-
公开(公告)号:CN114218942B
公开(公告)日:2024-07-05
申请号:CN202111517157.8
申请日:2021-12-13
Applicant: 南京邮电大学
IPC: G06F40/289 , G06F40/242 , G06F40/216 , G06N3/0464 , G06N3/047 , G06N3/045
Abstract: 本发明是一种基于ShuffleNet的中文歌词情感分析方法,包括步骤1:对歌词文本数据集进行预处理;步骤2:使用jieba分词工具对歌词文本进行分词并去除停用词;步骤3:对分词之后的结果进行词嵌入,将其转换为向量的形式;步骤4:构建ShuffleNet网络,通过ShuffleNet网络得到score1;步骤5:构建歌曲情感词典;步骤6:将步骤2得到的分词之后的结果通过情感词典和计算规则计算出情感得分,并通过softmax函数得到score2;步骤7:将score1和score2进行融合,从而得出最终情感得分。本发明提升了对中文歌词情感分析的准确率,从而更准确的对歌曲进行分类。
-
公开(公告)号:CN115188042A
公开(公告)日:2022-10-14
申请号:CN202210710970.5
申请日:2022-06-22
Applicant: 南京邮电大学
IPC: G06V40/16 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种人脸表情识别方法、装置及存储介质,所述方法包括获取人脸表情识别数据集,对数据集中的图片进行预处理;将所述预处理后的数据集划分为训练集、验证集和测试集,并对划分后的数据进行数据增强处理;将所述增强后的数据输入预先构建的轻量级人脸表情识别模型中进行特征提取,其中,所述轻量级人脸表情识别模型对输入的图像进行自动识别并输出预测结果,本发明极大的减少了参数数量和计算运算成本;同时加强各通道之间的联系,提升模型识别的准确率,防止了整体网络的过拟合问题。
-
公开(公告)号:CN113158186A
公开(公告)日:2021-07-23
申请号:CN202110294640.8
申请日:2021-03-19
Applicant: 南京邮电大学
IPC: G06F21/56
Abstract: 本发明揭示了一种Android恶意软件静态检测方法,该方法包括以下步骤:S1:对数据集检测样本进行统计、分类,S2:对待测软件进行下载,在安装的过程对待测软件进行检测,S3:对待测软件进行预处理,S4:判断待测软件签名是否一致,如一致的话,则判断待测软件是否包含恶意代码,如不一致,则判断待测软件是否有权限特征码,S5:如判断待测软件签名不一致,则判断软件为恶意软件,取消安装并提示软件有问题。通过该检测方法,采集智能手机软件中的权限、API、签名信息、代码等信息,保护用户在安装软件过程中的安全性,保护用户的隐私、资金等信息不被恶意软件窃取,增加智能手机安全性的应用功能,提高智能手机系统的可靠性。
-
公开(公告)号:CN117953531A
公开(公告)日:2024-04-30
申请号:CN202311765142.2
申请日:2023-12-20
Applicant: 南京邮电大学
IPC: G06V30/422 , G06V30/148 , G06V30/19
Abstract: 本发明公开了一种基于深度学习的机械图纸形位公差识别方法,该方法包括如下步骤:步骤1:通过深度神经网络中的目标检测算法,对机械图纸中的形位公差标注框进行识别并定位,得到公差标注框的相对位置信息;步骤2:基于步骤1中定位的特征位置,截取公差标注框图像,通过深度神经网络中图像分割算法对公差标注框的结构进行识别,分离各单元格;步骤3:根据步骤2中获取的标注框结构,通过深度神经网络中的字符识别算法识别并提取每个单元格中的字符信息。本发明通过将基于深度学习的图像识别技术应用于机械图纸中形位公差识别,实现自动化识别图纸生成检测计划,通过自行标注的形位公差标注框专用训练数据集进行迁移学习,提高了目标检测精度。
-
公开(公告)号:CN114662586A
公开(公告)日:2022-06-24
申请号:CN202210271617.1
申请日:2022-03-18
Applicant: 南京邮电大学
Abstract: 一种基于共注意的多模态融合机制检测虚假信息的方法,包括如下步骤,步骤S1.构建提取文本特征的BERT模型;步骤S2.构建提取视觉特征的R‑CNN模型;步骤S3.构建融合文本与视觉特征的共注意转换器层Co‑TRM模型;步骤S4.将融合后的特征向量输入到域分类器中,将不同信息的多模态特征映射到相同的特征空间,将文本分类为不同的事件,并删除事件特殊的特征;步骤S5.将融合后的特征向量输入到虚假信息检测器中,利用潜在的多模态特征判断信息的真假。该方法利用共注意机制,通过使用随机像素采样机制来增强视觉表现的鲁棒性,改善多模态模型结构,分别加强文本特征和视觉特征的提取方法,提高了不同模态之间的信息交流,有利于提高虚假信息检测的准确性。
-
公开(公告)号:CN112948832A
公开(公告)日:2021-06-11
申请号:CN202110294638.0
申请日:2021-03-19
Applicant: 南京邮电大学
IPC: G06F21/56
Abstract: 本发明揭示了一种基于行为建模的恶意软件检测方法,该方法包括以下步骤:S1:采集恶意软件和良性软件调用的权限、API和产生的行为数据,按照软件的类型进行分类;S2:将S1步骤中采集到的数据进行预处理,并将采集到的行为根据时间排序,将每条行为与所调用的权限和API进行关联,形成一个数据集,利用机器学习算法训练模型;S3:根据S2步骤中得到的模型来检测当前软件产生的行为,判断行为是否为恶意行为,并对每个软件设置信任值,通过行为检测结果维护信任值。该方法通过采集智能手机软件运行过程中的行为序列,能够及时地制止恶意软件的恶意行为,保护用户在使用软件过程中的安全性,提高智能手机系统的可靠性。
-
公开(公告)号:CN114218942A
公开(公告)日:2022-03-22
申请号:CN202111517157.8
申请日:2021-12-13
Applicant: 南京邮电大学
IPC: G06F40/289 , G06F40/242 , G06F40/216 , G06N3/04
Abstract: 本发明是一种基于ShuffleNet的中文歌词情感分析方法,包括步骤1:对歌词文本数据集进行预处理;步骤2:使用jieba分词工具对歌词文本进行分词并去除停用词;步骤3:对分词之后的结果进行词嵌入,将其转换为向量的形式;步骤4:构建ShuffleNet网络,通过ShuffleNet网络得到score1;步骤5:构建歌曲情感词典;步骤6:将步骤2得到的分词之后的结果通过情感词典和计算规则计算出情感得分,并通过softmax函数得到score2;步骤7:将score1和score2进行融合,从而得出最终情感得分。本发明提升了对中文歌词情感分析的准确率,从而更准确的对歌曲进行分类。
-
-
-
-
-
-