-
公开(公告)号：CN113128399B
公开(公告)日：2022-05-17
申请号：CN202110418369.4
申请日：2021-04-19
Applicant: 重庆大学
Abstract: 本发明涉及视频处理技术领域，具体公开了一种用于情感识别的语音图像关键帧提取方法，该方法针对传统的基于驾驶员情感识别的语音图像关键帧提取方法存在关键帧冗余、丢失重要的情感信息等问题，首先将情感视频分为语音信息和图像信息；此外，利用语音活动检测算法处理语音信息来提取初步语音关键帧；其次，利用信息熵的思想表征人类情感产生是一个连续过程，并利用感知哈希算法有效地提取初步图像关键帧；最后，在语音图像关键帧对齐处理中利用语音和图像模态之间的互补性提取最终语音关键帧和最终图像关键帧。实验结果表明：本方法不仅有效地减少了语音和图像关键帧的冗余，而且也有效地保存了重要的情感信息。
-
公开(公告)号：CN111354338B
公开(公告)日：2022-03-15
申请号：CN202010119313.4
申请日：2020-02-26
Applicant: 重庆大学
Abstract: 本发明公开一种基于PSO卷积核优化稀疏迁移学习的帕金森语音识别系统，包括：数据采集模块、公共数据库、目标数据库和分类识别器；系统将公共语音数据集的语音特征进行卷积稀疏学习，得到相应的卷积核；然后利用目标数据库中的一部分目标数据集进行卷积稀疏编码及样本和特征并行优选；通过PSO算法得到最优卷积核；然后基于最优卷积核，利用目标数据库中的另一部分目标数据集进行卷积稀疏编码及样本和特征并行优选；从而得到系统最优卷积核及最佳样本和特征；最后数据采集模块采集待测对象的语音数据基于最优卷积核进行卷积稀疏编码，提取编码后的最佳样本和特征，由分类识别器得出测试结果。本系统分类准确率高，样本需求量少，实施方便。
-
公开(公告)号：CN113393932A
公开(公告)日：2021-09-14
申请号：CN202110761463.X
申请日：2021-07-06
Applicant: 重庆大学
Abstract: 本发明涉及语音分类技术领域，具体公开了一种帕金森病语音样本段多类型重构变换方法，首先，设计重构算子对原始数据样本段进行变换，从而得到第一目标数据集；其次，考虑到样本间的差异性，对原始数据集进行聚类重构，得到第二目标数据集；再次，利用聚类重构的新样本段集对聚类后的数据样本集进行卷积处理，得到第三目标数据集；最后，基于这三个新数据集分别训练子分类器，然后对分类结果进行决策加权融合。本发明提出了基于多类型重构和聚类算法的PD语音样本变换算法，有效获得高质量新样本，从而提高识别准确率。实验结果表明本方法构建的三个新样本数据集都比变换前的原数据集具有较高的准确率。
-
公开(公告)号：CN113284512A
公开(公告)日：2021-08-20
申请号：CN202110568802.2
申请日：2021-05-25
Applicant: 重庆大学
Abstract: 本发明涉及帕金森语音数据集分类技术领域，具体公开了一种基于深度稀疏迁移学习的帕金森语音分类方法，该方法首先采用基于中间集的稀疏迁移学习方法对帕金森公共语音数据集生成最优卷积核(步骤S1)，进一步采用聚类方法聚类生成帕金森目标数据集A的深度样本空间(步骤S2)，进一步采用卷积稀疏编码基于最优卷积核组生成深度样本空间dA的深度特征映射空间(步骤S3)，进一步将深度特征映射空间dE向量化扩展为dG并划分为训练集和测试集(步骤S4)。本发明迁移适用于帕金森目标数据集A的最优结构表达并挖掘其复杂结构信息(步骤S1～S4)，从而提高最终的分类准确率，LOSO交叉验证下准确率高达99.5％，优于目前的最优方法(准确率97.5％)。
-
公开(公告)号：CN108537271B
公开(公告)日：2021-02-05
申请号：CN201810305146.5
申请日：2018-04-04
Applicant: 重庆大学
Abstract: 本发明涉及一种基于卷积去噪自编码机防御对抗样本攻击的方法。对抗图像样本x*(图像分类器识别输出标签为y*)是在未经修改的干净图像样本x(图像分类器识别输出标签为y)上经过人为添加对抗扰动所构建的，能够达到y*≠y的欺诈目的，即使图像分类器将两张本质上代表相同含义的图像错误分成两类。本发明设计了一种基于卷积去噪自编码机CDAE连接至目标图像分类器的集成防御模型，即输入样本首先经过一个训练有素的CDAE内部编码和解码，以移除输入样本中绝大部分对抗扰动，从而输出一个接近于原始干净样本的去噪样本，接着再喂给目标图像分类器，因此可以提升目标分类器分类正确率，起到防御对抗样本攻击的作用。
-
Patent Agency Ranking
公开(公告)号：CN111354338A
公开(公告)日：2020-06-30
申请号：CN202010119313.4
申请日：2020-02-26
Applicant: 重庆大学
Abstract: 本发明公开一种基于PSO卷积核优化稀疏迁移学习的帕金森语音识别系统，包括：数据采集模块、公共数据库、目标数据库和分类识别器；系统将公共语音数据集的语音特征进行卷积稀疏学习，得到相应的卷积核；然后利用目标数据库中的一部分目标数据集进行卷积稀疏编码及样本和特征并行优选；通过PSO算法得到最优卷积核；然后基于最优卷积核，利用目标数据库中的另一部分目标数据集进行卷积稀疏编码及样本和特征并行优选；从而得到系统最优卷积核及最佳样本和特征；最后数据采集模块采集待测对象的语音数据基于最优卷积核进行卷积稀疏编码，提取编码后的最佳样本和特征，由分类识别器得出测试结果。本系统分类准确率高，样本需求量少，实施方便。
-
公开(公告)号：CN107170445B
公开(公告)日：2020-03-31
申请号：CN201710325414.5
申请日：2017-05-10
Applicant: 重庆大学
Abstract: 本发明公开了一种基于语音混合信息特征协同优选判别的帕金森症检测装置，包括：信号采集器、处理器以及结果输出模块；所述信号采集器：用于获取诊断对象的语音信息；所述处理器：包括用于提取语音特征的特征提取模块以及预先训练好的分类器，通过所述分类器判断诊断对象是否属于帕金森症患者；所述结果输出模块：用于输出分类器的判断结果。本发明提供的一种基于语音混合信息特征协同优选判别的帕金森症检测装置，诊断过程采用分类器，通过大量数据训练和测试，精度高，而且使用方便。
-
公开(公告)号：CN108985365A
公开(公告)日：2018-12-11
申请号：CN201810732829.9
申请日：2018-07-05
Applicant: 重庆大学
Abstract: 本发明公开了一种基于深度子空间切换集成学习的多源异构数据融合方法，按照以下步骤进行：S1：分别对每个源数据集进行特征提取，并组成空谱特征；S2：重组构成空谱特征数据集；S3：基于深度样本学习算法对空谱特征数据集中的样本数据进行处理，形成原始样本、一阶样本和二阶样本；S4：针对三组样本集，分别构建分类器模型；S5：对三组模型分别采用各自合适的分类方式进行分类，得到三组分类结果，然后通过分类投票得到最终的分类结果。其效果是：本发明联合光谱空间信息并融入分层子空间切换集成学习算法，利用了多尺度的空谱样本，增加了有用样本，提高了训练的质量，既保留了边缘信息，又提高了样本的多样性和可分性。
-
公开(公告)号：CN108599884A
公开(公告)日：2018-09-28
申请号：CN201810223110.2
申请日：2018-03-19
Applicant: 重庆大学
IPC: H04B17/391 , H04B17/309 , H04B17/345
CPC classification number: H04B17/3912 , H04B17/309 , H04B17/345
Abstract: 本发明公开了一种噪声增强最小化错误概率的信号检测方法，属于信号处理领域。它是一种利用对系统添加的最优加性噪声，改善最大后验概率准则下二元信号假设检验检测性能的方法。首先给非线性系统输入信号加入与之独立的加性噪声；经过非线性系统后，获得加噪后的非线性系统输出信号；然后在最大后验概率准则下，利用所述加噪后的非线性系统输出信号来进行判决，建立起噪声增强最小错误概率检测模型；再求解该模型对应的最优加性噪声，并获得最小错误概率下的检测结果。本发明利用噪声增强特性，在最大后验概率准则下，实现了减小系统输出判决错误概率的目的。
-
公开(公告)号：CN108281183A
公开(公告)日：2018-07-13
申请号：CN201810090071.3
申请日：2018-01-30
Applicant: 重庆大学
Abstract: 本发明公开一种基于卷积神经网络和迁移学习的宫颈涂片图像诊断系统，包括：样本数据库，用于存储训练样本；预训练模型，该模型采用卷积神经网络模型，包括卷积层、池化层和全连接层，并利用所述样本数据库中的训练样本进行训练，使其满足多分类要求；重构模型，该模型通过迁移预训练模型中卷积层、池化层的网络结构和参数，通过修改全连接层架构，使其满足宫颈涂片图像分类任务；待测样本获取模块，用于获取待测的宫颈涂片图像样本，通过输入所述重构模型得到对应的分类结果。其效果是：系统能够允许不同大小的图像输入，具有高性能的分类效果，对宫颈癌的早期筛查和诊断具有较好的辅助效果。
-
-
-
-
-
-
-
-
-
Search Results
116
records
(took 0.054 seconds)
