-
公开(公告)号：CN112614204A
公开(公告)日：2021-04-06
申请号：CN202011592657.3
申请日：2020-12-29
Applicant: 哈尔滨理工大学
IPC: G06T11/00
Abstract: 本发明提出了一种基于改进最小二乘的电容层析图像重建方法，包括：采用归一化的数据，带入最小二乘估计求出迭代初值；步骤二、用迭代初值带入公式求出系数矩阵的初始误差阵；步骤三、用初始误差阵求出修正的系数矩阵初值；步骤四、针对修正的系数矩阵求出其对应的法矩阵，并构建靶向矩阵初值；步骤五、采用L‑曲线法，根据靶向矩阵求出其对应的正则化参数；步骤六、加入随机噪声，模拟真实实验环境；步骤七、参数带入迭代公式进行迭代运算，根据条件得到迭代结束后的实验目标估值。本发明可以有效降低复杂噪声环境对电容层析图像重建结果精度的影响。
-
公开(公告)号：CN110426424A
公开(公告)日：2019-11-08
申请号：CN201910259031.1
申请日：2019-04-02
Applicant: 哈尔滨理工大学
IPC: G01N27/22
Abstract: 本发明公开了一种多阵列自适应电容层析成像传感器装置，包括空绝缘容器、多阵列电极极板和保护外壳体，所述空绝缘容器包括扩展板和位于扩展板左右两侧的半圆形固定板，所述扩展板包括上板和下板，所述上板和下板外侧安装有多阵列电极极板，所述保护壳体包括绝缘层和屏蔽层，所述扩展板外侧设有上下两层的保护扩展板，所述保护扩展板包括位于上层的上移板和下移板，所述上移板和下移板呈水平放置，所述上移板和下移板滑动连接，所述空绝缘容器的左右侧面挖设有竖直的滑动槽，所述滑槽内放置有滑轮；本装置通过通过滑轮与滑动槽配合，便于将保护外壳体移走，使得多阵列电极极板便于更换；通过扩展板与保护扩展板的配合使得装置大小形状可变。
-
公开(公告)号：CN119339410A
公开(公告)日：2025-01-21
申请号：CN202411411434.0
申请日：2024-10-10
Applicant: 哈尔滨理工大学
IPC: G06V40/10 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/084 , G06N3/0464
Abstract: 本发明提出一种基于种属感知与跨层信息结合的遮挡行人重识别方法，属于多媒体信息处理中的行人重识别领域。本发明通过训练一个由两个共享参数的12层的孪生Vision Transformer骨干网络、其各自的拼图分支与各自跨层信息聚合模块构成的遮挡行人重识别网络，对遮挡的行人图像进行行人重识别。本发明首先将训练数据转换为所需尺寸后，将其在孪生Vision Transformer骨干网络中的完整分支进行前向传播。而后使用其倒数第二个Transformer层的输出在拼图分支进行前向传播。将图片进行随机擦除，使用擦除后的数据在孪生Vision Transformer骨干网络中的擦除分支与其拼图分支中进行前向传播。最后收集所有分支的相似度矩阵，使用自跨层信息聚合模块收集两个分支各自的种属判别特征为导向的跨层信息并计算其损失。最终通过反向传播训练整个网络。测试过程中，测试数据行人图像输入到遮挡行人重识别网络得到行人特征，并实施行人重识别。与其他方法相比，本发明显著提高了遮挡行人重识别的准确率。
-
公开(公告)号：CN118918919A
公开(公告)日：2024-11-08
申请号：CN202410983886.X
申请日：2024-07-22
Applicant: 哈尔滨理工大学
Abstract: 基于频谱位置编码Transformer的音频分类模型训练方法、分类方法、存储介质及设备，属于语音信号处理技术领域。为了解决现有模型在音频分类时存在注意力机制在捕捉位置关系能力弱的问题，本发明利用基于频谱位置编码Transformer的音频分类模型对音频数据的梅尔频谱特征图进行处理，音频分类模型中的频谱切块嵌入层切块将频谱特征切为M行N列的频谱块，进而展平为一维序列得到特征序列，然后Transformer层的多头自注意力模块融入了频谱块相对位置偏置值，频谱块相对位置偏置值与两个频谱块的相对位置一一对应；根据Transformer层的输出预测得到分类结果。
-
公开(公告)号：CN114492455B
公开(公告)日：2024-10-15
申请号：CN202210072113.7
申请日：2022-01-21
Applicant: 哈尔滨理工大学
IPC: G06F40/30 , G06F40/216 , G06Q50/00
Abstract: 本发明公开了一种基于图结构整体和部分的社交网络意见领袖挖掘方法，属于社交网络分析技术领域，包括：爬取社交网络中用户语义信息并进行预处理；利用LDA模型将处理后的语义信息抽象为主题，提取关键字，将主题和关键字作为特征属性；将LDA模型生成的K个主题作为向量空间，堆叠成数据矩阵建立用户社交网络；利用基于密度的社区发现方法对用户社交网络进行社区划分，得到社区结构；基于图的整体结构计算社区结构中所有用户节点整体、局部影响力；融合所有用户节点整体、局部影响力进行影响力评估，得到所有用户节点影响力评分，将排在预设阈值前的用户节点作为意见领袖。该方法考虑因素的多样性保证了网络意见领袖挖掘的准确性和有效性。
-
Patent Agency Ranking
公开(公告)号：CN115762473A
公开(公告)日：2023-03-07
申请号：CN202211186809.9
申请日：2022-09-27
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于概率有监督总变化空间学习的语种识别方法，解决了传统i‑vector语种识别系统先验信息利用不充分的问题。在训练阶段，利用开发集移位差分倒谱(SDC)特征训练通用背景模型(UBM)，再将数据集中每段语音的SDC特征作为输入，在UBM上进行自适应得到每段语音的GMM均值超矢量；然后将开发集均值超矢量和类别标签作为模型输入，建立基于概率有监督总变化空间学习的语种识别模型。在识别阶段，分别得到开发集、注册集、测试集中全部语音在概率有监督总变化空间上的i‑vector特征，然后利用线性判别分析(LDA)进行降维，最后利用概率线性判别分析(PLDA)分类器进行评分。该方法能够充分利用先验信息，以此提高系统性能。本发明可以应用于语种识别领域。
-
公开(公告)号：CN115512708A
公开(公告)日：2022-12-23
申请号：CN202211218439.2
申请日：2022-10-05
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于区分性字典与分类器联合学习的说话人识别方法，该方法在训练数据中增加分类器参数和正则化参数，提高了传统说话人识别系统的正确率，是在传统字典学习基础上的创新。本发明在训练阶段，首先对语音提取i‑vector，将其和One‑Hot拼接后作为稀疏分解的输入；然后初始化字典和分类器参数，获取i‑vector在字典上的稀疏表示；最后利用K均值‑奇异值分解(KSVD)算法更新字典。在识别阶段，首先利用字典与其二范数的商作为识别阶段的字典，同理得到分类器参数；然后计算测试语音在字典上的稀疏表示，分类器参数和稀疏表示的积是说话人在不同字典上的得分；最后判断得分最高说话人是否是测试说话人。本发明可以应用于说话人识别领域。
-
公开(公告)号：CN114707044A
公开(公告)日：2022-07-05
申请号：CN202111638174.7
申请日：2021-12-29
Applicant: 哈尔滨理工大学
IPC: G06F16/951 , G06Q50/00
Abstract: 本发明公开了一种基于社区发现的集体社交行为的提取方法及系统，其中，该方法包括：抓取社交网络中多个用户发表的帖子作为初始数据集，并对其进行预处理得到数据集；利用LDA模型处理数据集，生成主题分布；构造基于稀疏表达的相似度计算函数求解每个帖子与主题分布的相似度，得到亲和矩阵；基于自适应损失函数构建社区发现算法，确定目标函数；使用交替迭代法使目标函数不断学习，得到亲和矩阵中同一主题下每个帖子之间的连通分量，以构建目标相似度矩阵确定社区结构；引入node2vec模型将社区结构可视化，根据社区结构中中节点的分布情况提取集体社交行为。该方法可以准确提取明显不同于个体语义行为特征的集体社交行为，且鲁棒性高。
-
公开(公告)号：CN114581790A
公开(公告)日：2022-06-03
申请号：CN202210190240.7
申请日：2022-03-01
Applicant: 哈尔滨理工大学
IPC: G06V20/13 , G06V10/80 , G06V10/82 , G06T3/40 , G06T5/00 , G06T7/13 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图像增强与多特征融合的小目标检测方法，该方法包括：将待检测图片传入到图像增强网络，生成超分图片后再输入到小目标检测网络输出检测结果；该模型的建立过程包括使用生成器、鉴别器、边缘增强网络构建基于生成对抗网络的超分算法从而对图像进行增强处理；目标检测网络以VGG19网络为特征提取网络，利用特征金字塔方法对SSD网络的特征层进行特征融合、特征增强，构建小目标检测网络；利用处理好的小目标数据集对模型进行迭代训练，得到训练好的小目标检测模型。
-
公开(公告)号：CN114492455A
公开(公告)日：2022-05-13
申请号：CN202210072113.7
申请日：2022-01-21
Applicant: 哈尔滨理工大学
IPC: G06F40/30 , G06F40/216 , G06Q50/00
Abstract: 本发明公开了一种基于图结构整体和部分的社交网络意见领袖挖掘方法，属于社交网络分析技术领域，包括：爬取社交网络中用户语义信息并进行预处理；利用LDA模型将处理后的语义信息抽象为主题，提取关键字，将主题和关键字作为特征属性；将LDA模型生成的K个主题作为向量空间，堆叠成数据矩阵建立用户社交网络；利用基于密度的社区发现方法对用户社交网络进行社区划分，得到社区结构；基于图的整体结构计算社区结构中所有用户节点整体、局部影响力；融合所有用户节点整体、局部影响力进行影响力评估，得到所有用户节点影响力评分，将排在预设阈值前的用户节点作为意见领袖。该方法考虑因素的多样性保证了网络意见领袖挖掘的准确性和有效性。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.032 seconds)
