-
公开(公告)号：CN107146222B
公开(公告)日：2020-03-10
申请号：CN201710267790.3
申请日：2017-04-21
Applicant: 华中师范大学
Abstract: 本发明涉及一种基于人体解剖结构相似性的医学图像压缩算法，本发明将传统的基于强度的分割算法与解剖学的知识结合起来，对腹部CT数据集中的特定的器官进行分割。首先基于当前数据集的先验解剖学知识获得每个器官的候选区域，然后在该候选区域中使用基于密度的方法来精确提取器官的数据。本发明利用器官在身体中的相对位置，可应用于不同患者尺寸的图像。其次，以渐进方式执行这个分割技术，先大致定义候选区的，然后使用基于密度的分割方法精炼目标区域，这种方法使得分割精度更加理想。本发明可以用于在医学图像中分割单个器官，并且可以适应于不同患者之间的解剖变异性，有助于减少分段误差，最终有助于改进后续的压缩操作。
-
公开(公告)号：CN107358171B
公开(公告)日：2019-08-02
申请号：CN201710482510.0
申请日：2017-06-22
Applicant: 华中师范大学
Abstract: 本发明公开了一种基于余弦距离与动态时间规整的手势识别方法，首先获取手部节点坐标值，使用倒序识别法来截取手势坐标序列，将手势坐标序列进行向量化的特征分割形成待识别序列；然后通过余弦距离和动态时间规整的方法将待识别序列与模板进行匹配，求得其累积距离矩阵以及最短距离值；最后比较DTW检测所得到的最短距离值与设定的阈值之间的大小关系，从而确定动作是否触发，达到动作识别的目标。本发明可以得到较高的识别率。
-
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：CN106960435A
公开(公告)日：2017-07-18
申请号：CN201710154442.5
申请日：2017-03-15
Applicant: 华中师范大学
IPC: G06T7/00
CPC classification number: G06T7/0002 , G06T2207/10004 , G06T2207/20052 , G06T2207/20081
Abstract: 本发明公开了一种JPEG图像双压缩自动检测方法，包括JPEG图像预处理；提提取JPEG图像基于马尔科夫模型的DCT系数的首位有效数字特征和相邻系数差特征，融合特征并进行特征降维；支持向量机训练与识别等3步骤。本发明中提出的融合特征对各种压缩情况（除一般压缩情况，还包括在两次压缩质量相等和第二次压缩质量为95的情况）均可以有效使用，并且该方法在提取融合特征后，对特征矩阵做了降维处理，以降维后的矩阵作为特征向量进行后续操作，降低计算复杂度，提高了算法效率，更易于在现实中使用。
-
Patent Agency Ranking
公开(公告)号：CN119478802A
公开(公告)日：2025-02-18
申请号：CN202411139034.9
申请日：2024-08-19
Applicant: 华中师范大学
IPC: G06V20/52 , G06V40/10 , G06V10/52 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明属于计算机视觉与人工智能技术领域，公开了一种轻量级智慧课堂学习行为检测方法及系统，包括：课堂图像中学生行为特征的提取，得到初步的多尺度特征；设计深度卷积神经网络对所提取的特征进行深层次的时空特征表示，并引入聚焦调制模块对特征进行增强；设计动态检测头对不同尺度的特征进行融合和处理；利用优化后的分类损失函数和边界框损失函数来计算预测结果与真实标签之间的差异，优化模型参数，通过所述模型输出最终的学生行为检测结果。最终，系统对检测到的学生行为进行详细分析，生成可视化的课堂行为报告。本发明实现了课堂场景中更加精准的学生行为检测，并能有效处理复杂的课堂环境和多样化的学生行为模式，具有较高的实用性。
-
公开(公告)号：CN119207433A
公开(公告)日：2024-12-27
申请号：CN202411305214.X
申请日：2024-09-19
Applicant: 华中师范大学
Abstract: 本申请属于声纹识别技术领域，具体公开了一种复杂场景下自监督对抗训练域自适应说话人确认方法，包括：获取源域数据集和目标域数据集，目标域数据集是基于源域数据集通过添加噪音获取的无标签数据集；对源域数据集和目标域数据集进行预处理及特征提取，获取源域和目标域分别对应的梅尔频谱特征样本；基于梅尔频谱特征样本对目标模型进行自监督对抗训练；目标模型包括多尺度扩充卷积编码器、说话人分类器和域判别器。本申请通过结合源域和目标域分别对应的梅尔频谱特征样本，对目标模型进行自监督对抗训练，能够同时引入说话人分类损失和域判别损失来减少源域和目标域之间的差异，模型学习到域不变知识，能够面向复杂场景实现精确地说话人识别。
-
公开(公告)号：CN114925218B
公开(公告)日：2024-08-13
申请号：CN202210570329.6
申请日：2022-05-24
Applicant: 华中师范大学
IPC: G06F16/36 , G06F16/332 , G06F40/216 , G06N3/044 , G06N3/08 , G06N5/02
Abstract: 本发明属于个性化学习技术领域，公开了一种基于自适应图的学习者知识认知结构动态挖掘方法，包括：构建在知识点集合上的初始知识点结构图；对初始的知识点集合上的初始知识点结构图进行更新；确定时序学习过程中学习者的状态动态变化；基于学习者在当前知识点上的状态变化计算得到学习者在与当前知识点相关联的知识点上的状态变化情况；更新学习者的知识状态；并根据更新后的学习者知识状态预测学习者下一时刻的作答结果。本发明能够同时考虑到学习者在学习过程中知识认知情况随时间的变化、学习者知识认知情况在知识结构图上的空间效应，完善知识认知结构分析模型，具有更高的准确性以及更好的解释性。
-
公开(公告)号：CN118410079A
公开(公告)日：2024-07-30
申请号：CN202410523673.9
申请日：2024-04-28
Applicant: 华中师范大学
IPC: G06F16/2458 , G06F18/25 , G06F18/2433 , G06F18/22 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/084 , G06Q50/20 , G06N3/048
Abstract: 本发明属于个性化学习技术领域，公开了一种基于混合专家系统的多任务学科核心素养水平挖掘方法及系统，首先通过收集学习者的行为交互和学习资源特征，构建学习者‑试题‑核心素养的异构图及相关字典。使用嵌入表示学习专家系统通过图对比学习技术学习图中的节点嵌入表示，并生成试题的相关性矩阵。学习表现预测和学科核心素养水平挖掘专家系统利用这些嵌入表示生成练习或素养嵌入，并通过门控结构融合专家意见。系统根据学生互动序列更新掌握状态，并预测其作答表现和素养水平，通过多任务优化提高预测准确度和模型性能，支持智慧教育发展。
-
公开(公告)号：CN112529155B
公开(公告)日：2024-04-05
申请号：CN202011418200.0
申请日：2020-12-07
Applicant: 华中师范大学
IPC: G06N5/022 , G06N3/042 , G06N3/0442 , G06N3/0455 , G06N3/082 , G06Q50/20
Abstract: 本发明属于个性化学习技术领域，公开了一种动态知识掌握建模方法、建模系统、存储介质及处理终端，构建学习过程中影响学习者知识掌握状态及表现的学习资源画像指标和学习者画像指标；从在线学习平台中采集包含相应的学习者行为数据以及数字学习资源特征的数据集；对构建的学习资源画像指标和学习者画像指标进行学习者信息融合量化处理，得到浅层学习特征；利用堆叠自编码器对得到的浅层学习特征进行深度表征及融合，构建深度学习者特征；构建基于记忆与遗忘因素结合的动态知识掌握模型。本发明有利于提高学习者表现的预测精度，也为动态知识掌握建模领域发展提供了新的思路，助力该领域发展。
-
-
-
-
-
-
-
-
-
Search Results
97
records
(took 0.03 seconds)
