-
公开(公告)号：CN114678095A
公开(公告)日：2022-06-28
申请号：CN202210399534.0
申请日：2022-04-15
Applicant: 杭州电子科技大学
IPC: G16H10/60 , G16H50/20 , G06F16/33 , G06F16/332 , G06F16/335 , G06F16/338 , G06F40/289 , G10L15/06 , G10L15/26
Abstract: 本发明公开了一种基于深度语言模型和模板定制的医学语料扩充方法，针对医疗领域语料中疾病、药品、器械的专业名词比其他场景多等问题，本发明采用模板定制的方法，提高了医疗专业名词在生成语料中出现的概率。针对不同种类疾病、不同科室之间，名词术语差异性大，而分别针对不同疾病、不同科室进行手工制作大规模模板是不现实的问题，本发明采用深度语言模型从相近或相关的域外文本数据集中自动的生成大量的、多样的医疗模板句子，从而有效地扩充医疗语料库，降低了人工采集数据花费的时间与经济成本。
-
公开(公告)号：CN114224363A
公开(公告)日：2022-03-25
申请号：CN202210087829.4
申请日：2022-01-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于双流3D深度神经网络的儿童癫痫综合征辅助分析方法。首先对脑电数据进行预处理，然后将经过预处理的脑电数据，分别转换为双极纵向导联EEG数据和平均参考导联EEG数据；再提取时频特征和频空特征；最后将得到的时频、频空特征图片传入双流3D卷积神经网络中，通过双流3D卷积神经网络中的注意力机制模块将提取不同通道间的信息，最终把时频输入流和频空输入流的softmax概率输出进行平均加权得到相应儿童癫痫综合征类别。本发明能够获得较高的分类准确率，实现对儿童癫痫综合征的精确分类。
-
公开(公告)号：CN113851119A
公开(公告)日：2021-12-28
申请号：CN202111118137.3
申请日：2021-09-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于Min‑Max单分类深度神经网络的城市噪声识别方法。本发明包括如下步骤：步骤1、采集城市噪声信号，对采集的噪声信号进行预处理；步骤2、构建深度卷积神经网络；步骤3、构建单分类Min‑Max损失函数，训练神经网络权重、单分类超球面球心、以及决策阈值；步骤4、计算单分类器阈值；步骤5、对未知信号进行分类预测。本发明通过对每一种新出现的城市噪声建立单分类深度神经网络模型，获取包围同一类声音数据的超球面，来解决无法穷举各种声音类型的问题；通过构建深度神经网络提升模型对城市噪声信号的表示能力，提升监测性能；构建Min‑Max单分类损失函数，通过对超球面半径隐式地约束提升模型性能。
-
公开(公告)号：CN113782184A
公开(公告)日：2021-12-10
申请号：CN202110918761.5
申请日：2021-08-11
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于面部关键点与特征预学习的脑卒中辅助评估系统。本发明包括数据采集模块、关键点定位模型训练模块、特征预学习模型训练模块和快速诊断评估模型构建模块。本发明首先利用在公开的大数据量的面瘫数据集中进行特征预学习，随后在脑卒中小样本数据集上进行针对性的特征学习从而获取具有高刻画度的脑卒中面部变化图像特征，其次采用面部多关键点定位算法对脑卒中面部区域进行分割定位，分割出眼部、嘴部区域，将得到的眼部以及嘴部区域送入卷积神经网络进行特征提取，最后对不同区域的特征进行分类，最终得到脑卒中面部评估量化标准。本发明能快速、简单、精确的对脑卒中进行辅助检测与康复评估，为医生提供客观、科学的诊断依据。
-
Patent Agency Ranking
公开(公告)号：CN113158955A
公开(公告)日：2021-07-23
申请号：CN202110481365.0
申请日：2021-04-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于聚类引导和成对度量三元组损失的行人重识别方法。本发明步骤：1、基于深度学习网络输出的特征和其对应的标签，获取相似度矩阵；2、计算成对度量中的余弦相似度度量难样本采样损失；3、计算成对度量中的欧式相似度度量难样本采样损失。4、计算聚类引导修正项，并融合所有损失得到聚类引导和成对度量三元组损失。5、聚类引导和成对度量三元组损失与基于表征学习的交叉熵损失结合得到最终损失，加入网络参数训练更新。本发明结合成对度量方式使得深度学习模型能够互补性地从不同角度挖掘样本相似度，并通过聚类引导的修正项最大化样本之间的相似度，最终应用到行人重识别的深度学习训练中提高模型的表现。
-
公开(公告)号：CN110501683B
公开(公告)日：2021-06-04
申请号：CN201910764890.6
申请日：2019-08-19
Applicant: 杭州电子科技大学
IPC: G01S7/41
Abstract: 本发明公开一种基于四维数据特征的海陆杂波分类方法，由于传统的海陆杂波背景下的目标检测方法主要是基于对雷达杂波的统计建模，造成了检测结果强依赖于杂波统计模型的准确度，而实际情况是海洋和陆地回波信号因自身环境的复杂性和受天气，温度，人工干扰等情况的影响，造成较难建立与实际情况一致的杂波统计模型。因此，提出一种基于雷达数据本身特性和模型参数相结合的四维特征分类方法，将回波数据的短时能量，过零率和相关性特性与统计模型的形状参数共同构建特征向量空间，在此基础上，用机器学习算法极限学习机解析分类结果，无复杂的迭代过程，以提高实时性和泛化性能。
-
公开(公告)号：CN106297770B
公开(公告)日：2019-11-22
申请号：CN201610634966.X
申请日：2016-08-04
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于时频域统计特征提取的自然环境识别方法。本发明包括如下步骤：步骤1、采集各类自然环境的声音，如发动机、汽车喇叭、风噪声等，建立声音样本库；步骤2、声音样本信号的加窗分帧处理；步骤3、提取所有帧信号在时域上的统计特征；步骤4、标记特征向量所属声音来源的种类，建立样本特征库；步骤5、利用支持向量机训练特征向量，建立训练模型；步骤6，提取目标声音的特征向量；步骤7、利用支持向量机对目标声音的特征向量进行匹配分类；步骤8、提供识别结果。本发明弥补了传统的声音LPCC和MFCC特征提取方法在时频结合方面的不足，能够判断各类目标声音的所属类型。
-
公开(公告)号：CN106779091B
公开(公告)日：2019-02-12
申请号：CN201611205044.3
申请日：2016-12-23
Applicant: 杭州电子科技大学
IPC: G06N20/00
Abstract: 本发明公开了一种基于超限学习机及到达距离的周期振动信号定位方法。本发明包括如下步骤：步骤1、基于已知准确基频和到达距离，获取训练距离预测模型。步骤2、分别获取同一时间段内3个及以上的节点处采集得到的未知基频与到达距离的周期振动信号；步骤3、针对任一节点处的周期振动信号，进行准确基频fi的提取，并基于得到的准确基频进行FBED特征向量的提取；步骤4、对任一节点处周期振动信号，提取得到FBED特征向量W，利用训练好的ELM预测模型对特征向量W进行距离估计，得到对应的距离估计值di；步骤5、计算振动源的估计坐标。本发明实现单节点下高精度的距离估计且具有极快的训练和实时估计的速度，降低了传感器网络布设的成本。
-
公开(公告)号：CN204738079U
公开(公告)日：2015-11-04
申请号：CN201520239864.9
申请日：2015-04-20
Applicant: 杭州电子科技大学
IPC: D01H13/16
Abstract: 本实用新型公开了一种双线圈电磁感应差分式的细纱断线检测装置，包括两个永磁体、线圈、钢领板、钢领和钢丝圈；两个永磁体同轴设置在钢领板上，两个永磁体之间距离可调，同一根线圈缠绕在两个永磁体上，钢领固定设置在钢领板上，钢丝圈环扣在钢领上，钢领的轴心位于两个永磁体连线的中垂线上，永磁体连线的中点和钢领轴心的垂直距离为钢领凸起部分内径的一半加上3～5mm。本实用新型成本低，装置体积小便于安装，抗干扰能力强，对飘纱等各种纺纱现场常见情况适应性强，对于断线检测精度高，响应速度快，适用频率范围广，有效的实现了快速监测断线的功能，便于立即重接提高生产率。
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.028 seconds)
