-
公开(公告)号:CN108597539A
公开(公告)日:2018-09-28
申请号:CN201810134149.7
申请日:2018-02-09
Applicant: 桂林电子科技大学
Abstract: 本发明公开了基于参数迁移和语谱图的语音情感识别方法,包括以下步骤:1):从中科院自动化所汉语情感数据库中采集语音情感数据并对语音情感数据进行预处理,其中语音情感数据包括6种情感:生气、害怕、高兴、中性、伤心、惊奇;2):构建基于预训练卷积循环神经网络的网络模型;3):对步骤2)中的网络模型进行参数迁移并训练。这种方法可以提取语谱图时频两域的情感特征,提高识别准确率,并且还能学习到预训练的知识,提高网络训练速度。
-
公开(公告)号:CN107818339A
公开(公告)日:2018-03-20
申请号:CN201710970934.1
申请日:2017-10-18
Applicant: 桂林电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6256 , G06K9/6267
Abstract: 本发明公开了一种人类活动识别的方法,其特征在于,包括如下步骤:1)模型定义;2)执行动作并记录数据;3)整理数据并上标签;4)构造预测模型;5)识别。这种方法实验数据收集简单、识别人类活动快速准确。
-
公开(公告)号:CN107545153A
公开(公告)日:2018-01-05
申请号:CN201711011644.0
申请日:2017-10-25
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络的核小体分类预测方法,其特征是,包括如下步骤:1)特征提取;2)提取核小体或链接体DNA序列中核苷酸的物理化学属性;3)添加生物特性;4)获取第24维向量;5)添加核苷酸化学性质;6)得到包含生物信息的矩阵;7)构建卷积神经网络结构;8)分类核小体。这种方法能精准预测核小体的分类。
-
-
公开(公告)号:CN102170354B
公开(公告)日:2016-07-06
申请号:CN201110094311.5
申请日:2011-04-11
Applicant: 桂林电子科技大学
Abstract: 本发明涉及一种集中账号密码认证生成系统,可以依赖它将用户的身份认证、密码生成都集中在一个权威的认证中心。认证中心与用户共享主密钥,给网站颁发ID,并且进行数字签名证实其身份,认证网站转发的用户的账号密码的真实性。用户在各个网站的账号是一样的,而密码都是由主密钥、网站ID等信息派生的,其中用到单向函数,因此即使知道一个网站的密码也无法反推主密钥,无法推测其他的网站的密码,并且用户可以无需认证的情况下进行安全的挂失和密码更新,不知道主密钥的人无法完成挂失。系统保证用户凭一个账号和主密钥,就可在所有加盟的网站无需认证进行注册和密码更新,既方便用户记忆,也方便网站的认证。
-
公开(公告)号:CN105183652A
公开(公告)日:2015-12-23
申请号:CN201510581987.5
申请日:2015-09-14
Applicant: 桂林电子科技大学
IPC: G06F11/36
Abstract: 本发明公开一种时间动态下推网络的转换方法,用于描述含有递归、动态线程创建的实时并发递归建模。首先在DPN中引入描述连续时间的全局时钟,以及能描述与时间相关全局变量和栈字符“年龄”的实数时钟,从而可对基于共享内存进行异步通信,且带有动态线程创建的实时并发系统进行建模。其次对基于整数划分的时钟等价技术,给出一种基于时钟关键点的优化技术,缩减时钟区间,从而缩减转换后的状态空间。由于时间动态下推网络为一种实时并发递归程序的抽象模型,基于关键点的时钟等价优化技术把该模型转换为动态下推网络,这样通过确认动态下推网络模型的执行是否会运行到错误状态,从而检测出此模型即所对应并发递归程序中的错误或漏洞。
-
公开(公告)号:CN102638344B
公开(公告)日:2015-04-22
申请号:CN201210073859.6
申请日:2012-03-20
Applicant: 桂林电子科技大学
IPC: H04L9/32
Abstract: 本发明属于信息安全领域,特别是密码学领域,涉及一种基于压缩函数的哈希函数的加固方法。该方法对hash函数的关键性环节进行加固,即对第一个分组和最后一个分组的压缩函数进行加固,针对现有hash函数大多数运算以单个bit为基础,增加多bit的运算,或者利用已有的安全分组密码算法。加固以抗击现有的差分密码分析等方法为主,同时考虑一些其他的攻击,比如第二原像攻击,在最后一个分组的压缩函数的输入中,还增加了一个输入变量,即所有分组信息的一个简单压缩。这种加固的方法的优势在于,在关键性的分组进行加固,随着明文长度的增加,计算量的增加不大,并且通过在最关键的位置设置破译障碍,可有效抗击原像攻击,碰撞攻击,第二原像攻击等。
-
-
-
公开(公告)号:CN117992651A
公开(公告)日:2024-05-07
申请号:CN202410180591.9
申请日:2024-02-18
Applicant: 桂林电子科技大学
IPC: G06F16/951 , G06N3/0455 , G06N3/088 , G06N3/09 , G06N3/084
Abstract: 本发明公开了一种基于主动学习迭代的社交媒体谣言检测方法,属于自然语言处理技术领域,包括:使用预训练语言模型来表征样本;通过无监督的对比学习方法,利用无标签样本池中的数据,对Bert模型进行训练调优;通过基于样本标签距离的主动学习查询策略,分别更新无标签样本池和有标签样本池;按照样本标签和领域对有标签样本进行增广;通过有监督的对比学习方法,利用有标签样本池中的数据,对Bert模型进行训练调优;更新软提示前缀编码;更新当前样本池,将原有的无标签样本池纳入到领域下的无标签样本池中,重新训练模型。本发明在保持模型精度的前提下,降低了社交媒体数据样本标记成本,并在零样本场景下改善了谣言检测性能。
-
-
-
-
-
-
-
-
-