-
公开(公告)号：CN111309770A
公开(公告)日：2020-06-19
申请号：CN202010110699.2
申请日：2020-02-24
Applicant: 电子科技大学
IPC: G06F16/2455 , G06F16/2458 , G06F16/28 , G06N5/04
Abstract: 本发明公开了一种基于无监督机器学习的自动生成规则系统及方法，系统包括依次连接的深度特征合成模块、无监督聚类模块和自动规则生成模块。本发明包含深度特征合成、无监督聚类和自动规则生成三个模块，在进行深度特征合成时，解决了特征工程的问题，大大提高了构造特征的效率。在进行无监督聚类时，避免了结构化数据拟合任意分布的问题，同时高斯混合模型较其他聚类算法更具一般性，仅需少量的参数就能较好地描述数据的特性。在进行自动规则生成时，通过drools规则引擎，使得该模块功能强大、可扩展，且极易维护。
-
公开(公告)号：CN110830836A
公开(公告)日：2020-02-21
申请号：CN201911126643.X
申请日：2019-11-18
Applicant: 电子科技大学
IPC: H04N21/432 , H04N21/44 , H04N21/442 , H04N21/458 , H04N21/81 , G06F16/71
Abstract: 本发明公开了一种视频广告播出监测方法，包括视频哈希库构建和广告检测两个阶段；本发明在视频哈希库构建中，对慢录视频中的每一帧，提取颜色和灰度的两级特征，其中颜色为粗粒度特征，灰度为细粒度特征，在此基础上进行两级位数适中的局部敏感哈希映射；在广告检测中，采用两级哈希匹配方法，并通过直线拟合和直线匹配分别对广告播放的开始时间和结束时间进行检测，具有处理速度快、检测精度高的特点；同时，通过采取特征区域选择、判定重复帧、取头片段、取尾片段等操作，在保证精度的情况下，进一步提高了处理速度。
-
公开(公告)号：CN109712642A
公开(公告)日：2019-05-03
申请号：CN201811504368.6
申请日：2018-12-10
Applicant: 电子科技大学
Abstract: 本发明属于数字音频处理技术领域，提供一种精准快速的广告播出监测方法，可应用于广播电台的广告监播；本发明执行广告头位置检测和尾位置检测两个步骤，在头位置检测中，采用低复杂度的，对误差不敏感的直线拟合方法，结合音频指纹和梅尔频率倒谱系数两种特征，实现头位置的快速定位，在尾位置检测中，采用帧特征比对和长短两次动态时间规整方法分别对广告和慢录音频的对齐和非对齐情况进行处理，并在此期间对检测到的头位置进行进一步精确定位，最后通过清理合并检测项，实现了对跨越相邻两慢录块的广告的正确检测；本发明处理快速精确，并对时间伸缩具有鲁棒性，能够广泛应用于广播电台的广告监测和管理中。
-
公开(公告)号：CN117745591A
公开(公告)日：2024-03-22
申请号：CN202311781471.6
申请日：2023-12-22
Applicant: 电子科技大学
IPC: G06T5/77 , G06T5/60 , G06N3/045 , G06N3/0475 , G06N3/0464 , G06N3/094
Abstract: 本发明属于图像视觉和图像增强技术领域，具体提供一种融合生成对抗网络与不确定性的图像质量增强方法，用以提高图像数据质量，进而提高图像数据对预测结果的可信度。本发明在生成对抗网络(GAN网络)中引入不确定性估计，将GAN网络与信息论、主观逻辑等理论相结合，通过在判别器中使用深度证据网络输出图像所属类别的证据，估计GAN网络输出的空度、不协调度、偶然不确定性和认知不确定性，并在生成器的目标函数中引入消除不确定性项，促使生成器的目标朝着消除预测不确定性的方向演化，最终使得GAN网络的训练具备信息论可解释性的同时，提高图像增强的可信度。
-
公开(公告)号：CN117392997A
公开(公告)日：2024-01-12
申请号：CN202311389648.8
申请日：2023-10-24
Applicant: 电子科技大学
IPC: G10L21/028 , G10L21/0308 , G10L25/18
Abstract: 本发明属于数字音频处理技术领域，具体提供一种基于气流量估计的语音分离方法，用以解决现有方法在低谐波成分场景下的分离准确度降低的问题。本发明对讲话人的声门气流量和语音谐波成分进行估计，在此基础上，以帧为单位对谐波帧的气流量进行抑制，从而生成气流量特征，弥补了低谐波成分场景下传统方法在音频表征能力上的不足，将气流量特征和原音频数据进行拼接，形成新的训练和测试样本，从而在提高非谐波语音分离准确性的同时，也保持了传统方法对正常语音的分离效果。
-
Patent Agency Ranking
公开(公告)号：CN111538743B
公开(公告)日：2023-08-18
申请号：CN202010319878.7
申请日：2020-04-22
Applicant: 电子科技大学
IPC: G06F16/242 , G06F16/248
Abstract: 本发明公开了一种基于SQL的数据血缘关系分析方法以及系统，所述方法首先从含有SQL代码的脚本文件中提取得到规则化的SQL语句，完成对SQL语句的清洗；再对规则化的SQL语句进行词法分析，生成抽象语法树，并遍历抽象语法树对SQL语句进行句法解析；然后根据抽象语法树对SQL语句进行血缘关系分析，得到血缘关系分析结果；最后根据血缘关系分析结果绘制SQL语句的数据血缘关系图，并进行可视化显示。本发明用图形化的方式展现了数据库各个表之间的血缘关系，可以梳理出表间、字段间的依赖关系，方便后续业务的查询和开发管理。
-
公开(公告)号：CN113888121B
公开(公告)日：2023-08-11
申请号：CN202111156726.0
申请日：2021-09-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种无人机团队状态共享同步发送方法与系统，涉及无人机团队协同技术领域。所述方法基于无人机多数状态数据为非平稳时间序列的事实，对无人机各传感器采集或感知到的状态数据进行自动实时断点分段，然后对每一分段进行非均匀分片，接着对每个分片进行数据综合，最后将分片数据综合结果在无人机团队内进行共享发送。所述系统包括：状态时间序列分段模块、分片长度调整模块、段内分片模块、分片数据综合模块和综合数据发送模块。本发明在不降低无人机团队成员之间状态共享实时性前提下，通过对无人机飞行和工作状态生成参数变化自动发现和序列分段的非均匀分片，实现了状态变化非平稳时及时发送，状态变化平稳时大间隔发送，大幅减少了无人机团队成员间状态共享的数据发送次数，降低无人机团队状态共享带宽消耗。
-
公开(公告)号：CN111769866B
公开(公告)日：2021-10-19
申请号：CN202010552052.5
申请日：2020-06-17
Applicant: 电子科技大学
Abstract: 本发明公开了一种飞行器近似同步广播方法与系统，涉及飞行器自动监视与多飞行器协同领域。在所述方法中，飞行器通过接收周边飞行器的当前和未来状态，分析飞行器之间任务协同起始时间，自动调整自身未来状态预测精度需求、预测状态误差检测间隔时间和最小检测间隔时间，并根据预测误差检测结果进行新的状态预测和未来状态广播。所述系统包括：近似同步广播接收与分析模块、近似同步广播参数自动调整模块、广播触发检测模块和近似同步广播发送模块。本发明无须使用固定周期方式对飞行器自身状态进行广播，而是根据飞行器当前任务、自身状态及周边环境状态不定时进行广播，同时保证了多飞行器之间的协同任务正确可靠地执行，降低了无线通信带宽需求，为多飞行器高密度飞行与协同提供了保障。
-
公开(公告)号：CN110830836B
公开(公告)日：2020-10-27
申请号：CN201911126643.X
申请日：2019-11-18
Applicant: 电子科技大学
IPC: H04N21/432 , H04N21/44 , H04N21/442 , H04N21/458 , H04N21/81 , G06F16/71
Abstract: 本发明公开了一种视频广告播出监测方法，包括视频哈希库构建和广告检测两个阶段；本发明在视频哈希库构建中，对慢录视频中的每一帧，提取颜色和灰度的两级特征，其中颜色为粗粒度特征，灰度为细粒度特征，在此基础上进行两级位数适中的局部敏感哈希映射；在广告检测中，采用两级哈希匹配方法，并通过直线拟合和直线匹配分别对广告播放的开始时间和结束时间进行检测，具有处理速度快、检测精度高的特点；同时，通过采取特征区域选择、判定重复帧、取头片段、取尾片段等操作，在保证精度的情况下，进一步提高了处理速度。
-
公开(公告)号：CN110837853A
公开(公告)日：2020-02-25
申请号：CN201911037562.2
申请日：2019-10-29
Applicant: 电子科技大学
IPC: G06K9/62 , G06F16/901 , G06F16/906
Abstract: 本发明公开了一种快速分类模型构建方法，采用局部敏感哈希方法将训练样本映射为位数适中的哈希值，进而筛选出可能的边界样本点并对其进行训练，显著地减少了训练样本数目，降低了计算复杂度，提高了模型构建的速度；按样本点为边界点的可能性高低，迭代地筛选出潜在的边界点，在提高速度的同时保证了模型分类的准确性。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.024 seconds)
