-
公开(公告)号：CN103914383A
公开(公告)日：2014-07-09
申请号：CN201410139727.8
申请日：2014-04-04
Applicant: 福州大学
IPC: G06F11/36
Abstract: 本发明公开一种基于多种群协同演化遗传算法的模糊测试系统，属于软件安全测试领域，其包括：模糊测试端，负责将测试样例输入到待测系统之中，反复测试并观察待测系统。测试样本生成端，用于测试样本的产生并通过网络传输给模糊测试端并利用收集到的信息，根据基本块的覆盖次数以及不安全函数的触发情况计算个体适应度值，再结合不安全函数的类型，利用多子种群协同演化的遗传模型对测试样本进行进化产生新的样本。本发明系统的有益效果是在对网络应用程序进行测试时，提高了代码的覆盖率，改善漏洞挖掘的效率。
-
公开(公告)号：CN102930870A
公开(公告)日：2013-02-13
申请号：CN201210368983.5
申请日：2012-09-27
Applicant: 福州大学
Abstract: 本发明针对生态环境中各种背景噪声下的鸟类声音识别问题，提出了一种基于新型抗噪特征提取的鸟类声音识别技术。首先，根据适用于高度非平稳环境下的噪声估计算法求出噪声功率谱。其次，使用多频带谱减法对声音功率谱进行降噪处理。接着，结合降噪的声音功率谱提取抗噪幂归一化倒谱系数（APNCC）。最后，采用支持向量机（SVM）分别对提取的APNCC，幂归一化倒谱系数（PNCC）和Mel频率倒谱系数（MFCC）对34种鸟类声音进行不同环境和信噪比情况下的对比实验。实验表明，提取的APNCC具有较好的平均识别效果及较强的噪声鲁棒性，更适用于信噪比低于30dB环境下的鸟类声音识别。
-
公开(公告)号：CN101393553B
公开(公告)日：2010-07-21
申请号：CN200810071838.4
申请日：2008-09-24
Applicant: 福州大学
Inventor： 李应
IPC: G06F17/30
Abstract: 本发明涉及音频数据检索、分类和处理技术，为区域生态环境音频数据的分析、索引、搜索和检索提供一种高效的分类方法，包括以下步骤：1)对音频信号进行有效分段并计算分段长度；2)计算各有效分段的差分Mel频率倒谱系数矩阵；3)计算各有效分段的最大谐波分量频率成分，并建立分段长度与最大谐波分量频率成分的分布关系；4)分别确定各有效分段的分类搜索范围，并分别从数据库中搜索落入各分类搜索范围内的所有已知类型音频信号的有效分段对应的数据点；5)将各有效分段的分类参数与落入其分类搜索范围内的所有数据点的分类参数分别进行比较，根据接近程度确定各有效分段相应的可能类型；6)根据各有效分段的可能类型，最终确定待分类的音频信号的类型。
-
Patent Agency Ranking
公开(公告)号：CN103489446B
公开(公告)日：2016-01-06
申请号：CN201310470092.5
申请日：2013-10-10
Applicant: 福州大学
Abstract: 本发明涉及一种复杂环境下基于自适应能量检测的鸟鸣识别方法，其特征在于包括以下步骤：步骤1，根据鸟叫声频率分布情况将声音分成三个频带；步骤2，对包含有噪声的鸟鸣声音信号用基于噪声功率谱估计和前景声音存在概率的自适应能量检测方法检测并筛选出有用鸟鸣信号；步骤3，根据Mel尺度的分布，对有用鸟鸣信号提取Mel尺度的小波包分解子带倒谱系数（WPSCC）特征；步骤4，用支持向量机（SVM）分类器分别对提取的Mel尺度的小波包分解子带倒谱系数（WPSCC）和麦尔频率倒谱系数（MFCC）特征进行建模分类识别。通过该方法提取的WPSCC特征具有较好的抗噪功能，且经过自适应能量检测后的识别性能更佳，更适用于复杂环境下的鸟鸣识别，对复杂环境下含噪鸟鸣声音具有较好的分类识别效果。
-
公开(公告)号：CN104795064A
公开(公告)日：2015-07-22
申请号：CN201510141907.4
申请日：2015-03-30
Applicant: 福州大学
Abstract: 本发明涉及一种低信噪比声场景下声音事件的识别方法，该方法把待测声音事件中的场景声音，与声音事件样本集相结合，通过GLCM-HOSVD提取声音数据的特征，生成判别待测声音事件判别的RF。利用这种方法生成的RF，可以在特定场景中，实现低信噪比下，声音事件的识别。实验结果表明，该方法能使声音事件与场景声音信噪比为-5dB的情况，保持平均精度73%以上声音事件的识别率。与MP，SPD提取特征的方法相比，一定程度上说，我们所提出的这种方法解决了低信噪比情况下，声音事件的识别问题。
-
公开(公告)号：CN103489446A
公开(公告)日：2014-01-01
申请号：CN201310470092.5
申请日：2013-10-10
Applicant: 福州大学
Abstract: 本发明涉及一种复杂环境下基于自适应能量检测的鸟鸣识别方法，其特征在于包括以下步骤：步骤1，根据鸟叫声频率分布情况将声音分成三个频带；步骤2，对包含有噪声的鸟鸣声音信号用基于噪声功率谱估计和前景声音存在概率的自适应能量检测方法检测并筛选出有用鸟鸣信号；步骤3，根据Mel尺度的分布，对有用鸟鸣信号提取Mel尺度的小波包分解子带倒谱系数（WPSCC）特征；步骤4，用支持向量机（SVM）分类器分别对提取的Mel尺度的小波包分解子带倒谱系数（WPSCC）和麦尔频率倒谱系数（MFCC）特征进行建模分类识别。通过该方法提取的WPSCC特征具有较好的抗噪功能，且经过自适应能量检测后的识别性能更佳，更适用于复杂环境下的鸟鸣识别，对复杂环境下含噪鸟鸣声音具有较好的分类识别效果。
-
公开(公告)号：CN101226558B
公开(公告)日：2011-08-31
申请号：CN200810070557.7
申请日：2008-01-29
Applicant: 福州大学
Inventor： 李应
IPC: G06F17/30
Abstract: 本发明属于多媒体数据检索、处理技术，提供一种基于MFCCM的音频数据检索方法，通过构建音MFCCM，对MFCCM进行多列塔型检索，MFCCM与mfcc_q矩阵列的相似性分析，计算MFCCM与mfcc_q相关帧的距离等步骤实现。本发明所采用的方法克服现有方法中存在的检索效率和检索精度的问题，为多媒体数据检索、处理，音频数据分析、索引、搜索和检索提供一种高效率和高精度的方法。
-
公开(公告)号：CN101393553A
公开(公告)日：2009-03-25
申请号：CN200810071838.4
申请日：2008-09-24
Applicant: 福州大学
Inventor： 李应
IPC: G06F17/30
Abstract: 本发明涉及音频数据检索、分类和处理技术，为区域生态环境音频数据的分析、索引、搜索和检索提供一种高效的分类方法，包括以下步骤：1)对音频信号进行有效分段并计算分段长度；2)计算各有效分段的差分Mel频率倒谱系数矩阵；3)计算各有效分段的最大谐波分量频率成分，并建立分段长度与最大谐波分量频率成分的分布关系；4)分别确定各有效分段的分类搜索范围，并分别从数据库中搜索落入各分类搜索范围内的所有已知类型音频信号的有效分段对应的数据点；5)将各有效分段的分类参数与落入其分类搜索范围内的所有数据点的分类参数分别进行比较，根据接近程度确定各有效分段相应的可能类型；6)根据各有效分段的可能类型，最终确定待分类的音频信号的类型。
-
-
-
-
-
-
-
Search Results
28
records
(took 0.022 seconds)
