-
公开(公告)号：CN119851693A
公开(公告)日：2025-04-18
申请号：CN202510010866.9
申请日：2025-01-03
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明提出了基于混合池化策略的轻量化伪造语音检测方法及系统，属于语音处理及生物识别技术领域；通过卷积池化操作从原始语音数据中提取时频信息；基于混合池化方法从时频信息中提取高级特征表示，即：采用最大池化法提取低频特征，采用平均池化法提取高频特征；将低频特征和高频特征进行特征拼接以获得高级特征表示；按照频域和时序的方向对高级特征表示进行统计计算以获得高级特征统计结果；基于全连接层对伪造语音进行检测并输出检测结果。本发明能够在避免特征信息损失的基础上，降低伪造语音检测时的计算量及计算复杂性，应对未知攻击能力强；同时，显著提高了对伪造语音进行检测的准确率。
-
公开(公告)号：CN114896403B
公开(公告)日：2025-04-18
申请号：CN202210565193.X
申请日：2022-05-23
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智能科技有限公司
IPC: G06F16/353 , G06F40/284 , G06F40/30 , G06F18/214 , G06F18/2415 , G06F18/2431 , G06F18/25 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及数据处理技术领域，公开了基于门控机制的企业二级行业分类方法及系统，包括：获取待分类的企业信息；将待分类的企业信息，输入到训练后的企业二级行业分类模型中，输出企业二级行业分类结果；其中，训练后的企业二级行业分类模型，其工作原理是：获取待分类企业信息的单词特征向量，再从单词特征向量中提取企业信息的上下文向量；然后，将单词特征向量与上下文向量进行拼接；对拼接后的向量分别提取上下文特征和局部显著特征；对提取的两种特征进行加权融合，将融合后的特征进行分类，得到最终分类结果。本发明减少了传统二级行业分类中的人力开支，缩短了企业行业分类的系统执行时间，且分类结果准确、系统安全。
-
公开(公告)号：CN119652510A
公开(公告)日：2025-03-18
申请号：CN202411806152.0
申请日：2024-12-10
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明公开了一种基于一次一密模式的量子安全直接通信方法，属于量子通信技术领域，包括以下步骤：Bob准备一批相干态通过量子信道发送给Alice，Alice将接收到的相干态分为两组，对其中一组执行零差检测，并将检测结果发送给Bob，Bob根据第一有效信息量进行安全检测；Alice根据秘密信息对相干态进行编码，编码后发送给Bob，Bob随机选择一个相干态执行零差检测，将结果发送给Alice，Alice根据第二有效信息量进行安全检测；Bob对其余的相干态执行零差检测并计算阈值，并进行解调得到秘密信息；本发明采用连续变量的量子态，容易产生和检测，传输过程中损耗小，安全性高，可与标准电信技术兼容。
-
公开(公告)号：CN119652426A
公开(公告)日：2025-03-18
申请号：CN202411806290.9
申请日：2024-12-10
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明提供一种连续变量量子安全直接通信的方法，属于量子安全直接通信技术领域，包括：发送端制备双模压缩纠缠光束对S，将光束S1发送给接收端；发送端将光束S1调制为第一拉盖尔‑高斯光束S′1发送给接收端；发送端选择一个子集，测量光束S2在该子集的正交位置和正交动量，并与接收端测量光束S1的结果对比，检查干扰；接收端将S′1根据秘密信息调制为第二拉盖尔‑高斯光束S″1发送给发送端，发送端将S2和S″1重新组合为光束对S′并成像，根据成像结果得出秘密信息。本发明解决了连续变量量子安全直接通信在传输过程中容易受到噪声和损耗，且实现和管理复杂的问题。
-
公开(公告)号：CN119339739A
公开(公告)日：2025-01-21
申请号：CN202411394677.8
申请日：2024-10-08
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明提供了一种基于域泛化的机械设备无监督异常声音检测方法及系统，本发明通过构建基于全局上下文的SE‑ECA融合注意力机制模块，分别构建MFCC分支网络架构和Log‑Mel分支网络架构，将所述模块添加至各分支网络架构中，分别对MFCC谱图特征和Log‑Mel谱图特征进行音频特征提取；将两个分支网络架构提取的音频特征嵌入在通道维度上进行合并，形成综合特征向量，对综合特征向量进行分类；构建并训练异常检测模型，异常检测模型利用高斯混合模型计算全局异常分数，在利用局部异常因子检测局部异常，再进行加权平均，本发明可以自动学习正常声音特征并检测异常，提升设备的异常检测性能。
-
Patent Agency Ranking
公开(公告)号：CN118016081B
公开(公告)日：2024-06-21
申请号：CN202410423860.X
申请日：2024-04-10
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本公开提供了基于语音质量分级模型的变速率语音编码方法及系统，涉及语音信号处理技术领域，包括：获取编码器不同误码率下得到的合成语音文件；将所述合成语音文件输入至语音质量分级模型中，得到语音质量的预测结果；对未来可能出现的语音质量的变化情况进行模态划分；其中，语音质量的变化情况包括三种模态，分别为平衡态、休眠态以及激活态；判断当前预测出的语音质量的所属模态，并根据当前所属模态，实时地对语音编码的速率进行自适应调整，在语音编码的自然度、可懂度和系统容量间得到最佳平衡。
-
公开(公告)号：CN115171710A
公开(公告)日：2022-10-11
申请号：CN202210799728.X
申请日：2022-07-08
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: G10L21/007 , G10L21/0224 , G10L21/0232 , G10L19/02 , G10L25/63 , G06N3/08 , G06N3/04
Abstract: 本发明属于语音信号处理的语音增强技术领域，提供了一种基于多角度判别的生成对抗网络的语音增强方法及系统。该方法包括，获取带噪声语音信号；基于带噪声语音信号，采用训练好的生成对抗网络，得到增强后的语音信号；其中，所述生成对抗网络包括一个生成器和四个判别器。本发明的多角度判别包括：增强后语音信号、干净语音与情绪语音之间的差异；同时添加从频域判别学习增强后语音信号、干净语音与情绪语音之间的频域差异。本发明从不同语音信号的语音成分进行判别，以及语音的时域频域角度，能够从不同角度充分学习语音成分，为生成器提供足够多的反馈信息，可以有效改善语音失真，提高增强后语音的语音质量。
-
公开(公告)号：CN115019833A
公开(公告)日：2022-09-06
申请号：CN202210852485.1
申请日：2022-07-20
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
Abstract: 本发明提供一种基于时频特征和全局注意力的语音情感识别方法及系统，涉及语音信号处理与模式识别技术领域，该方法通过提取三维对数梅尔谱图的时间特征和频率特征，并进行分析处理，以充分利用语音信号的静态特征和动态特征，以及静态特征和动态特征之间的通道联系，得到更深层次的特征联系，丰富了特征维度；并且，提取时间维度和空间(频率)维度数据，将其进行融合；利用空间特征提取模块和全局上下文注意力模块对时间‑频率特征进行分析，充分利用语音信号所包含的空间特征和时间特征，并对融合后的特征进行通道间的特征进行分析，其分析的特征更为全面，从而可以提高情感识别结果的准确率。
-
公开(公告)号：CN112906382B
公开(公告)日：2022-06-21
申请号：CN202110160984.X
申请日：2021-02-05
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: G06F40/284 , G06N3/08
Abstract: 本发明公开了基于图神经网络的政策文本多标签标注方法及系统，包括：获取待标注的政策文本；对待标注的政策文本进行预处理，对预处理后的政策文本进行分词；将分词得到的单词和预先得到的加权单词向量，输入到训练后的全连接神经网络中，输出待标注政策文本的多标签。高效的标签标注过程，利用廉价的计算资源，减少大量人工成本。相较于人工，实现更加精准的标签标注，不会因为文件信息量的长短而产生标签标注的错漏。及时性的政策文件多标签标注，快速进行所需政策文件的标签标注。减少了主观差异性，不会因为不同的工人的主观判断不同而造成大量的标注标签的差异性。
-
公开(公告)号：CN120032191A
公开(公告)日：2025-05-23
申请号：CN202510510088.X
申请日：2025-04-23
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06V10/764 , G06V10/82 , G06V10/40 , G06N3/0475 , G06N3/094 , G06N3/0455
Abstract: 本发明提出了一种基于动态超前迭代的对抗样本生成方法及系统，属于人工智能安全技术领域；方法包括：对原始图像预处理，生成初始对抗样本；初始化运行参数，将运行参数和初始对抗样本输入到替代模型中进行迭代计算，每次迭代前计算超前因子，根据当前迭代次数判断迭代过程阶段并动态调整超前因子；基于累积动量和动态调整后的超前因子计算超前位置和损失函数梯度，基于损失函数梯度更新累积动量，并生成对抗样本，利用裁剪函数得到最终生成的对抗扰动；当达到最大迭代次数，对原始图像添加最终生成的对抗扰动，生成最终的对抗样本；若否，则重复执行上述步骤。有效解决了固定偏移量的局限性，动量稳定性以及梯度估计准确性的问题。
-
-
-
-
-
-
-
-
-
Search Results
148
records
(took 0.077 seconds)
