括卷积及激活函数、普通的卷积及激活函数和卷积层。这里的空洞卷积能提高去噪网络的性能。
一种基于压缩神经网络图像方法

[发明专利]基于事件检测的微博网络情感社区识别方法-CN201910577138.0有效
发明人：杨海陆;陈德运;王莉莉;王亮 -专利权人：哈尔滨理工大学
申请日： 2019-06-28 - 公布日： 2021-09-21 - 主分类号： G06F16/951 文献下载
摘要：本发明是基于事件检测的微博网络情感社区识别方法。本发明基于Python爬虫爬取微博网络用语的数据，提取微博网络中的社会热点事件，构造事件热点评估函数；度量微博用户对社会热点事件的情感极性，生成微博用户对多个社会热点事件的情感极性标签；初始化微博用户的情感极性标签，构造社区标签更新迭代规则，直至标签收敛时终止循环，将具有相同标签的节点划分到同一社区。本发明解决目前社区识别算法无法刻画用户的情感倾向性，导致输出的社区结果内聚性较低、稳定性不足，在网络演化过程中容易引发社区分裂的问题。本发明保证了输出的社区结果具有较高的内聚性及稳定性，对网络演化产生的网络结构及属性改变具有较高的适应性。
基于事件检测网络情感社区识别方法

1
2
3
4
5
下一页»
尾页
共 62 条