公开(公告)号：CN116028554A

公开(公告)日：2023-04-28

申请号：CN202310096656.7

申请日：2023-01-19

Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司 ,  杭州电子科技大学

Inventor： 张翔 ,  倪瑜那 ,  赵坚 ,  傅俊伟 ,  周志光

IPC: G06F16/2458 ,  G06F16/248 ,  G06F16/26 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/09

Abstract: 本发明公开了一种多维风电爬坡事件智能检测方法。本发明首先基于不同定义下风电爬坡事件的人工标注，融合不同定义下爬坡事件的多维属性特征，利用Alexnet神经网络模型充分学习多维风电爬坡事件特征，进行风电爬坡事件的智能检测；然后基于置信度设计了爬坡事件智能检测结果的不确定性可视设计方案，帮助用户从不同维度分析和判断爬坡事件的检测结果，增加爬坡事件智能检测结果的可解释性分析。本发明结合人机交互设计了模型动态优化方法，支持用户交互式探索检测结果的准确性，进而交互式迭代更新样本，实现智能监测模型的动态优化。本发明增加风电爬坡事件检测结果的可解释性方案，帮助用户交互式探索风电爬坡事件检测结果的不确定性。

公开(公告)号：CN118115911A

公开(公告)日：2024-05-31

申请号：CN202410110755.0

申请日：2024-01-26

Applicant: 杭州电子科技大学

Inventor： 应娜 ,  赵坚 ,  蒋银河 ,  邹雨鉴

IPC: G06V20/40 ,  G06V10/20 ,  G06V10/46 ,  G06V10/50 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0442 ,  G10L15/16

Abstract: 本发明公开了一种基于语音和视频的多模态深度学习情感分类方法，包括如下步骤：步骤1、采集语音、视频双模态的情感数据集；步骤2、分别对语音数据和视频数据进行预处理；步骤3、将预处理后的语谱图和视频图像作为输入分别通过语音特征提取网络和视频情感特征提取网络提取语音情感特征向量和视频情感特征向量；步骤4、将提取的语音情感特征向量faudio和视频情感特征向量fvideo，通过拼接得到融合后的情感特征向量fe，将融合后的特征fe作为输入，通过一个全连接神经网络对情感进行分类得到情感标签。该方法即对语音和视频两种不同模态的数据分别进行情感特征提取，然后将得到的特征做拼接处理，最后利用融合特征进行情感识别的方法，有效提升了识别的精度。