-
公开(公告)号：CN105701541A
公开(公告)日：2016-06-22
申请号：CN201610020097.1
申请日：2016-01-13
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06N3/063
CPC classification number: G06N3/063
Abstract: 本发明适用于半导体集成电路技术领域，提供了一种基于忆阻器脉冲神经网络的电路结构，所述电路结构包括忆阻器单元及输出神经元单元，所述忆阻器单元的输出点连接所述输出神经元单元的输入端，根据识别的图像及字符转换成脉冲电信号，利用脉冲电信号来改变忆阻器单元的阻止实现脉冲神经网络的权值更新。基于忆阻器的脉冲神经网络电路相较于传统神经网络电路不存在电易失性缺点，精度更高，同时由于忆阻器是基本的电路元件，不需要单独存储，节省了权值传输时间并且保持精度不变。提高了脉冲神经网络电路的处理速度；降低了脉冲神经网络电路的功耗。
-
公开(公告)号：CN105407288A
公开(公告)日：2016-03-16
申请号：CN201510890364.6
申请日：2015-12-07
Applicant: 哈尔滨工业大学深圳研究生院
IPC: H04N5/232
Abstract: 本发明涉及Android开发技术领域，尤其涉及一种适用于导盲杖系统的图像采集方法。本发明将导盲杖图像采集APP设计为由SPoint(Starting Point)模块、JProcessing(Judgment Processing)模块及SCamera(Shooting Camera)模块三个子模块组成的开发方案，三个模块协同合作实现导盲杖系统中的实时图像采集功能。本发明考虑到图像采集APP在导盲杖系统中的特殊应用场景且在实现了图像采集功能的前提下，具有可移植性高，可扩展性强、图像采集工作状态可控、无需预览界面抓拍及周期性连续采集图片等特点，非常适合应用于导盲杖系统中。
-
公开(公告)号：CN104703107A
公开(公告)日：2015-06-10
申请号：CN201510066773.4
申请日：2015-02-06
Applicant: 哈尔滨工业大学深圳研究生院
IPC: H04R25/00
Abstract: 本发明提出了一种适用于数字助听器中的自适应回波抵消方法NBLMS_M-K，在以M为一个周期内，每来一个信号点对前K个滤波器抽头系数进行更新，在第M个信号点进入系统时，对全部的滤波器系数进行更新。该方法既降低了算法的复杂度，又保证处理后的语音具有较高的可懂度和清晰度，满足了数字助听器体积小、功耗低的要求。
-
公开(公告)号：CN104657710A
公开(公告)日：2015-05-27
申请号：CN201510062670.0
申请日：2015-02-06
Applicant: 哈尔滨工业大学深圳研究生院
CPC classification number: G06K9/00798 , G06K9/3233
Abstract: 本发明涉及图像处理领域，尤其涉及一种利用车载单帧图像进行道路检测的方法。本发明提供一种利用车载单帧图像进行道路检测的方法，该方法包括以下步骤：步骤A1：对输入的单帧图像进行灰度化以及图像滤波，所述图像滤波采用均值滤波；步骤A2：将上一步骤所得的图像进行OTSU二值化，然后对图像利用Sobel模板进行垂直边缘检测；步骤A3：分别对划分感兴趣区域ROI进行霍夫变换，对所得数据进行校正，接着利用三阶B曲线拟合出车道线。本发明对车道线的识别度高，降低了算法的计算量，降低了图像的ROI区域，可以将车道拟合出曲线，更加接近于真实的车道，提高了识别车道的正确率。
-
公开(公告)号：CN104064183A
公开(公告)日：2014-09-24
申请号：CN201410279788.4
申请日：2014-06-20
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明为大规模孤立词语音识别提供了一种提高识别准确率的方法，本发明的方法针对不同的孤立词动态的建立了隐马尔科夫模型观察符号数，解决了不同的孤立词因观察符号数相同而识别准确率低的问题。实验结果表明，本发明的方法在稍许增加识别计算量的前提下，有效地提高了大规模孤立词语音识别的准确率。本发明的方法可以动态调整识别模型的参数，相比于传统的基于统计概率的静态模型的语音识别，采用本发明方法的优势在于针对不同用户自适应的调整识别模型的参数，从而提高识别的准确率。待识别孤立词为10240词，实验结果表明，本发明的方法将总的识别率的平均值由96.3%提高到了99.2%。
-
Patent Agency Ranking
公开(公告)号：CN101582114A
公开(公告)日：2009-11-18
申请号：CN200910106093.5
申请日：2009-03-25
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 基于旋转角度的指纹识别方法，以解决现有的点匹配指纹识别方法存在的容易造成误判、受伪特征点的影响较大，抗噪声能力较差以及线匹配指纹识别方法存在的运算量较大、判断速度慢的问题。按照端点和分叉点将特征点分为两部分，计算所有特征点的特征角，其中特征角指的是特征点与中心点连线和X轴正方向的夹角，求取存储模板中所有特征点的特征角与待识别模板中对应环域内特征点的特征点的特征角的差值，统计具有相同特征角差值的特征点的个数，依据具有相同差值的特征点的个数的最大值来判断两幅图像是否匹配。
-
公开(公告)号：CN101382999A
公开(公告)日：2009-03-11
申请号：CN200810137353.0
申请日：2008-10-17
Applicant: 哈尔滨工业大学
IPC: G06K9/00
Abstract: 一种快速高效的指纹细化方法，它涉及一种指纹细化方法，以解决现有的指纹细化方法存在的细化不彻底、细化后的纹线不是单像素、影响指纹识别的准确性的问题。快速细化：先判断出待细化图像中指纹纹线的边界点，然后逐步将指纹纹线的边界点删除，得到快速细化图像；OPTA细化：使用OPTA细化方法的消除模板和保留模板，将快速细化图像变成单相素图像。本发明采用了快速细化算和OPTA算法组成的综合方法，使得采用本发明的方法显著提高细化算法的运行效率，克服了以前细化后的指纹图像有较多的毛刺，分叉点细化不够完全的问题，既没有破坏纹线的连接性又保护了指纹的细节特征，运算速度也较快，处理后的指纹图像细化完全，骨架接近纹线中心线。
-
公开(公告)号：CN101350066A
公开(公告)日：2009-01-21
申请号：CN200810137112.6
申请日：2008-09-12
Applicant: 哈尔滨工业大学
IPC: G06K9/00
Abstract: 基于四特征点拓扑结构的指纹识别方法，它涉及一种指纹识别方法，以解决基于特征点的指纹识别方法存在的受伪特征点的影响较大、抗噪声能力差、可靠性较差和未考虑空间信息的问题。以两个图像中的一对中心点和三角点对进行校正；分别对数据库图像和校正后待识别图像中的特征点依据距离其所在图像中心点的距离升序排列；给数据库图像和校正后待识别图像中所有的特征点分别构造一个四点模型，并在数据库图像和校正后待识别图像中进行特征点匹配；统计数据库图像和校正后待识别图像中匹配特征点的对数，判断两个图像是否来自同一枚指纹。本发明减小了匹配算法对中心点定位的依赖性，提高了算法的可靠性和抗噪声能力，考虑了特征点的空间信息。
-
公开(公告)号：CN109740544B
公开(公告)日：2021-09-07
申请号：CN201910013388.1
申请日：2019-01-07
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于脑电信号的听觉注意状态觉醒度识别方法、装置及存储介质，包括:采集得到所需要的脑电信号；基于获取的脑电信号，以及训练过程构建的第一级主成分滤波器，进行第一级基于集合经验模态分解和主成分滤波的特征抽取；基于第一级特征提取信号,以及训练过程构建的第二级主成分滤波器，进行第二级基于集合经验模态分解和主成分滤波的特征抽取；基于第二级特征提取信号,对抽取特征信号进行基于方差统计量的特征向量计算；基于特征向量计算结果以及训练过程构建的机器学习分类器，提取测试过程中基于脑电信号的听觉注意状态觉醒度。本发明实现了听觉注意状态的觉醒度识别，有助于提高听觉注意状态觉醒度识别精度和识别有效性。
-
公开(公告)号：CN109558863B
公开(公告)日：2020-11-06
申请号：CN201910013383.9
申请日：2019-01-07
Applicant: 哈尔滨工业大学(深圳)
IPC: G06K9/00
Abstract: 本发明公开了一种基于奇异谱分解和样本熵的脑电信号特征表示与提取方法、装置及存储介质。通过获取脑电信号并对所述脑电信号进行预处理，得到预处理后的脑电信号；对预处理后的脑电信号进行奇异谱分解，得到脑电信号的各阶奇异谱分量；使用样本熵算法计算脑电信号各阶奇异谱分量的样本熵；基于所述脑电信号各阶奇异谱分量的样本熵实现脑电信号特征信息的表征与提取。本发明方法非常适合非线性、非平稳的脑电信号特征表示与提取，提取到的特征信息能有效地直接表征出不同生理状态的生理信息，可高效地应用于脑电信号的分类、模式识别，以及能够作为一种诊断标记在临床脑电信号分析中具有重要参考价值。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.028 seconds)
