公开(公告)号：CN118260346A

公开(公告)日：2024-06-28

申请号：CN202410520779.3

申请日：2024-04-28

Applicant: 东北大学

Inventor： 杨晓春 ,  李文雨 ,  李青林 ,  王斌 ,  翟莹莹

IPC: G06F16/2458 ,  G06F16/22 ,  G06F16/21 ,  G06F16/248 ,  G06F40/284

Abstract: 本发明提供一种基于时序数据的日志模糊检索系统及方法，涉及日志检索技术领域。该方法具体包括：收集日志数据，并对收集到的日志数据进行分域处理，将每一条日志数据都划分为时间戳域、日志数据属性域和日志数据文本域；对日志数据文本域进行分词处理；从收集的日志数据中选取若干条日志数据并结合分词后日志数据的文本构建前缀字典树；根据收集的日志数据和前缀字典树进行索引构建，生成含有倒排链表和跳转链表的前缀索引树；用户选择模糊检索方式，同时获取用户的查询语句和给定的最大编辑距离阈值；根据用户选择的模糊检索方式对获取的查询语句模糊检索，生成模糊检索结果并进行可视化展示，从而实现对模糊检索效率的提升。

公开(公告)号：CN110097755A

公开(公告)日：2019-08-06

申请号：CN201910353551.9

申请日：2019-04-29

Applicant: 东北大学

Inventor： 郭军 ,  张小钰 ,  刘晨 ,  高志远 ,  王理庚 ,  李文雨 ,  迟航民

IPC: G08G1/01 ,  G08G1/065 ,  G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于深度神经网络的高速公路交通流量状态识别方法，涉及智能交通技术领域。该方法对交通流量状态进行分类并定义，对音频信号进行降噪处理和特征提取，使用DNN进行建模，得到对高速公路交通流量状态进行识别的DNN模型，并对DNN模型进行预训练；然后对DNN模型的参数进行调优；利用隐马尔可夫模型HMM对高速公路交通流量状态识别模型进行解码；最后用DNN模型对不同高速公路交通流量状态的音频信号的观测概率进行估计，根据计算出的概率给出高速公路交通流量状态的识别结果。本发明方法可以有效解决目前图像分析技术检测交通信息中存在的图像分析准确率欠佳、动态图像分析的计算量大等问题。

公开(公告)号：CN110097755B

公开(公告)日：2021-08-17

申请号：CN201910353551.9

申请日：2019-04-29

Applicant: 东北大学

Inventor： 郭军 ,  张小钰 ,  刘晨 ,  高志远 ,  王理庚 ,  李文雨 ,  迟航民

IPC: G08G1/01 ,  G08G1/065 ,  G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于深度神经网络的高速公路交通流量状态识别方法，涉及智能交通技术领域。该方法对交通流量状态进行分类并定义，对音频信号进行降噪处理和特征提取，使用DNN进行建模，得到对高速公路交通流量状态进行识别的DNN模型，并对DNN模型进行预训练；然后对DNN模型的参数进行调优；利用隐马尔可夫模型HMM对高速公路交通流量状态识别模型进行解码；最后用DNN模型对不同高速公路交通流量状态的音频信号的观测概率进行估计，根据计算出的概率给出高速公路交通流量状态的识别结果。本发明方法可以有效解决目前图像分析技术检测交通信息中存在的图像分析准确率欠佳、动态图像分析的计算量大等问题。

公开(公告)号：CN110120218B

公开(公告)日：2021-06-22

申请号：CN201910353445.0

申请日：2019-04-29

Applicant: 东北大学

Inventor： 郭军 ,  张小钰 ,  刘晨 ,  高志远 ,  王理庚 ,  李文雨 ,  迟航民

IPC: G10L15/14 ,  G10L15/02 ,  G10L21/0208

Abstract: 本发明提供一种基于GMM‑HMM的高速公路大型车辆识别方法，涉及智能交通技术领域。该方法提取音频信号的MFCC特征，对此音频信号特征分析其在特征空间中的特定分布，采用高斯概率密度函数拟合特征向量，得到GMM‑HMM模型；在训练阶段，采用EM算法训练GMM，进而估计出模型参数；采用K‑means算法选择训练样本；采用Baum‑Welch算法，结合高斯概率密度函数拟合的观测序列概率分布，对GMM‑HMM模型参数进行训练，生成训练模型。在识别阶段，待识别的音频数据提取出MFCC特征参数，采用Viterbi算法将其与模型库中的各个模型进行特征概率匹配，匹配概率最大的模型即为识别结果。本发明的高速公路大型车辆识别方法，能够准确的识别出高速公路上各大型车辆。

公开(公告)号：CN110120218A

公开(公告)日：2019-08-13

申请号：CN201910353445.0

申请日：2019-04-29

Applicant: 东北大学

Inventor： 郭军 ,  张小钰 ,  刘晨 ,  高志远 ,  王理庚 ,  李文雨 ,  迟航民

IPC: G10L15/14 ,  G10L15/02 ,  G10L21/0208

Abstract: 本发明提供一种基于GMM-HMM的高速公路大型车辆识别方法，涉及智能交通技术领域。该方法提取音频信号的MFCC特征，对此音频信号特征分析其在特征空间中的特定分布，采用高斯概率密度函数拟合特征向量，得到GMM-HMM模型；在训练阶段，采用EM算法训练GMM，进而估计出模型参数；采用K-means算法选择训练样本；采用Baum-Welch算法，结合高斯概率密度函数拟合的观测序列概率分布，对GMM-HMM模型参数进行训练，生成训练模型。在识别阶段，待识别的音频数据提取出MFCC特征参数，采用Viterbi算法将其与模型库中的各个模型进行特征概率匹配，匹配概率最大的模型即为识别结果。本发明的高速公路大型车辆识别方法，能够准确的识别出高速公路上各大型车辆。