-
公开(公告)号：CN108985365B
公开(公告)日：2021-10-01
申请号：CN201810732829.9
申请日：2018-07-05
Applicant: 重庆大学
Abstract: 本发明公开了一种基于深度子空间切换集成学习的多源异构数据融合方法，按照以下步骤进行：S1：分别对每个源数据集进行特征提取，并组成空谱特征；S2：重组构成空谱特征数据集；S3：基于深度样本学习算法对空谱特征数据集中的样本数据进行处理，形成原始样本、一阶样本和二阶样本；S4：针对三组样本集，分别构建分类器模型；S5：对三组模型分别采用各自合适的分类方式进行分类，得到三组分类结果，然后通过分类投票得到最终的分类结果。其效果是：本发明联合光谱空间信息并融入分层子空间切换集成学习算法，利用了多尺度的空谱样本，增加了有用样本，提高了训练的质量，既保留了边缘信息，又提高了样本的多样性和可分性。
-
公开(公告)号：CN107170445B
公开(公告)日：2020-03-31
申请号：CN201710325414.5
申请日：2017-05-10
Applicant: 重庆大学
Abstract: 本发明公开了一种基于语音混合信息特征协同优选判别的帕金森症检测装置，包括：信号采集器、处理器以及结果输出模块；所述信号采集器：用于获取诊断对象的语音信息；所述处理器：包括用于提取语音特征的特征提取模块以及预先训练好的分类器，通过所述分类器判断诊断对象是否属于帕金森症患者；所述结果输出模块：用于输出分类器的判断结果。本发明提供的一种基于语音混合信息特征协同优选判别的帕金森症检测装置，诊断过程采用分类器，通过大量数据训练和测试，精度高，而且使用方便。
-
Patent Agency Ranking
公开(公告)号：CN108985365A
公开(公告)日：2018-12-11
申请号：CN201810732829.9
申请日：2018-07-05
Applicant: 重庆大学
Abstract: 本发明公开了一种基于深度子空间切换集成学习的多源异构数据融合方法，按照以下步骤进行：S1：分别对每个源数据集进行特征提取，并组成空谱特征；S2：重组构成空谱特征数据集；S3：基于深度样本学习算法对空谱特征数据集中的样本数据进行处理，形成原始样本、一阶样本和二阶样本；S4：针对三组样本集，分别构建分类器模型；S5：对三组模型分别采用各自合适的分类方式进行分类，得到三组分类结果，然后通过分类投票得到最终的分类结果。其效果是：本发明联合光谱空间信息并融入分层子空间切换集成学习算法，利用了多尺度的空谱样本，增加了有用样本，提高了训练的质量，既保留了边缘信息，又提高了样本的多样性和可分性。
-
公开(公告)号：CN107808663B
公开(公告)日：2021-04-27
申请号：CN201711007973.8
申请日：2017-10-25
Applicant: 重庆大学
IPC: G10L15/08
Abstract: 本发明公开一种基于DBN和RF算法的帕金森病语音数据分类系统，其特征在于包括：语音数据输入模块，用于采集待测患者的语音数据；分类识别器，用于对所述语音数据进行分类识别，该分类识别器包括基于DBN深度信念网络的特征变换模块和基于RF随机森林算法的分类器构成，并通过原始样本数据训练和测试达到预设的合格标准；输出模块，用于输出分类识别结果。其效果是：将DBN引入到帕金森病语音数据分类系统中，通过非线性变换引入了更好的特征，从而获得更加满意的准确度，确保了帕金森病诊断的准确性。
-
公开(公告)号：CN107808663A
公开(公告)日：2018-03-16
申请号：CN201711007973.8
申请日：2017-10-25
Applicant: 重庆大学
IPC: G10L15/08
CPC classification number: G10L15/08 , G10L15/083
Abstract: 本发明公开一种基于DBN和RF算法的帕金森病语音数据分类系统，其特征在于包括：语音数据输入模块，用于采集待测患者的语音数据；分类识别器，用于对所述语音数据进行分类识别，该分类识别器包括基于DBN深度信念网络的特征变换模块和基于RF随机森林算法的分类器构成，并通过原始样本数据训练和测试达到预设的合格标准；输出模块，用于输出分类识别结果。其效果是：将DBN引入到帕金森病语音数据分类系统中，通过非线性变换引入了更好的特征，从而获得更加满意的准确度，确保了帕金森病诊断的准确性。
-
公开(公告)号：CN105512493B
公开(公告)日：2018-01-23
申请号：CN201510969721.8
申请日：2015-12-22
Applicant: 重庆大学
IPC: G16H50/20
Abstract: 本发明提供一种基于脑部病理年龄估计的脑疾病检测系统，包括图像采集设备、实际年龄输入设备、存储器、预处理模块、特征提取模块、特征选择模块、脑部病理年龄估计模块、参数优化模块、分类识别模块以及结果输出模块，存储器设有VCI样本数据库、CTL样本数据库以及待测数据库。其效果是：系统充分运用了脑磁共振图像特征，结合样本的实际年龄信息，通过大量样本进行模型训练，所得脑部病理年龄估计模块能够有效估计被测对象的脑部病理年龄，同时，将脑部病理年龄估计值与实际年龄的偏差作为补充信息，通过融合脑图像信息，有效诊断被测对象是否患有脑疾病，整个系统原理明确，实现方便，对脑疾病的探测更具有科学依据，可靠度高，可行性强。
-
公开(公告)号：CN107170445A
公开(公告)日：2017-09-15
申请号：CN201710325414.5
申请日：2017-05-10
Applicant: 重庆大学
Abstract: 本发明公开了一种基于语音混合信息特征协同优选判别的帕金森症检测装置，包括：信号采集器、处理器以及结果输出模块；所述信号采集器：用于获取诊断对象的语音信息；所述处理器：包括用于提取语音特征的特征提取模块以及预先训练好的分类器，通过所述分类器判断诊断对象是否属于帕金森症患者；所述结果输出模块：用于输出分类器的判断结果。本发明提供的一种基于语音混合信息特征协同优选判别的帕金森症检测装置，诊断过程采用分类器，通过大量数据训练和测试，精度高，而且使用方便。
-
-
-
-
-
-
Search Results
7
records
(took 0.023 seconds)
