“序列特征”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2638107个，建议您升级VIP下载更多相关专利

[发明专利]呼吸状态检测方法、装置、计算机设备以及存储介质-CN202211004088.5有效
发明人：陈小兰;张涵;蔡凌峰;庞志强;周宇麒 -专利权人：华南师范大学
申请日： 2022-08-22 - 公布日： 2023-06-06 - 主分类号： A61B5/08 文献下载
摘要：本申请涉及一种呼吸状态检测方法、装置、计算机设备以及存储介质，该方法包括：获取用户在预设的第一时间尺度下的体征信号；从所述体征信号中提取心冲击图信号以及呼吸信号；确定所述心冲击图信号以及所述呼吸信号对应的第一特征序列；确定所述心率特征序列、所述心率变异性特征序列、所述呼吸频率特征序列以及所述睡眠特征序列在若干个不同的第二时间尺度下的第二特征序列；所述第二特征序列包括基准特征序列、波动特征序列、最值特征序列以及众数特征序列；将若干个不同的第二时间尺度下的所述第二特征序列输入至训练好的呼吸状态检测模型，获得呼吸状态检测结果，从而降低了成本，提高了呼吸状态检测的准确度。
呼吸状态检测方法装置计算机设备以及存储介质

[发明专利]语音识别方法、装置、电子设备及存储介质-CN201911274852.9有效
发明人：李杰;范志赟;王晓瑞;李岩 -专利权人：北京达佳互联信息技术有限公司
申请日： 2019-12-12 - 公布日： 2022-07-01 - 主分类号： G10L15/02 文献下载
摘要：所述方法包括：从当前说话人的待识别语音数据中提取相应的原始语音特征序列；将原始语音特征序列输入至语音识别模型；对原始语音特征序列进行编码，生成对应的语音特征序列；根据语音特征序列和训练得到的包含多个说话人特征的基础特征组，计算得到当前说话人的说话人特征序列；根据当前说话人的说话人特征序列和语音特征序列，生成目标语音特征序列；对目标语音特征序列进行解码，生成语音识别结果。通过选择多个说话人特征作为基础特征组，当前说话人的说话人特征由这些基础特征计算得到，从而不需要使用单独的模型提取当前说话人的说话人特征，简化了当前说话人的说话人特征获取过程。
语音识别方法装置电子设备存储介质

[发明专利]文本情感分析方法、装置、介质及程序-CN202111220753.X在审
发明人：刘志煌 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-10-20 - 公布日： 2023-04-21 - 主分类号： G06F16/35 文献下载
摘要：该方法包括：对待分析的文本进行分词处理，得到文本的分词序列；确定分词序列中的至少一个特征词以及特征词的特征词类别，特征词属于多个分词；确定分词序列中各特征词的上下文语法关系；基于分词序列中各特征词的上下文语法关系和特征词类别，确定分词序列的语法特征；结合分词序列中各个特征词的向量，确定分词序列的序列特征；依据分词序列的语法特征和序列特征，以及不同情感类别下的训练文本集的语法特征和序列特征，利用贝叶斯模型，确定文本所属的情感类别
文本情感分析方法装置介质程序

[发明专利]异常音识别方法、装置及计算机存储介质-CN202010432874.X有效
发明人：张锦铖;林聚财;殷俊 -专利权人：浙江大华技术股份有限公司
申请日： 2020-05-20 - 公布日： 2023-03-10 - 主分类号： G10L25/51 文献下载
摘要：本申请公开了一种异常音识别方法、装置及计算机存储介质，该异常音识别方法包括：获取待测音频数据；将待测音频数据转换为待测音频特征序列；对多个标准模板特征序列进行筛选而保留与待测音频特征序列相似的部分标准模板特征序列；利用形状动态时间规整算法分别计算待测音频特征序列与保留的部分标准模板特征序列之间的相似度；根据待测音频特征序列与保留的部分标准模板特征序列之间的相似度而确定与待测音频特征序列最相似的标准模板特征序列；根据最相似的标准模板特征序列确定待测音频数据中异常音的类别。
异常识别方法装置计算机存储介质

[发明专利]系统安装位置确定方法、装置、计算机设备及存储介质-CN202310662424.3在审
发明人：张晨;刘成平;李锋;李松 -专利权人：苏州浪潮智能科技有限公司
申请日： 2023-06-06 - 公布日： 2023-09-01 - 主分类号： G06F8/61 文献下载
摘要：本发明涉及操作系统技术领域，公开了系统安装位置确定方法、装置、计算机设备及存储介质，本发明获取目标服务器的服务器特征序列；将服务器特征序列与各个预置特征序列分别进行匹配，得到匹配值序列；匹配值序列包括多个匹配值；基于匹配值序列，在各个预置特征序列中确定服务器特征序列对应的匹配特征序列；基于匹配特征序列的位标值，确定目标服务器的磁盘识别结果，以确定系统的安装位置。如此，将目标服务器的服务器特征序列与位标库中预置特征序列进行匹配，基于匹配的预置特征序列的位标值，确定操作系统对磁盘的识别结果，以此确定操作系统的安装位置，避免操作系统对磁盘的错误识别导致操作系统安装在错误的逻辑盘符上
系统安装位置确定方法装置计算机设备存储介质

[发明专利]文本识别方法及装置-CN202110220330.1在审
发明人：蔡晓聪;侯军;伊帅 -专利权人：北京市商汤科技开发有限公司
申请日： 2021-02-26 - 公布日： 2021-05-11 - 主分类号： G06K9/32 文献下载
摘要：文本识别方法包括：对文本图像进行特征提取，得到第一特征序列；第一特征序列包括多个特征切片，特征切片表示待识别文本的特征向量；基于第一特征序列的多个特征切片之间的上下文信息，对第一特征序列进行处理，得到第二特征序列；根据第二特征序列，确定第二特征序列中各个特征切片的注意力权值；基于第二特征序列和注意力权值，得到待识别文本的识别结果。
文本识别方法装置

[发明专利]特征处理方法、动作定位方法、设备及装置-CN202111580387.9在审
发明人：杨雪峰;余言勋;王亚运;吴成路;刘智辉;黄宇 -专利权人：浙江大华技术股份有限公司
申请日： 2021-12-22 - 公布日： 2022-05-10 - 主分类号： G06V20/40 文献下载
摘要：本申请公开了一种特征处理方法、动作定位方法、设备及装置。该方法包括：基于目标视频中各视频帧的特征，确定目标视频的目标特征序列；按照时序维度对目标特征序列进行划分，得到多个子特征序列，其中，每个子特征序列包括至少一个视频帧的特征；沿时序方向分别对多个子特征序列中的各个子特征序列，进行第一融合处理，得到各个子特征序列对应的中间特征；对多个中间特征进行第二融合处理，得到目标视频的视频特征。上述方案，能够提高特征对信息的表达能力。
特征处理方法动作定位设备装置

[发明专利]视频特征提取器的无监督训练-CN202111240188.3在审
发明人： M·诺鲁兹;N·贝尔曼 -专利权人：罗伯特·博世有限公司
申请日： 2021-10-25 - 公布日： 2022-05-17 - 主分类号： G06V10/774 文献下载
摘要：提供了视频特征提取器的无监督训练。本发明涉及一种训练视频特征提取器的计算机实现的无监督学习方法（600）。视频特征提取器被配置成从视频序列中提取特征表示。该方法使用表示多个训练视频序列的训练数据。从多个训练视频序列的训练视频序列中，选择当前子序列；在当前子序列先前的先前子序列；和在当前子序列后续的后续子序列。视频特征提取器被应用于当前子序列，以提取当前子序列的当前特征表示。从给定当前特征表示的先前和后续子序列的联合可预测性中导出训练信号。基于训练信号更新视频特征提取器的参数。
视频特征提取监督训练

[发明专利]一种时间序列的趋势预测方法、装置、设备及存储介质-CN202310917500.0在审
发明人：程捷 -专利权人：北京博睿宏远数据科技股份有限公司
申请日： 2023-07-25 - 公布日： 2023-10-24 - 主分类号： G06Q10/04 文献下载
摘要：本发明实施例公开了一种时间序列的趋势预测方法、装置、设备及存储介质。该方法包括：获取历史时间序列数据，并对历史时间序列数据进行预处理，得到待预测时间序列数据；通过Prophet模型对待预测时间序列数据进行特征提取，得到时间序列趋势特征；通过时间索引提取待预测时间序列数据的时间特征；通过LightGBM模型对时间序列趋势特征与时间特征进行时间序列趋势预测，得到预测结果。在LightGBM模型进行趋势预测之前，通过Prophet模型进行时间序列趋势特征提取，并融合时间特征，考虑时间序列的序列性和趋势性，使LightGBM模型所依据的特征更可靠，提升了趋势预测的准确性。
一种时间序列趋势预测方法装置设备存储介质

[发明专利]一种视频分类的方法、模型训练的方法及装置-CN201910168236.9有效
发明人：唐永毅;马林;刘威 -专利权人：腾讯科技（深圳）有限公司
申请日： 2019-03-06 - 公布日： 2022-03-08 - 主分类号： G06V20/40 文献下载
摘要：本申请公开了一种视频分类的方法，包括：获取待分类视频文件所对应的图像帧序列，其中，图像帧序列中包括T帧图像；通过图像分类网络模型获取图像帧序列所对应的外观信息特征序列，外观信息特征序列中包括T个外观信息特征，外观信息特征与图像帧具有对应关系；通过运动预测网络模型获取外观信息特征序列所对应的运动信息特征序列，运动信息特征序列包括T个运动信息特征，运动预测网络模型用于预测外观信息特征所对应的运动信息特征；根据外观信息特征序列以及运动信息特征序列确定待分类视频文件的视频分类结果
一种视频分类方法模型训练装置

[发明专利]医学影像分类方法、装置、系统和可读介质-CN202010608293.7有效
发明人：蔡鑫;李风玲;余超;潘伟凡 -专利权人：嘉兴太美医疗科技有限公司
申请日： 2020-06-30 - 公布日： 2020-10-02 - 主分类号： G06K9/62 文献下载
摘要：本申请提供了一种医学影像分类方法、装置、系统和计算机可读介质，以及一种序列特征提取模型的训练方法和装置。该医学影像分类方法包括：获取待分类的医学影像序列，其中医学影像序列包含沿着扫描对象在扫描方向上的多个位置的多张医学影像和元信息说明文件；对多张医学影像进行排序；对每张医学影像进行图像特征提取并得到医学影像序列的图像特征向量序列；采用预设序列特征提取模型对图像特征向量序列进行序列特征提取并得到序列特征向量序列；以及根据序列特征向量序列对多张医学影像进行分类。该医学影像分类方法通过根据医学影像的位置坐标对医学影像进行排序，以及对图像特征向量序列进行序列特征提取，能够显著提高医学影像的分类准确率。
医学影像分类方法装置系统可读介质

[发明专利]数据分析方法与装置-CN201510149673.8在审
发明人：林冠洲 -专利权人：西门子公司
申请日： 2015-03-31 - 公布日： 2016-11-23 - 主分类号： G06F17/30 文献下载
摘要：所述方法包括：根据各原始序列获取第一序列组，所述第一序列组中包括第一长度的各个第一匹配特征以及各所述第一匹配特征在相应待确定序列中的第一位置，所述第一匹配特征对应的支持度大于或等于第一预设支持度，所述待确定序列为在所述第一位置具有所述第一匹配特征的原始序列，所述原始序列是采用预设协议的多个序列，所述原始序列包含多个匹配特征，各匹配特征对应的支持度为所述匹配特征在所述多个原始序列的同一位置出现的次数(S1)；根据所述第一序列组获取第二序列组，所述第二序列组中包括第二长度的各个第二匹配特征以及所述第二匹配特征在相应所述待确定序列中的第二位置，所述第二匹配特征是通过组合所述第一匹配特征获取的，且所述第二匹配特征对应的支持度大于或等于第二预设支持度(S2)；根据第二序列组从所述待确定序列中获取包含所述第二匹配特征的第三序列，并依次从第三序列中去除相应的第二匹配特征以及第二匹配特征之前的各匹配特征，形成第四序列，将所述原始序列更新为第四序列，返回重复执行前述步骤。
数据分析方法装置

[发明专利]一种信息转换方法及装置、交互辅助系统-CN201811577433.8有效
发明人：陆有松;陶飞;王翔翔;黄志华;陈钰 -专利权人：科大讯飞股份有限公司
申请日： 2018-12-20 - 公布日： 2021-03-23 - 主分类号： G06F16/583 文献下载
摘要：本申请提供的信息转换方法及装置、交互辅助系统，提取语音的音素特征序列，依据预设的音素特征序列与手语特征序列的对应关系，确定提取的音素特征序列对应的手语特征序列，并依据手语特征序列生成与语音对应的手语图，
一种信息转换方法装置交互辅助系统

[发明专利]内容推荐方法、内容推荐模型的训练方法及装置-CN202210778190.4在审
发明人：李勇;宋洋;林冠煜;高宸;郑瑜;常健新;牛亚男;金德鹏;李志恒 -专利权人：清华大学;北京达佳互联信息技术有限公司
申请日： 2022-06-29 - 公布日： 2022-10-18 - 主分类号： G06F16/9535 文献下载
摘要：本公开关于一种内容推荐方法、内容推荐模型的训练方法及装置，所述方法包括：获取待推荐对象在目标场景下的历史交互内容序列和候选内容；通过内容推荐模型分别对历史交互内容序列和候选内容进行特征提取，得到历史交互内容和候选内容的场景特征和全局特征；对历史交互内容的场景特征和全局特征分别进行编码，得到历史交互内容序列的场景序列特征和全局序列特征；对历史交互内容序列的场景序列特征进行特征提取，得到待推荐对象的群体特征；根据群体特征、场景序列特征、全局序列特征及候选内容的场景特征和全局特征得到推荐指标信息
内容推荐方法模型训练装置

[发明专利]基于深度学习时间因子的无监督异常交易订单检测方法-CN202211220113.3在审
发明人：王成 -专利权人：上海聚顿信息科技有限公司;复旦大学
申请日： 2022-10-08 - 公布日： 2022-12-20 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了基于深度学习时间因子的无监督异常交易订单检测方法，涉及交易订单检测技术领域；本发明对输入的交易数据序列进行数据预处理得到先特征序列，并将先特征序列输入TEM‑LSTM编码器，输出交易数据序列的低维特征将交易数据序列的低维特征输入双层隐态LSTM解码器，输出交易数据序列的高维特征；再利用DNN网络对交易数据序列的高维特征进行处理得到后特征序列；将后特征序列与先特征序列进行对比以判定当前订单序列是否为异常订单。本发明在LSTM网络的基础上引入T‑Embedding层，考虑了时间间隔因子，同时对高维的数据序列进行降维，忽略嘈杂信息，更大程度地保留数据序列中的正常部分，提升效率与准确率。
基于深度学习时间因子监督异常交易订单检测方法