-
公开(公告)号：CN110175578B
公开(公告)日：2021-06-22
申请号：CN201910456807.9
申请日：2019-05-29
Applicant: 厦门大学
Abstract: 应用于刑侦的基于深度森林的微表情识别方法，涉及生物特征识别技术领域。借助专业的摄像机，对犯罪嫌疑人在讯问过程中的面部表情进行录像，将视频数据输入到客户端；将视频数据通过逐帧扫描的方法，识别出犯罪嫌疑人的脸部，截取脸部其出现的微表情，从起始、峰值到结束；将微表情图像数据进行归一化，检测人脸的关键点；将选取的关键点作为中心像素点，用DCP‑TOP方法，从XY、XT、YT三个正交平面进行编码，提取图像的纹理特征；将纹理特征向量输入到系统预先训练好的深度森林模型里进行分类；将分类结果返回到客户端界面，为侦讯人员正确把握嫌犯供述的真伪提供了帮助。有较高的鲁棒性和泛化能力。预测精度高，分类效率高。
-
公开(公告)号：CN104850727B
公开(公告)日：2017-09-29
申请号：CN201510038233.5
申请日：2015-01-27
Applicant: 厦门大学 , 常州梯卫士网络科技有限公司
IPC: G06F19/00
Abstract: 本发明公开一种基于云重心理论的分布式大数据系统风险评估方法，包括过程1：对风险等级进行划分，通过标准云生成器产生标准风险云；过程2：对虚拟机节点的相关信息进行采集，并进行数据预处理，获得Risk(P,T,A,R)风险描述向量和RiskAHP‑RBF值；其中Risk(P,T,A,R)风险描述向量是指虚拟机性能指标P、虚拟机时间指标T、报警日志指标A和LSA风险识别指标R；过程3：对描述各属性的风险度向量进行归一化处理，使用风险度云逆向生成器产生数学风险云(也即4个属性风险云和一个综合风险云)；过程4：将各属性风险云综合分析得到综合风险云Riskcloud；过程5：计算相似度并进行评价得出风险等级；过程6：以过程5的风险等级为依据，对当前汇聚云表示的风险等级进行评价。
-
公开(公告)号：CN104850727A
公开(公告)日：2015-08-19
申请号：CN201510038233.5
申请日：2015-01-27
IPC: G06F19/00
Abstract: 本发明公开一种基于云重心理论的分布式大数据系统风险评估方法，包括过程1：对风险等级进行划分，通过标准云生成器产生标准风险云；过程2：对虚拟机节点的相关信息进行采集，并进行数据预处理，获得Risk(P,T,A,R)风险描述向量和RiskAHP-RBF值；其中Risk(P,T,A,R)风险描述向量是指虚拟机性能指标P、虚拟机时间指标T、报警日志指标A和LSA风险识别指标R；过程3：对描述各属性的风险度向量进行归一化处理，使用风险度云逆向生成器产生数学风险云(也即4个属性风险云和一个综合风险云)；过程4：将各属性风险云综合分析得到综合风险云Riskcloud；过程5：计算相似度并进行评价得出风险等级；过程6：以过程5的风险等级为依据，对当前汇聚云表示的风险等级进行评价。
-
公开(公告)号：CN111814556A
公开(公告)日：2020-10-23
申请号：CN202010518543.8
申请日：2020-06-09
Applicant: 厦门大学
Abstract: 一种基于计算机视觉的教学辅助方法和系统。所述方法包括：步骤一，通过摄像头采集学生视频，并将学生视频截取为视频序列；步骤二，对视频序列进行人脸识别和检测，识别出学生的人脸图片，并对识别出的人脸图片进行标记；步骤三，从人脸图片中识别出面部表情和头部姿态，根据面部表情和头部姿态计算出注意状态，存储到人脸图片表格；步骤四，将人脸图片与预存储的人脸模板进行匹配，得出对应的学生信息；步骤五，对学生表格数据进行分析，按照群体级别、统计周期、学生、课程四个维度绘制学生课堂分析图；步骤五，将绘制的学生课堂分析图针对不同目标群体进行个性化呈现。本发明针对课堂开发一个可以判断学生课堂注意状态，并通过不同形式反馈给学生、家长与教师的方法。
-
公开(公告)号：CN108961224A
公开(公告)日：2018-12-07
申请号：CN201810639568.6
申请日：2018-06-20
Applicant: 厦门大学
CPC classification number: G06T7/0012 , G06T17/00 , G06T2207/30101
Abstract: 一种基于隐式拉伸曲面的冠脉血管几何模型重建方法，涉及计算机医学图像处理与三维重建领域。可根据已经提取出的冠脉血管各分枝结构的中轴线，构造与其相垂直的血管横截面信息，并利用2D PSPS函数实现对各个血管截面管腔轮廓的精确表达；然后，根据这些截面构造其相应的隐式拉伸曲面IES，并沿着中轴线将这些IES平滑地混合起来形成三维的血管分枝模型；最后，采用SPBBO将这些隐式表达的血管分枝模型平滑地混合起来，构成血管分枝结构，进而实现对整个冠脉血管树管腔表面模型的三维重建。
-
Patent Agency Ranking
公开(公告)号：CN109815493B
公开(公告)日：2020-10-27
申请号：CN201910018462.9
申请日：2019-01-09
Applicant: 厦门大学
IPC: G06F40/205 , G06F40/242 , G06F16/36 , G06F16/9535
Abstract: 一种智能嘻哈音乐歌词生成的建模方法。从网易云音乐完成数据清洗工作形成嘻哈歌词语料库；生成基于语料库的主题词库；确定与每个主题语义相近的歌词作为生成结果的首句候选；使用现代汉语拼音体系的声母韵母提取每句歌词的最后1～5个字的拼音；将歌词数据使用结巴分词器的精确模式进行分词，抽取每句歌词的关键词语；将歌词输入Word2Vec模型，获取歌词对应的词向量；将获得的词向量作为训练数据，利用训练神经网络模型；利用网页的客户端界面，由神经网络输出其余的歌词；将神经网络输出的歌词输出给网页程序的接口；利用网页的客户端界面，将神经网络输出的歌词输出给网页程序的接口；生成对应的押韵词语和下一句歌词供创作者参考。
-
公开(公告)号：CN114882553B
公开(公告)日：2024-07-12
申请号：CN202210422919.4
申请日：2022-04-21
Applicant: 厦门大学
IPC: G06V40/16 , G06V10/82 , G06V10/774 , G06V10/764 , G06V10/40 , G06V10/80 , G06N3/0464 , G06N3/08 , G06F17/16 , G06F17/18
Abstract: 本发明提供了表情识别技术领域的一种基于深度学习的微表情识别方法及系统，方法包括：步骤S10、交互型机器人通过3D摄像头获取图像流；步骤S20、交互型机器人通过人脸识别算法检测所述图像流中的人脸并进行截取，获取人脸数据流并上传服务器；步骤S30、服务器从所述人脸数据流中提取包括人脸动态数据和人脸静态数据的人脸数据组；步骤S40、服务器基于软编码输出创建一微表情识别模型，并对所述微表情识别模型进行训练；步骤S50、服务器将所述人脸数据组输入训练后的微表情识别模型得到微表情信息，并将所述微表情信息反馈给交互型机器人，交互型机器人基于接收的所述微表情信息进行互动响应。本发明的优点在于：极大的提升了微表情识别的准确率。
-
公开(公告)号：CN114927239B
公开(公告)日：2024-07-02
申请号：CN202210422918.X
申请日：2022-04-21
Applicant: 厦门大学
IPC: G16H70/40 , G16H50/70 , G06F18/2415
Abstract: 本发明提供了机器学习技术领域的一种应用于药物分析的决策规则自动生成方法及系统，方法包括：步骤S10、获取药物数据，提取药物数据的药物特征并构建数据集；步骤S20、计算数据集中各药物特征的方差、数据复杂度以及排列重要性，基于方差、数据复杂度以及排列重要性筛选重要特征；步骤S30、从重要特征中筛选包含n(n＝1,2,3,…)个特征的特征子集，并计算各特征子集的排列重要性；步骤S40、按排列重要性的顺序在各特征子集上搜索使预测结果发生翻转时，各特征子集所需的最小特征变化量，进而生成类别边界；步骤S50、通过贝叶斯公式将类别边界描述成决策规则。本发明的优点在于：能为任意机器学习模型(包括不可解释的黑盒模型)生成高度可解释的决策规则。
-
公开(公告)号：CN116738144A
公开(公告)日：2023-09-12
申请号：CN202310510942.3
申请日：2023-05-08
Applicant: 厦门大学
IPC: G06F18/10 , G06F18/214 , G06K17/00
Abstract: 本申请的实施例提供了一种基于RFID的人体行为检测方法、装置、介质及设备。该方法包括：所述方法包括：接收由所述天线传输的预定时间长度内的信号特征信息，所述信号特征信息包括所述天线在所述预定时间长度对应时间段内所接收到信号的信号接收强度以及信号相位；对所述信号特征信息进行预处理，得到待识别数据集；将所述待识别数据集输入至预先训练完成的人体行为识别模型，以使所述人体行为识别模型输出对应的人体行为识别结果，所述人体行为识别模型基于概率稀疏化自注意力机制训练得到。本申请实施例的技术方案可以降低设备部署的难度，减少模型的计算复杂度并保证人体行为识别的准确度。
-
公开(公告)号：CN114927239A
公开(公告)日：2022-08-19
申请号：CN202210422918.X
申请日：2022-04-21
Applicant: 厦门大学
Abstract: 本发明提供了机器学习技术领域的一种应用于药物分析的决策规则自动生成方法及系统，方法包括：步骤S10、获取药物数据，提取药物数据的药物特征并构建数据集；步骤S20、计算数据集中各药物特征的方差、数据复杂度以及排列重要性，基于方差、数据复杂度以及排列重要性筛选重要特征；步骤S30、从重要特征中筛选包含n(n＝1,2,3,…)个特征的特征子集，并计算各特征子集的排列重要性；步骤S40、按排列重要性的顺序在各特征子集上搜索使预测结果发生翻转时，各特征子集所需的最小特征变化量，进而生成类别边界；步骤S50、通过贝叶斯公式将类别边界描述成决策规则。本发明的优点在于：能为任意机器学习模型(包括不可解释的黑盒模型)生成高度可解释的决策规则。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.018 seconds)
