-
公开(公告)号：CN117995198B
公开(公告)日：2024-07-05
申请号：CN202410389359.6
申请日：2024-04-02
Applicant: 暨南大学
IPC: G10L17/18 , G10L15/06 , G10L17/04 , G10L25/51 , G06F18/213 , G06F18/24 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/094
Abstract: 本发明公开了一种基于多任务对抗解耦学习的语音隐私保护方法及系统，该方法包括下述步骤：对语音信号提取声学特征得到特征编码结果，基于三个并行的通道注意力计算模块构建信息解耦模块，将特征编码结果进行多任务解耦特征学习，进行年龄段分类、自动语音解码和身份识别，并基于年龄段分类、自动语音解码和身份识别对应的损失函数进行监督训练，计算解耦特征信息的整体相似度并构建最小‑最大目标，HiFi‑GAN生成器将相加后的特征信息进行隐秘音频重建，输出隐秘音频。本发明在维护隐私的同时避免丢失其中的年龄属性，并确保下游的年龄估计任务具有良好的预测精度，并且从隐私保护的角度出发添加相似度约束，实现高精度的年龄识别。
-
公开(公告)号：CN111474128B
公开(公告)日：2023-03-14
申请号：CN202010398620.0
申请日：2020-05-12
Applicant: 暨南大学
Abstract: 本发明公开了一种基于光谱分离度的分光波长组合方法，包括以下步骤：测量每个需要判别样品的阴性、阳性样品的光谱；计算全体阴性、阳性样品在每个波长的光谱吸光度的最小值、最大值、均值、标准差；提出阴性、阳性光谱种群的分离度谱、相对分离度谱；确定波长模型的搜索范围，按照分离度值从大到小将波长重新排序，并依次构建波长组合；采用样品的光谱数据进行判别分析，计算识别准确率，并根据总识别准确率确定最优模型。本发明提出的四种分离度从不同角度刻画了光谱种群的分离程度。依据光谱分离度优先选择波长进行分析，可以提升光谱种群的同类相似性和异类差异性特征，从而提高仪器分析的判别准确率。它通常优于没有进行波长选择的全搜索范围模型，显著降低了波长模型复杂度。
-
公开(公告)号：CN112326574B
公开(公告)日：2023-11-14
申请号：CN202011218448.2
申请日：2020-11-04
Applicant: 暨南大学
IPC: G01N21/31 , G06F18/2415
Abstract: 本发明公开了一种基于贝叶斯分类的光谱波长选择方法：分别收集需要进行光谱判别分析的每类样品；测试所述样品的光谱，用于光谱判别分析的建模和检验；将每一类样品随机/均匀划分为建模集和检验集；建模集随机/均匀划分为定标集和预测集；对任意的波长模型提取相应的光谱数据，用于贝叶斯多分类判别分析。针对任意波长模型的光谱，构建贝叶斯多分类判别分析模型；基于单波长吸光度服从正态分布和概率独立性假设，并采用概率乘法及其对数，计算测量到相应光谱的条件概率，并把样品判断为条件概率的最大值所对应的类别；采用适当的波长模型选择方法，构建所有波长模型，依据贝叶斯多分类判别分析模型的总预测准确率最大兼顾各类预测准确率的标准偏差最小，获得最优波长模型。本发明具有应用范围宽、方法简便、预测效果好等优点。
-
公开(公告)号：CN111474124A
公开(公告)日：2020-07-31
申请号：CN202010479733.3
申请日：2020-05-29
Applicant: 暨南大学
Abstract: 本发明公开了一种基于补偿的光谱波长选择方法，包括以下步骤：1、测量需要用于光谱判别分析的两类样品的光谱；2、把全部样品划分为建模集和检验集，并将建模集进一步划分为定标集、预测集；3、确定波长模型的搜索范围；4、建立光谱判别分析模型；5、计算识别准确率及其标准偏差；6、确定波长模型。本发明与现有技术比较，具有如下优点和有益效果：本发明具有应用范围宽、方法简便、预测效果好等优点；应用于光谱定性分析，为光谱判别分析专用仪器的分光系统设计提出有效的解决方案。
-
公开(公告)号：CN101788459A
公开(公告)日：2010-07-28
申请号：CN201010111156.9
申请日：2010-02-08
Applicant: 暨南大学
Inventor： 潘涛
Abstract: 本发明公开了一种准连续方式的分光波长组合方法，包括以下步骤：S1、测试样品光谱数据和参考化学值；选择波段；S2、设置波长组合点数N的取值范围，设置波长组合间隔G的取值范围；S3、N＝Nmin，G＝Gmin；S4、设置波长组合起点B从波段内的第一个波长依次变化到最后一个波长；查找所有B、N和G的参数组合，建立模型；S5、判断G＜Gmax是否成立，若是，则增加G，并返回S4，否则G＝Gmin，并进入S6；S6、判断N＜Nmax是否成立，若是，则增加N，并返回S4，否则进入S7；S7、求出所有数学模型的评价指标，选取最佳的模型，得到对应的波长组合。本发明具有计算量少、遴选自由度大、效果好的优点。
-
Patent Agency Ranking
公开(公告)号：CN111474124B
公开(公告)日：2023-04-07
申请号：CN202010479733.3
申请日：2020-05-29
Applicant: 暨南大学
IPC: G01N21/25 , G06F18/25 , G06F18/2135
Abstract: 本发明公开了一种基于补偿的光谱波长选择方法，包括以下步骤：1、测量需要用于光谱判别分析的两类样品的光谱；2、把全部样品划分为建模集和检验集，并将建模集进一步划分为定标集、预测集；3、确定波长模型的搜索范围；4、建立光谱判别分析模型；5、计算识别准确率及其标准偏差；6、确定波长模型。本发明与现有技术比较，具有如下优点和有益效果：本发明具有应用范围宽、方法简便、预测效果好等优点；应用于光谱定性分析，为光谱判别分析专用仪器的分光系统设计提出有效的解决方案。
-
公开(公告)号：CN112326574A
公开(公告)日：2021-02-05
申请号：CN202011218448.2
申请日：2020-11-04
Applicant: 暨南大学
Abstract: 本发明公开了一种基于贝叶斯分类的光谱波长选择方法：分别收集需要进行光谱判别分析的每类样品；测试所述样品的光谱，用于光谱判别分析的建模和检验；将每一类样品随机/均匀划分为建模集和检验集；建模集随机/均匀划分为定标集和预测集；对任意的波长模型提取相应的光谱数据，用于贝叶斯多分类判别分析。针对任意波长模型的光谱，构建贝叶斯多分类判别分析模型；基于单波长吸光度服从正态分布和概率独立性假设，并采用概率乘法及其对数，计算测量到相应光谱的条件概率，并把样品判断为条件概率的最大值所对应的类别；采用适当的波长模型选择方法，构建所有波长模型，依据贝叶斯多分类判别分析模型的总预测准确率最大兼顾各类预测准确率的标准偏差最小，获得最优波长模型。本发明具有应用范围宽、方法简便、预测效果好等优点。
-
公开(公告)号：CN104020124B
公开(公告)日：2016-08-24
申请号：CN201410233964.0
申请日：2014-05-29
Applicant: 暨南大学
IPC: G01N21/35 , G01N21/359
Abstract: 本发明公开了一种基于吸收率择优的分光波长筛选方法，包括：S1、测试样品得到光谱数据和指标测定值；S2、选择用于波长筛选的范围Δ，确定吸收率最大值Amax和最小值Amin；S3、设置吸收率步长ε，将(Amin,Amax)n等分；S4、从Amin对应的起点、Amax对应的终点、以及n?1个等分点中任取两点进行组合，得到一吸收率区间(A*,A*)；S5、确定(A*,A*)所对应的波长组合；S6、按照上述步骤S4、S5，穷举所有的吸收率区间(A*,A*)，对每一个吸收率区间对应的波长组合建立定标预测模型，计算均方根误差或相关系数；S7、找到均方根误差最小值或相关系数最大值所对应的吸收率区间，该吸收率区间对应的波长组合即为分光波长的筛选结果。本发明具有计算量少、预测效果好的优点。
-
公开(公告)号：CN117995198A
公开(公告)日：2024-05-07
申请号：CN202410389359.6
申请日：2024-04-02
Applicant: 暨南大学
IPC: G10L17/18 , G10L15/06 , G10L17/04 , G10L25/51 , G06F18/213 , G06F18/24 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/094
Abstract: 本发明公开了一种基于多任务对抗解耦学习的语音隐私保护方法及系统，该方法包括下述步骤：对语音信号提取声学特征得到特征编码结果，基于三个并行的通道注意力计算模块构建信息解耦模块，将特征编码结果进行多任务解耦特征学习，进行年龄段分类、自动语音解码和身份识别，并基于年龄段分类、自动语音解码和身份识别对应的损失函数进行监督训练，计算解耦特征信息的整体相似度并构建最小‑最大目标，HiFi‑GAN生成器将相加后的特征信息进行隐秘音频重建，输出隐秘音频。本发明在维护隐私的同时避免丢失其中的年龄属性，并确保下游的年龄估计任务具有良好的预测精度，并且从隐私保护的角度出发添加相似度约束，实现高精度的年龄识别。
-
公开(公告)号：CN117975971A
公开(公告)日：2024-05-03
申请号：CN202410389361.3
申请日：2024-04-02
Applicant: 暨南大学
IPC: G10L17/18 , G10L17/04 , G10L25/51 , G06F18/213 , G06F18/24 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于隐私保护的声纹年龄段估计方法及系统，该方法包括下述步骤：获取原始声纹并进行分帧处理，识别并标记原始声纹的敏感信息，进行脱敏处理并输出具有差分隐私噪声的声纹数据，基于多重编码器进行编码并进行维度叠加及卷积操作，将增强后的特征向量进行维度特征交互，得到维度扩展的特征向量，融合时域和空域信息得到融合特征向量，进行维度变换和非线性映射得到低维特征表示，利用残差链接整合低维特征表示和维度扩展的特征向量，得到用于年龄估计的特征表示，用于年龄估计的特征表示输入Softmax分类器得到声纹年龄段估计结果。本发明更精准地捕捉声音数据中的年龄相关特征，提高隐私条件下年龄段估计的鲁棒性和准确性。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.024 seconds)
