-
公开(公告)号：CN114861835B
公开(公告)日：2022-09-27
申请号：CN202210777572.5
申请日：2022-07-04
Applicant: 浙江大学
Abstract: 本发明公开了一种基于非对称卷积的噪声性听力损失预测系统，该系统包括数据采集模块、数据预处理模块、特征提取模块和特征融合与噪声性听力损失预测模块；数据采集模块用于采集工人职业暴露的噪声数据和工人个人信息；数据预处理模块用于对工人个人信息数据进行标准化，并对噪声数据转换为二维噪声时频谱图；特征提取模块用于利用不同形状的卷积核提能量特征与时域变化特征；特征融合与噪声性听力损失预测模块将能量特征与时域变化特征进行融合并降维后，联合工人个人信息输出得到工人是否患有噪声性听力损失的预测结果。本发明使用不对称卷积核对时频谱图进行特征提取，提高噪声性听力损失预测的准确性。
-
公开(公告)号：CN114861835A
公开(公告)日：2022-08-05
申请号：CN202210777572.5
申请日：2022-07-04
Applicant: 浙江大学
Abstract: 本发明公开了一种基于非对称卷积的噪声性听力损失预测系统，该系统包括数据采集模块、数据预处理模块、特征提取模块和特征融合与噪声性听力损失预测模块；数据采集模块用于采集工人职业暴露的噪声数据和工人个人信息；数据预处理模块用于对工人个人信息数据进行标准化，并对噪声数据转换为二维噪声时频谱图；特征提取模块用于利用不同形状的卷积核提能量特征与时域变化特征；特征融合与噪声性听力损失预测模块将能量特征与时域变化特征进行融合并降维后，联合工人个人信息输出得到工人是否患有噪声性听力损失的预测结果。本发明使用不对称卷积核对时频谱图进行特征提取，提高噪声性听力损失预测的准确性。
-
Search Results
2
records
(took 0.013 seconds)
