公开(公告)号：CN110211573A

公开(公告)日：2019-09-06

申请号：CN201910450074.8

申请日：2019-05-28

Applicant: 重庆邮电大学

Inventor： 许清 ,  方昳凡 ,  滕飞宇 ,  陆相羽 ,  黄子恒 ,  易和阳 ,  戈洋 ,  杨颜睿

IPC: G10L15/06 ,  G10L15/16 ,  G06F16/332 ,  G06F16/35 ,  G06F17/27

Abstract: 本发明提供了一种基于神经网络模型的任务驱动型对话决策方法，通过训练模型内的置信状态跟踪器及其他部分参数，由意图识别模型生成的编码矢量作为意图分布和置信状态跟踪器生成的置信状态概率分布，交由数据库使用采集好的语料库进行查询，使用数据库搜索结果、意图分布以及概率分布交由策略网络组合形成系统动作，传递给生成网络组合输出系统应答，完成对话功能，拥有鲁棒性较好等特点，解决了当下任务驱动型对话系统存在的模型表达能力较差，训练难度大，模型可学习性限制较多，模型训练数据量庞大，模型训练奖励机制不完整，具体领域内实用性较差等问题。

公开(公告)号：CN110110644A

公开(公告)日：2019-08-09

申请号：CN201910359078.5

申请日：2019-04-30

Applicant: 重庆邮电大学

Inventor： 许清 ,  方昳凡 ,  陆相羽 ,  黄子恒 ,  易和阳 ,  滕飞宇 ,  戈洋 ,  杨颜睿

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明提出一种多尺度融合面部特征提取方法，包括：对人脸图像样本进行多尺度划分；提取进行多尺度划分后的训练集样本中的样本图像的特征值；使用粗糙集理论进行特征值选择，获得样本特征值；根据所述样本特征值，使用支持向量机训练并实现多分类识别。本发明能够使得提取出的特征值更能够表征样本图片，减少外部环境对特征提取的影响，提高识别与鉴定的准确性，同时选取的特征值有更强的鉴别特征，以保证提取特征值的鲁棒性，提高识别效率。本发明所使用的提取方案简单快捷，使用较少的计算资源可以达到较高的精确度，可以很好的应用在图像识别、人机交互等领域。