-
公开(公告)号：CN110427892B
公开(公告)日：2022-09-09
申请号：CN201910720503.9
申请日：2019-08-06
Applicant: 河海大学常州校区
Abstract: 本发明公开了基于深浅层自相关融合的CNN人脸表情特征点定位方法，S1，构建人脸样本数据集，S2，定位人脸眼睛、眉毛、嘴等区域，随后利用旋转、平移、翻转拓展数据集，S3，利用数据集训练深浅层自相关融合的卷积神经网络，完成对区域内的特征点的精确定位。本发明在样本人脸数据集的基础上，实现了人眼、眉毛、嘴巴等与表情相关较大的区域的特征点精确定位，解决了由于人脸表情变化大造成特征点定位不准等问题，并可藉由此方法完成表情识别的相关操作。
-
公开(公告)号：CN110727871A
公开(公告)日：2020-01-24
申请号：CN201910999213.2
申请日：2019-10-21
Applicant: 河海大学常州校区
IPC: G06F16/9535 , G06F16/33 , G06N3/08 , G06N3/04
Abstract: 本发明公开了一种基于卷积分解深度模型的多模态数据采集及综合分析平台，包括如下步骤：S1，建立数据交互模块；S2，建立数据分析模块；S3，建立用户服务模块。本发明同时支持文本、语音、图片等多元数据形式；在数据收集方面，本发明默认用户为数据的主要提供来源，因此提供了良好的交互方式与高并发高可用的数据库管理方式；在数据分析上，基于深度学习CNN与RNN网络对图片进行训练与分类，运用NLP中TF-IDF词频网络进行文本抽取与归并；使用的基于tensorflow下的标准keras模块和tf.keras模块构建的BP神经网络，实现对音频进行收集和准确分类。
-
公开(公告)号：CN109766843A
公开(公告)日：2019-05-17
申请号：CN201910030647.1
申请日：2019-01-14
Applicant: 河海大学常州校区
Abstract: 本发明公开一种基于改进的受限玻尔兹曼机的肌电信号特征提取方法，将获取的肌电信号预处理，得到训练数据和测试数据；构建改进的受限玻尔兹曼机网络对训练数据进行训练；定义能量函数，根据能量函数得联合概率分布，再由贝叶斯公式得可视层与隐藏层的条件概率分布，再对可视层数据进行采样得隐藏层数据，然后对隐藏数据进行概率最大池化，对特征数据进行压缩；再对池化后的数据反池化重构隐藏层数据，再根据吉布斯采样由隐藏层数据重构可视层数据，并迭代多次，再堆叠多个受限玻尔兹曼机构成深度玻尔兹曼机网络；使用前面训练好的权重和偏置对测试数据进行分类验证。本发明解决了现有肌电信号提取中的时域特征变化大、频域特征提取不充分的问题。
-
公开(公告)号：CN109741733A
公开(公告)日：2019-05-10
申请号：CN201910035513.9
申请日：2019-01-15
Applicant: 河海大学常州校区
Abstract: 本发明公开一种基于一致性路由网络的语音音素识别方法，首先在训练阶段，构造一致性路由前馈网络编码器，对向量初始语音音素数据进行矩阵运算和二维卷积得到低阶状态向量；构造一致性路由网络的一致性路由结构，通过一致性路由系数加权低阶状态向量，将其中的信息传递给高阶状态向量；以每个高阶状态向量的长度的softmax激活值在所有高阶状态向量softmax激活值中的占比来表示判定为该标签的概率；然后构造一致性路由网络的重构解码器，将真实标签对应的高阶状态向量进行解码重构；基于总损失函数对一致性路由网络的参数求得梯度公式进行优化更新；在测试阶段，将初始语音音素数据输入一致性路由网络的前馈编码器中，判断待测试数据的所属类别。
-
公开(公告)号：CN109685031A
公开(公告)日：2019-04-26
申请号：CN201811634766.X
申请日：2018-12-29
Applicant: 河海大学常州校区
CPC classification number: G06K9/00516 , G06K9/00523 , G06K9/00536 , G06K9/629
Abstract: 本发明公开一种脑机接口中脑电信号特征分类方法，具体包括以下步骤：S01，使用小波包变换过滤信号，基于能量熵计算方法计算小波包分解后的每个节点的能量熵，构建第一特征向量；S02，基于共空间模式方法（CSP）对脑电信号进行特征提取；构建第二特征向量；S03，将第一特征向量和第二特征向量整合；本申请将多特征模块整合起来，用多个特征作为分类依据，能获得较好的控制效果。
-
Patent Agency Ranking
公开(公告)号：CN108074585A
公开(公告)日：2018-05-25
申请号：CN201810126670.6
申请日：2018-02-08
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种基于声源特征的语音异常检测方法，包括如下步骤：通过传感器实时收集语音数据；对得到的语音段数据进行预处理；对于语音段的语音数据，使用迭代自适应逆滤波得到声门波信号；从声门波信号中提取特征参数：归一化振幅商与声门闭合时间比数据；将提取到的特征数据输入理想SVM模型进行分类；得到分类标签，用来判断说话人状况，输出说话人状况标签，交由执行模块进行反馈。本发明的特色是，对于精神压力下的变异语音，摆脱了基于传统的线性语音生成模型，提取缺少物理意义的声学特征参数的识别方法，建立了声源估计模型，利用语音生成的逆滤波技术，分析和提取基于人体声带振动的特征参数来进行异常语音的检测。
-
公开(公告)号：CN106097817A
公开(公告)日：2016-11-09
申请号：CN201610450044.3
申请日：2016-06-21
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种三轴风摆运动控制的实验教学装置，包括三轴风摆和上位机，所述三轴风摆包括支架，所述支架上设置有电源、控制装置和驱动装置，所述支架悬臂的自由端通过万向节与摆杆相连，所述摆杆与托架相连，所述托架上设置有角度传感器和三轴电机，所述三轴电机上安装有正反桨；所述控制装置与上位机通讯连接，所述上位机通过多种交互模式控制三轴风摆的运动或调节其状态。因此，本发明提供了一种三轴风摆运动控制的实验教学平台及其使用方法，该平台涉及了运动检测、控制算法、机器学习等多方面的训练，适合自动化、计算机、电子信息技术等多专业学生进行实践训练。
-
公开(公告)号：CN111523576B
公开(公告)日：2023-06-16
申请号：CN202010285215.8
申请日：2020-04-13
Applicant: 河海大学常州校区
IPC: G06F18/2321
Abstract: 本发明公开一种适用于电子质量检测的密度峰值聚类离群点检测方法，包括获取待检测离群点的所有数据点的多维特性检测数据集合；对于各数据点，分别计算局部密度值，以及该数据点到局部密度更高的最近数据点的距离值；根据各数据点局部密度值和距离值的大小，确定多个聚类中心，进而划分类簇；然后对于各数据点，基于局部密度值和距离值计算离群度；再根据所有数据点的离群度，利用箱型法确定属于边界区域的数据点集合；最后将边界区域中的数据点及其在各类簇中的子数据点作为离群数据点。本发明可充分利用聚类算法中离群点分布特点，量化出具体的特征数值，便于采用箱型法来检测出电离层中的差电子。算法易实现，效率和准确度皆较高。
-
公开(公告)号：CN115424313A
公开(公告)日：2022-12-02
申请号：CN202210863535.6
申请日：2022-07-20
Applicant: 河海大学常州校区
IPC: G06V40/16 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/04
Abstract: 本发明公开了一种基于深浅层多特征融合的表情识别方法及装置，方法包括：获取待识别的人脸图像数据；将待识别的人脸图像数据输入预训练好的基于深浅层多特征融合的卷积神经网络检测模型；根据卷积神经网络检测模型的输出，确定人脸图像数据的表情识别结果；其中所述卷积神经网络检测模型的训练方法包括：获取带有标签的样本人脸图像数据集；对样本人脸图像数据集进行数据增强处理，得到拓展后的数据集；利用拓展后的数据集对卷积神经网络检测模型进行训练、优化，优化以最小化PEDCC‑Loss损失函数为目标，得到训练好的卷积神经网络检测模型。本发明实现了面部表情的精确识别，解决了传统VGG19网络在表情分类任务中效果不佳的问题。
-
公开(公告)号：CN111507224B
公开(公告)日：2022-08-30
申请号：CN202010273344.5
申请日：2020-04-09
Applicant: 河海大学常州校区
IPC: G06V40/16 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于网络剪枝的CNN人脸表情识别显著性分析方法，包括：S1将人脸数据按表情归类并分别训练识别网络；S2利用剪枝算法分别处理每个训练好的识别网络，得到选定卷积层各滤波器的重要性分数；S3根据选定卷积层剪枝之后计算出的各滤波器的重要性分数，计算该层的特征图权重。本发明在特定表情训练网络的基础上，利用剪枝算法找到对表情识别贡献大的特征并赋上对应权重，解决基于注意力机制的表情识别中重要特征的显著性分析问题，提高识别准确率、完成表情识别的相关操作。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.042 seconds)
