-
公开(公告)号：CN113903045B
公开(公告)日：2024-11-01
申请号：CN202111237628.X
申请日：2021-10-22
Applicant: 华中师范大学
IPC: G06V30/244 , G06F40/126
Abstract: 本发明公开了一种手写汉字图像的笔顺识别方法及系统，其中，笔顺识别方法包括预处理步骤、第一次笔顺匹配步骤、第二次笔顺匹配步骤和笔段融合步骤；本发明提供的笔顺识别方法是针对静态手写汉字图像，避免了在电子设备上书写体验的失真；本发明基于八邻域方向编码规则给出了不同类型笔画的非法方向编码，并根据非法方向编码来计算第一次笔顺匹配步骤中的匹配权重；本发明对手写汉字进行第一次笔顺匹配和第二次笔顺匹配，可确保手写汉字中的每个笔段都有匹配的笔顺；本发明通过不同笔段的八邻域编码链和不同笔画的合法方向编码来实现笔段融合；通过本发明提供的笔顺识别方法，能有效提高静态手写汉字图像中笔顺识别的准确率。
-
公开(公告)号：CN113505589B
公开(公告)日：2024-07-23
申请号：CN202110802482.2
申请日：2021-07-15
Applicant: 华中师范大学
IPC: G06F40/279 , G06F40/166
Abstract: 本发明提供一种基于BERT模型的MOOC学习者认知行为识别方法，包括：获取MOOC论坛中学习者讨论文本数据，生成MOOC评论领域的专业语料；对语料进行预处理，生成包含MOOC领域专业知识预训练数据；结合预训练数据，使用MLM和NSP策略对BERT模型进行再训练，得到MOOC‑BERT；构建MOOC学习者认知行为标注数据集；使用标注数据集对MOOC‑BERT中参数和权重微调，生成面向MOOC学习者的认知行为识别模型。本发明基于BERT模型的MOOC学习者认知行为识别方法，用于提高对在线学习环境中学习者认知行为的识别能力，有效帮助教师分析大规模场景下MOOC学习者的认知行为类型。
-
公开(公告)号：CN116434311A
公开(公告)日：2023-07-14
申请号：CN202310443111.9
申请日：2023-04-23
Applicant: 华中师范大学
IPC: G06V40/16 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明提供了一种基于混合域一致性约束的面部表情识别方法及系统，方法包括：将待识别的人脸图像输入至面部表情识别模型，获得所述人脸图像的表情识别结果；所述面部表情识别模型是以空间域一致性约束和/或通道域一致性约束为约束，基于样本人脸图像及其对应的面部表情标签训练获得的；所述空间域一致性约束为样本人脸图像的热力图与翻转人脸图像的热力图之间的一致性约束；通道域一致性约束为样本人脸图像与翻转人脸图像在不同通道上的概率分布的一致性约束；所述翻转人脸图像为水平翻转后的样本人脸图像。本发明提升了模型的分类性能，可以处理各种复杂的面部表情图像，解决了传统面部表情识别的准确率低的问题。
-
公开(公告)号：CN115730608A
公开(公告)日：2023-03-03
申请号：CN202211511162.2
申请日：2022-11-29
Applicant: 华中师范大学
IPC: G06F40/35 , G06F40/216 , G06F40/289 , G06F40/242 , G06F16/34 , G06F16/35 , G06N7/01 , G06Q50/20
Abstract: 本发明提供一种学习者在线交流信息分析方法及系统，包括：确定学习者在学习交流互动过程中生成的多维度话语文本信息；将多维度话语文本信息输入到训练优化后的时序主题模型，以基于多维度话语文本信息分析得到对应的学习者特征信息；时序主题模型根据贝叶斯理论和图模型建立，建立过程中整合学习者话语文本交互的外显社会行为，并整合学习者的内隐认知、情感及主题的动态耦合关系，融合学习者话语文本交互的时序特征，引入时间变量构建得到时序主题模型，解析学习者话语文本信息反映的不同要素之间的关联关系，实现对学习者话语文本的多维度分析。本发明为在线学习环境中学习共同体和个体的学习画像以及开展个性化教学提供有效的数据驱动支撑。
-
公开(公告)号：CN113345444B
公开(公告)日：2022-10-28
申请号：CN202110496856.2
申请日：2021-05-07
Applicant: 华中师范大学
Abstract: 本发明提供一种说话者确认方法及系统，包括：对说话者的音频信息进行预处理，将所述音频信息转换为预设格式的数据；将说话者音频信息对应的预设格式的数据输入到训练好的基于空间注意力机制的深度嵌套残差神经网络，以得到帧级别的说话者向量；基于所述帧级别的说话者向量生成话语级别的说话者向量，并计算所述话语级别的说话者向量和目标说话者向量的余弦相似度，以判断所述说话者是否为目标说话者；所述目标说话者向量是预先获取的。本发明提出了一种基于空间注意力机制的深度嵌套残差神经网络，通过深度神经网络更准确地提取说话者声纹特征。
-
Patent Agency Ranking
公开(公告)号：CN115146975A
公开(公告)日：2022-10-04
申请号：CN202210801922.7
申请日：2022-07-08
Applicant: 华中师范大学
IPC: G06Q10/06 , G06Q50/20 , G06V20/40 , G06V10/80 , G06V30/14 , G06V40/16 , G06V40/20 , G10L21/0272 , G10L25/03 , G06F40/30 , G06F16/35 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开基于深度学习的面向师‑机‑生教学成效评估方法和系统，属于教学管理信息领域。包括：采用视频特征提取网络模型，从视频数据分别提取出课堂学习过程师生的活动特征；采用语言模型，从文本数据分别提取在线学习过程教师、学生、辅导机器的活动特征；采用语音特征提取网络模型，从音频数据分别提取出师生对话、师机对话、生生对话、生机对话过程的师生的活动特征；对各种特征进行融合，得到教学成效评估指标。本发明提出以师‑机‑生为对象，从复合主体度进行教育成效评估，综合考虑视频、文本、音频多源数据，采用深度学习提取特征并融合，从不同的方面得到完整层次评估指标，实现复合主体认知的闭环反馈与能力的增强。
-
公开(公告)号：CN113743495A
公开(公告)日：2021-12-03
申请号：CN202111015213.8
申请日：2021-08-31
Applicant: 华中师范大学
Abstract: 本发明提供一种基于注意力机制的学习风格识别方法及系统，其中方法包括：确定学习者的学习特征；学习特征包括：学习者社会属性特征、学习资源特征、学习者行为链特征以及学习者专注度特征；基于学习者的学习特征构建学习者的学习行为链空间；学习行为链空间用于描述学习者在每个时间点的学习行为，每个时间点学习行为包括：每个时间点学习何种学习资源和表现何种专注度；将学习者在每个时间点的学习行为按照时间顺序串接得到学习者的学习行为序列；将学习者的学习行为序列输入到训练好的引入注意力机制的GRU网络，以识别学习者的学习风格；引入注意力机制的GRU网络用于基于学习者行为序列识别学习者的学习风格。本发明实现学习风格的精准识别。
-
公开(公告)号：CN113743263A
公开(公告)日：2021-12-03
申请号：CN202110970746.5
申请日：2021-08-23
Applicant: 华中师范大学
Abstract: 本发明公开了一种教师非言语行为测量方法及系统，其中，测量方法包括：对教室进行三维建模，并对教学视频的二维图像信息进行分析处理，计算每一帧视频中的教师头部三维坐标和头部欧拉角，得到教师视线落点数据，并将视线落点投射在三维建模的教室空间中，实现了教师视线落点的可视化；本发明通过分析教师视线落点的离散度和覆盖率了解教师授课时的注意力分布情况；本发明将教学视频按每5帧分组，通过教师头部欧拉角解析教师头部移动，识别连续头部移动对应的不同教学行为，从而了解教师的授课风格和课堂氛围。
-
公开(公告)号：CN113742396A
公开(公告)日：2021-12-03
申请号：CN202110989581.6
申请日：2021-08-26
Applicant: 华中师范大学
IPC: G06F16/2458 , G06K9/62 , G06Q50/20
Abstract: 本发明提供了一种对象学习行为模式的挖掘方法及装置，属于挖掘学习行为模式的技术领域，方法包括：将对象行为按照对象执行动作的时间先后顺序排列，构建各个对象对应的行为序列，组成行为序列数据库；采用学习行为embedding对整个行为序列数据库中的行为进行向量化处理；对向量化处理后的行为进行聚类，将行为划分为不同类别；对不同的行为类别赋值不同的数字编码，构建各个对象对应的数字化行为序列；采用序列模式挖掘方法，从数字化行为序列数据库中挖掘频繁子序列；基于频繁子序列分析对象学习行为模式。本发明可以减少挖掘子序列过多，学习行为子序列冗余的情况，使得挖掘的序列模式更具代表性。
-
公开(公告)号：CN112637301A
公开(公告)日：2021-04-09
申请号：CN202011483776.5
申请日：2020-12-16
Applicant: 华中师范大学
Abstract: 本发明提供一种基于Project Reactor框架的数据传输方法及系统，包括：设备端获取传感器实时检测的数据，并将传感器实时检测的数据发送给云平台的数据采集引擎；设备端和云平台的数据采集引擎之间采用MQTT协议进行通信；云平台的数据采集引擎利用Project Reactor框架构建；云平台的数据采集引擎利用Reactive Spring Cloud Stream构建响应式消息通信组件，将传感器实时检测的数据发送给Kafka消息中间件，将Kafka消息中间件中传感器实时检测数据转发给大数据平台或数据库；云平台的数据采集引擎利用Spring Reactive Data构建响应式数据访问组件，将Kafka消息中间件中传感器实时检测数据转发给MongoDB。本发明在数据的传输方面更加高效。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.02 seconds)
