-
公开(公告)号：CN108766430A
公开(公告)日：2018-11-06
申请号：CN201810572146.1
申请日：2018-06-06
Applicant: 华中师范大学
Abstract: 本发明属于语音识别/说话人识别技术领域，公开了一种基于巴氏距离的语音特征映射方法及系统，首先分别提取复杂环境下语音信号和干净语音信号的特征；接着利用复杂特征和特征映射公式初始化映射特征，并分别建立映射特征与干净特征的GMM模型；然后用EM算法迭代估计两个GMM模型之间的最小巴氏距离，并得到最终的映射特征；最后将映射特征与已经训练完毕的干净环境下的语音信号模型进行模式匹配和识别。本发明通过最小化复杂特征GMM与干净特征GMM之间的巴氏距离来对复杂特征进行映射，得到映射特征，并将映射特征与干净模型进行模式匹配与识别；用映射特征代替复杂特征，能够有效提高语音识别的正确率。
-
公开(公告)号：CN107609651A
公开(公告)日：2018-01-19
申请号：CN201710698682.1
申请日：2017-08-15
Applicant: 华中师范大学
Abstract: 本发明属于学习分析、行为信息感知领域，提供一种基于学习者模型的设计项评估方法，包括(1)学习者模型构建，基于学习者实例，分析和归纳其属性和相关服务，建立学习者的属性集和相关服务。(2)制定设计项，首先根据需求确定与学习者模型相关的设计项，然后根据学习者的交互对象及其服务进行属性抽取和归类，形成用于评估设计项的指标，最后根据所提取的数据属性，建立递阶层次结构，形成该设计项的总体框架。(3)制定评估方法，利用层次分析法设计基于学习者模型的设计项评估方法。本发明提供了为学习者建立大数据基础模型的方法，并制定了一套可行的评估方案，为大数据环境下学习者相关服务的分析和挖掘提供了良好的应用基础。
-
公开(公告)号：CN105404666A
公开(公告)日：2016-03-16
申请号：CN201510770511.6
申请日：2015-11-12
Applicant: 华中师范大学
CPC classification number: G06F17/3087 , G06K9/6223
Abstract: 本发明涉及信息推荐领域，提供一种序列化信息推荐的方法，包括如下步骤：（1）生成序列元素特征点；（2）以历史数据作为样本集，生成序列元素特征点利用概率，作为推荐序列的评价基础指标；（3）生成序列信息，（4）计算序列活动图中潜在的空载序列距离期望值，选择潜在空载距离期望值最小者作为最优推荐序列。本发明方法针对序列元素的特征设定权重，根据序列特征约束进行个性化推荐，解决序列化信息推荐精度不高和效率低下等技术问题。
-
公开(公告)号：CN104899263A
公开(公告)日：2015-09-09
申请号：CN201510262716.3
申请日：2015-05-22
Applicant: 华中师范大学
IPC: G06F17/30
CPC classification number: G06F17/30241
Abstract: 本发明涉及海洋运输中船舶轨迹挖掘分析与监控领域，提供一种基于特定区域的船舶轨迹挖掘分析与监控方法，该方法对特定区域内的船舶轨迹的挖掘聚类分析，提取特定区域内的船舶模式轨迹，同时将船舶模式轨迹作为区域船舶监控与异常分析中的重要参考依据，实现对船舶的区域监控与异常分析。
-
公开(公告)号：CN104899262A
公开(公告)日：2015-09-09
申请号：CN201510262625.X
申请日：2015-05-22
Applicant: 华中师范大学
IPC: G06F17/30
CPC classification number: G06F17/30342
Abstract: 本发明属于数据库应用领域，具体涉及一种支持用户自定义归类规则的数据库中信息归类的方法，以用户定制的归类规则为基础，支持数据库进行语句检索，得到与检索语句相近或相似的信息内容，或具有潜在关系的信息内容，本发明方法将帮助用户获取到更加全面的信息。
-
Patent Agency Ranking
公开(公告)号：CN113902129B
公开(公告)日：2025-01-10
申请号：CN202111263507.2
申请日：2021-10-28
Applicant: 华中师范大学
IPC: G06N20/00 , G06N3/0464 , G06N3/08 , G06Q50/20
Abstract: 本发明属于教育大数据挖掘技术领域，公开了一种多模态的统一智能学习诊断建模方法、系统、介质、终端，通过构建多通道的认知诊断模型，对学习者进行初步诊断，对学习资源进行参数估计，得到学习资源参数集与学习者参数集；对学习资源与学习者进行建模，获取深度表征特征；引入自注意力机制对学习者特征与学习资源特征进行融合；将融合特征作为用来预测学习者表现情况的数据基础，构建学习者表现预测网络得到对学习者作答正确概率的预测值；通过学习者与练习题目的特征信息诊断学习者的总体知识点掌握情况，获取练习题目的参数表征。本发明有利于融合多通道认知诊断模型的优点，并设计神经网络对学习者进行智能学习诊断，具有可扩展性。
-
公开(公告)号：CN113591988B
公开(公告)日：2023-08-29
申请号：CN202110874755.4
申请日：2021-07-30
Applicant: 华中师范大学
IPC: G06F18/24 , G06F18/25 , G06N3/0442 , G06N3/0464 , G06N3/084
Abstract: 本发明属于个性化学习技术领域，公开了一种知识认知结构分析方法、系统、计算机设备、介质、终端，以学习者的学习交互序列为基础，得到联合先验特征；设计分层卷积神经网络对学习者学习状态进行空间分析，提取包含学习者个性化学习能力的空间特征；输出学习者在给定异构特征下对练习的反应情况，构建学习过程中影响学习者知识认知结构及表现的学习者时空融合特征；引入双向门循环单元，构建基于长时间依赖和融合时空特征的知识认知结构分析模型去动态诊断学习者的知识认知结构，预测学习者的学习表现。本发明有利于提高知识认知结构分析模型在预测学习者在特定资源下的学习表现方面的预测精度，对个性化教学的发展具有一定的借鉴意义。
-
公开(公告)号：CN111241243B
公开(公告)日：2023-05-26
申请号：CN202010032981.3
申请日：2020-01-13
Applicant: 华中师范大学
IPC: G06F16/33 , G06F16/35 , G06Q10/0639 , G06Q50/20 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F18/241
Abstract: 本发明属于教育数据挖掘技术领域，公开了一种面向知识测量的试题、知识、能力张量构建与标注方法，结合Q矩阵与布卢姆认知领域教育目标分类，将知识点的掌握划分为六个认知能力水平：知道、领会、应用、分析、综合、评价，构建试题、知识、能力张量；采用主动学习策略，构建可解释试题标签预测模型，获得可解释的标签预测信息熵，利用训练出的可解释试题标签预测模型，将未标注样本输入该预测模型，反馈具有较强解释性的标签预测信息熵，从而进行人机协同。本发明减少了人工标记的主观性对TKA张量的影响，标注准确率与效率高，极大降低专家人力成本。本发明可迁移性强，可应用于各个学科的试题知识点考查标注，方法适用性更好。
-
公开(公告)号：CN109545227B
公开(公告)日：2023-05-09
申请号：CN201810402685.0
申请日：2018-04-28
Applicant: 华中师范大学
Abstract: 本发明属于声纹识别技术领域，公开了一种基于深度自编码网络的说话人性别自动识别方法及系统，利用与注册说话人及信道均无关的语音信号训练UBM通用背景模型；提取注册数据的i‑vector；提取测试数据的i‑vector；训练深度自编码网络；模式匹配与识别，并进行模型评估。本发明将深度自编码网络应用于说话人性别识别中，将深度自编码网络强大的学习能力用于表征不同性别的说话人特征，不仅实现了特征的再提取，同时降低了特征维数，从而降低了分类运算时的复杂度。本发明提出的方法可进一步推广应用于说话人识别，尝试提高说话人识别系统的鲁棒性。
-
公开(公告)号：CN110516116B
公开(公告)日：2022-12-02
申请号：CN201910796774.2
申请日：2019-08-27
Applicant: 华中师范大学
Abstract: 本发明属于教育数据挖掘技术领域，公开了一种多步分层的学习者认知水平挖掘方法及系统，结合布鲁姆认知领域目标分类及认知心理，构建试题‑知识认知水平矩阵P，综合学习者知识认知水平矩阵和试题‑知识认知水平矩阵构建学习者理想答题矩阵，利用极大似然估计挖掘学习者知识掌握候选集合；对候选集合内元素的全局期望进行综合判断，获取学习者最终的知识认知水平，并将结果使用雷达图可视化输出。本发明通过挖掘出学习者的知识认知水平后，利用雷达图反馈给学习者的挖掘结果将更加直观、通俗易懂，辅助学习者及时调整学习方案；模型挖掘出的试题隐参数可以评估组成此次测试的试题质量，提高了测试准确性与可信度。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.022 seconds)
