公开(公告)号：CN117851607A

公开(公告)日：2024-04-09

申请号：CN202311873235.7

申请日：2023-12-29

Applicant: 东北大学

Inventor： 王斌 ,  王理庚 ,  隋志锐 ,  杨晓春 ,  翟莹莹

IPC: G06F16/36 ,  G06F16/31 ,  G06F16/33 ,  G06F40/205 ,  G06F40/253 ,  G06N5/022 ,  G06N3/0455 ,  G06N3/096

Abstract: 本发明设计一种适用于制造大数据的条件知识图谱的抽取和管理方法,分为条件知识抽取、存储管理、查询处理三部分；所述条件知识抽取将文本语句中包含的事实部分与其对应的条件部分分别以三元组的形式抽取出来，并通过文本语句中的语义逻辑关系组合成为嵌套三元组；所述存储管理，目的是将条件知识抽取部分得到的嵌套三元组以规范化的形式存储起来，解决存储冗余问题、便于后续管理和查询；所述查询处理，其目的是给定一个具有限制条件的事实查询，通过高效的查询处理方法在存储系统中得到对应的查询结果；基于本发明技术方案,在条件匹配的过程中不会由于遍历深度过大而导致查询效率下降，实现高效查询。

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。