-
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：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。
-
公开(公告)号：CN113377994A
公开(公告)日：2021-09-10
申请号：CN202110773772.9
申请日：2021-07-08
Applicant: 哈尔滨理工大学
IPC: G06F16/632 , G06F16/65 , G06K9/62
Abstract: 本申请涉及一种基于旋律特征聚类与优化的哼唱检索方法，包括：对训练数据进行旋律特征提取，该特征为音高向量；对音高向量进行聚类并利用聚类标签训练DBN网络；利用训练好的DBN模型对测试数据提取特征；与训练集旋律特征库中的旋律特征进行匹配并找到所属类别，在类内继续匹配输出检索结果。本方法将优化初始聚类中心的k‑means算法引入到哼唱检索中，其能够依据高密度优先聚类的思想，有效提升密度差异较大数据集的聚类效果，聚类后同簇的旋律特征具有更高的结构相似性。本发明不仅检索稳定高效，而且检索精度高。
-
公开(公告)号：CN119106513A
公开(公告)日：2024-12-10
申请号：CN202411236793.7
申请日：2024-09-04
Applicant: 哈尔滨理工大学
IPC: G06F30/17 , B62D57/032 , G06F30/20 , G06F119/14
Abstract: 本发明属于足地作用力学技术领域。本发明公开了一种应用于泥地地形的足式机器人足地接触模型构建方法，可提高足式机器人在泥地地形下运动的稳定性，具体方法为：首先，根据泥地的粘塑性、粘弹性、弹性和塑性变形特性，将Burgers模型、非线性黏塑性模型和非线性弹簧模型串联，得到描述这些变形特性的离散元模型。然后，基于土壤力学中的摩尔‑库伦理论，从土壤力学角度考虑泥地的土壤容重、含水量和黏粒含量变化对土壤内聚力的影响，提出并建立这三者与泥地离散元模型中黏滞系数的关系式。最后，根据足端法向力和切向力的大小及其变化趋势，将足地接触过程分为落足、抬足和脱离三个阶段，并将落足到抬足的过渡过程设定为一个独立阶段。其中，落足和抬足两个阶段根据泥地的变形形式进一步细分为弹性变形和塑性变形两个阶段。不同阶段应用泥地离散元模型中描述相应特性的模型来构建足地接触模型。本发明可提高泥地地形的足地接触模型建模精度，使足式机器人在泥地地形下有更高的适应性。
-
Patent Agency Ranking
公开(公告)号：CN119055256A
公开(公告)日：2024-12-03
申请号：CN202411460796.9
申请日：2024-10-18
Applicant: 哈尔滨理工大学
IPC: A61B5/374 , A61B5/00 , G06F18/213 , G06N3/0464 , G06N3/08 , G06F18/25
Abstract: 本发明属于癫痫发作预测技术领域，公开了一种基于动态多尺度时空注意力网络的癫痫发作预测方法，包括以下步骤：S1、基于数据收集模块获取脑癫痫发作前期和间期电信号；S2、基于数据处理模块，对脑电信号进行滤波提纯以及分割，获取时间窗信号片段；S3、基于模型构建与训练模块，构建动态多尺度时空注意力网络，其包括动态时间注意力模型、多尺度空间注意力模型和交叉注意力特征融合模型。本发明采用上述一种基于动态多尺度时空注意力网络的癫痫发作预测方法，探究癫痫脑电的时空复杂协同关系，获得脑电长程时空特征，从而提高癫痫发作预测精度；此外本发明还增强了原始数据的辨识力，增加了深度学习算法中的可解释性和适用性。
-
公开(公告)号：CN118733984A
公开(公告)日：2024-10-01
申请号：CN202410641502.6
申请日：2024-05-22
Applicant: 哈尔滨理工大学
IPC: G06F18/20 , G06F18/2411 , G06F18/2415 , G06F18/23213 , G06Q50/00
Abstract: 本发明公开了一种基于异构图的随机游走属性网络嵌入和社区发现方法。首先，结合异构图中结构节点的结构重要性、属性重要性，以及异构图中属性节点的属性重要性，计算结构节点的影响力；其次，构建异构图的加权图及其转移概率矩阵；然后，构建加权图随机游走序列，游走时属性节点作为中介节点实现无连接节点之间的游走，低影响力节点作为桥接节点实现游走跨越，降低游走序列中的冗余信息；最后，利用skip‑gram模型对游走序列进行训练，学习每个节点的低维向量表示，根据k‑means聚类算法，对节点的低维向量进行聚类，实现社区划分。
-
公开(公告)号：CN115708758B
公开(公告)日：2024-07-12
申请号：CN202211450412.6
申请日：2022-11-19
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于柔性机械臂和人体肌电信号的上肢康复模式及训练方法，属于上肢康复模式及训练方法领域。包括：利用多自由度机械臂对人体上肢末端施加力干预，使用gForce手环采集实时的肌电信息，并采用人体肌电信号和力映射的计算方法，来进行刚度测量。通过大量实验，获取到了不同的刚度阈值区间，之后利用力矩控制将实时估计的刚度值传递给机器人，以此判断疲劳程度，划分不同的康复训练模式，之后将检测与计算得到的每个关节角度，角速度，角加速度输入到人机系统的动力学模型中，实现不同的康复训练模式。该方法将肌电信号融入到人机交互的过程中，有效的实现了机械臂的柔顺性控制，提高了应对复杂康复训练的适应性，增加了人机交互体验感。
-
公开(公告)号：CN118305797A
公开(公告)日：2024-07-09
申请号：CN202410530947.7
申请日：2024-04-29
Applicant: 哈尔滨理工大学
IPC: B25J9/16
Abstract: 本发明属于多自由度机器人人机交互技术领域，本发明公开了一种基于运动想象与机器视觉的机械臂控制决策方法，解决现有脑机接口技术中机械臂指令映射复杂，被试认知负担大，机械臂运动不自然等问题，具体方法为：采用区域规划机制对视觉检测的操作空间进行界定，提出一种单/双手映射关系式，建立所述左右脑幅值与机器人之间的控制关系；提出一种权重因子控制决策器，协助操作者完成抓取，且操作者也能主动参与整个过程中。本发明引入机器视觉并设计合理的控制决策方法，实现对机械臂控制指令映射、操作空间区域规划、完成权重因子α的评定，并对抓取任务进行辅助，有助于提高脑控机械臂抓取系统的性能，缓解指令映射关系复杂，被试认知负担大的情况，增强控制的鲁棒性，提高脑控机械臂的控制精度和任务性能。
-
公开(公告)号：CN115512708B
公开(公告)日：2024-05-07
申请号：CN202211218439.2
申请日：2022-10-05
Applicant: 哈尔滨理工大学
IPC: G10L17/04 , G10L17/06 , G06F18/28 , G06F18/214 , G06F18/24
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。
-
-
-
-
-
-
-
-
-
Search Results
94
records
(took 0.035 seconds)
