-
公开(公告)号：CN109326302B
公开(公告)日：2022-11-08
申请号：CN201811353760.5
申请日：2018-11-14
Applicant: 桂林电子科技大学
IPC: G10L21/0208 , G10L21/0264 , G10L17/00
Abstract: 本发明公开一种基于声纹比对和生成对抗网络的语音增强方法，1）建立三个语音数据库,分别对应声纹识别编码器、噪声分离系统和语音分离系统；2）训练声纹识别编码器提取目标说话者的声纹特征，得目标声纹特征；3）将带噪音频转化成语谱图送入噪声分离系统中的生成器中，得预测干净音频；4）将预测干净音频和真实干净音频送入噪声分离系统中的鉴别器训练；5）调整鉴别器权重参数，使鉴别器更好地分辨出真实干净音频和预测干净音频的区别，得到产生近乎真实的干净音频的生成器；6）将说话者的声音送入已经训练好的生成器中，生成预测干净语谱图，得到增强的语音信号。该方法规模小、计算低、易于移植、保持一定的空间不变性且去噪效果好。
-
公开(公告)号：CN109636897B
公开(公告)日：2022-08-23
申请号：CN201811405883.9
申请日：2018-11-23
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于改进RGB‑D SLAM的Octomap优化方法，其特征在于，包括如下步骤：1）构造最小误差函数优化RGB‑D SLAM室内定位系统相机位姿，获得点云图；2）使用K维树进行点云组织；4）计算平均K‑最近领距离；5）定义异常值并从点云图中删除；6）建立Octomap地图。这种方法能去除Octomap地图中的稀疏异常值，能提高Octomap地图的准确性和紧凑性并减少内存消耗。
-
公开(公告)号：CN109635279B
公开(公告)日：2022-07-26
申请号：CN201811396784.9
申请日：2018-11-22
Applicant: 桂林电子科技大学
IPC: G06F40/295 , G06N3/04
Abstract: 本发明公开了一种基于神经网络的中文命名实体识别方法，采用机器学习方面的算法并且结合神经网络模型，对文本进行分析和命名实体识别。将中文文本中出现的每一个字都构建特征向量，其特征包括位置特征和字符特征。然后把这组句子所对应的特征向量作为神经网络模型的输入，经过Bi‑LSTM以及CRF层后将结果映射到相应的实体标签，完成实体识别任务。该方法仅需要训练文本以及输入语句就可以完成实体识别，是一种灵活方便的方法。
-
公开(公告)号：CN111950717B
公开(公告)日：2022-07-19
申请号：CN202010881063.8
申请日：2020-08-27
Applicant: 桂林电子科技大学
IPC: G06N3/04 , G06K9/62 , G06F40/30 , G06F16/951 , G06F16/35 , G06F16/215
Abstract: 本发明公开了一种基于神经网络的舆情量化方法，步骤为：1）利用爬虫技术采集用户在社交平台上的舆论文本数据，将采集的数据以文本形式存储于数据库中；2）对收集的舆论文本数据进行数据预处理；3）根据预处理后的数据，构建舆论分析数据集；4）构建网络模型，利用舆论分析数据集中的舆论文字和所关联因素数据对网络模型进行训练；5）利用训练好的网络模型对舆论文本进行量化；该方法可以通过神经网络的方式对符号化文本进行量化，并且采用了多特征碎片的权重计算来确定各类因素的影响权重。较传统方法而言，该方法更加灵活，鲁棒性更强，从社会经济来看，该方法可以紧抓热点，跟随数据量的增大而更加客观理性，更加符合舆情实际结果。
-
公开(公告)号：CN110633363B
公开(公告)日：2022-02-18
申请号：CN201910883202.8
申请日：2019-09-18
Applicant: 桂林电子科技大学
IPC: G06F16/335 , G06F40/295 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于NLP和模糊多准则决策的文本实体推荐方法，其特征在于，包括如下步骤：1）采用word2vec对文本进行词向量训练；2）对每个词向量进行相似度计算；3）构造模糊多准则决策的推荐过程；4）量化实体词向量相似度参数5）构造模糊决策标准矩阵；6）用相对比较法确定标准实体的权重；7）使用模糊聚合算子量化实体推荐过程的总体用户偏好；8）得到被推荐实体的排名，进行推荐。这种方法能缩短文本实体推荐时间、提高词向量相似度精度，同时具有推荐精度高、软件运算量低的特点，在保证文本相似度精度的前提下实现精准推荐的要求。
-
Patent Agency Ranking
公开(公告)号：CN113953277A
公开(公告)日：2022-01-21
申请号：CN202111304843.7
申请日：2021-11-05
Applicant: 桂林电子科技大学
Abstract: 一种水下管道智能巡检清收机器人。目前水下管道配合使用的设备难以实现清理过程与回收过程兼备具备的使用性能。本发明包括支撑框架、驱动总成、密封仓、控制系统、机械爪和回收筐，支撑框架为匚字形框体，支撑框架的底部形成有水流通道，水流通道的前端为水流进入端，水流通道的后端为水流流出端，驱动总成、密封仓和回收筐均设置在支撑框架上，密封仓内设置有控制系统，驱动总成与控制系统相连接，机械爪设置在水流通道内且其处于密封仓的底部，回收筐设置在机械爪的后方，回收筐开口端朝向机械爪设置。
-
公开(公告)号：CN113470035A
公开(公告)日：2021-10-01
申请号：CN202110657558.7
申请日：2021-06-15
Applicant: 桂林电子科技大学 , 桂林智慧产业园有限公司
Abstract: 本发明的目的是提供一种基于序列图像和误差网络辅助校正图像分割结果的方法，包括以下步骤：S1:获得三维新冠肺炎CT图像并预处理；S2:预训练分割网络；S3:分割结果与金标准作差取绝对值得到误差金标准；S4:预训练误差网络；S5:协同训练分割和误差网络；S6:测试分割网络得到分割结果。该方法能够有效地利用图像的序列信息，并通过学习分割网络的分割误差来协同调整分割网络，提升其性能的性能，即为了提升CT图像中病灶分割精度，提升分割效率。
-
公开(公告)号：CN113469051A
公开(公告)日：2021-10-01
申请号：CN202110747352.3
申请日：2021-07-02
Applicant: 桂林电子科技大学 , 桂林智慧产业园有限公司
Abstract: 本发明的目的是提供一种基于稀疏嵌入的字典学习掌静脉识别系统，通过采用稀疏嵌入的字典学习算法，使特征正交性得以保留。在训练过程中，字典和投影矩阵被同步优化，从而使源空间的数据结构与字典同时改变。字典表示系数方面，通过引入度量学习中的样本对距离的概念，使类间距离与类内距离间间距被强制扩大，从而实现表示系数的分类判别能力，同时实现了重构误差最小化和字典表示系数判别分类能力最大化。稀疏嵌入的字典学习算法采用线性特征提取，因此对计算性能要求有限，后期可移植于各类手持式设备，并适用于场景变化较小、用户较为配合的应用场合。
-
公开(公告)号：CN110049447B
公开(公告)日：2021-02-05
申请号：CN201910294259.4
申请日：2019-04-12
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于位置信息的伙伴关系分析方法，包括wifi发射单元、wifi信号强度检测终端、数据处理终端和伙伴关系分析单元组成的分析模型，分析方法步骤为：1）wifi发射单元设置在需要检测的场所；2）wifi信号强度检测终端采集wifi发射单元发射的信号强度，将信号强度信息实时报送至数据处理终端；3）数据处理终端将接收到的信号强度与线下预先采集完成的指纹数据库进行对比，采用KNN算法计算得到实时位置信息，并采用K‑Mean聚类方法将收集的所有的位置信息进行聚类，最后将位置信息和聚类信息报送至伙伴关系分析单元；4）伙伴关系分析单元通过聚类关系和位置信息分析得到伙伴关系的分析结果。该方法实时性强，计算量小，精度高，能得到准确的伙伴关系。
-
公开(公告)号：CN112013842A
公开(公告)日：2020-12-01
申请号：CN202010890277.1
申请日：2020-08-29
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于图像地磁场和惯性传感器的多模态室内定位方法，该定位方法采用从粗到细的方法来充分利用每个模态信号的特征进行定位。首先，在室内空间中划分区域，并且在每个区域中选择基本图像以进行图像分类和匹配确定，并且确定整体范围；在此基础上，通过EMD（经验模态分解）对磁场序列信息进行滤波，并通过惯性传感器信息对位置进行精确，细粒度的匹配。该方法无需额外的设备部署即可定位，数据信息收集快速，受环境影响小，相对稳定，运行成本低，维护成本低，推广前景好。
-
-
-
-
-
-
-
-
-
Search Results
218
records
(took 0.069 seconds)
