-
公开(公告)号:CN108682007B
公开(公告)日:2021-09-10
申请号:CN201810401354.5
申请日:2018-04-28
Applicant: 华中师范大学
Abstract: 本发明属于信息安全技术领域,公开了一种基于深度随机森林的JPEG图像重采样自动检测方法,提取描述JPEG图像重压缩特性的特征向量:描述受重采样操作影响的局部周期相关性所呈现出的纹理特征;描述R、G、B通道受重采样操作影响的差异性的Benford特征;描述受重采样操作影响的DCT系数与其周围系数的关系的相邻系数差特征;描述JPEG图像重采样后出现的块效应特征。本发明利用典型相关分析将该四组特征向量进行融合,使用深度随机森林对融合后的特征向量进行学习和检测;有效识别图像重采样操作,通过量化四组特征向量之间的联系,使特征维数大大减少、降低了计算量、提高了特征之间的相关性,提升了检测精度。
-
公开(公告)号:CN111445153A
公开(公告)日:2020-07-24
申请号:CN202010243487.1
申请日:2020-03-31
Applicant: 华中师范大学
Abstract: 本发明属于教育测量及教育数据挖掘技术领域,公开了一种面向教育测量的客观试题属性模式估计与校正方法及系统,训练出监督度量学习的度量矩阵M1,使用该矩阵初步挖掘所有学习者的知识掌握情况;取部分数据作为训练集,训练出监督度量学习的度量矩阵M2,对新一道客观试题的属性模式进行估计,而后将该试题作为已知试题加入到基础客观试题中,直至估计出所有试题的属性模式;试题估计完毕后,选取一道试题进行属性模式校正,利用校正的客观试题属性模式挖掘所有学习者的知识掌握情况即学习者属性模式。本发明帮助教学人员更客观而详尽地分析试题组成,提高测试效度与信度,为学习者调整学习计划或采取针对性的补救措施提供依据。
-
公开(公告)号:CN110516116A
公开(公告)日:2019-11-29
申请号:CN201910796774.2
申请日:2019-08-27
Applicant: 华中师范大学
Abstract: 本发明属于教育数据挖掘技术领域,公开了一种多步分层的学习者认知水平挖掘方法及系统,结合布鲁姆认知领域目标分类及认知心理,构建试题-知识认知水平矩阵P,综合学习者知识认知水平矩阵和试题-知识认知水平矩阵构建学习者理想答题矩阵,利用极大似然估计挖掘学习者知识掌握候选集合;对候选集合内元素的全局期望进行综合判断,获取学习者最终的知识认知水平,并将结果使用雷达图可视化输出。本发明通过挖掘出学习者的知识认知水平后,利用雷达图反馈给学习者的挖掘结果将更加直观、通俗易懂,辅助学习者及时调整学习方案;模型挖掘出的试题隐参数可以评估组成此次测试的试题质量,提高了测试准确性与可信度。
-
公开(公告)号:CN109545227A
公开(公告)日:2019-03-29
申请号:CN201810402685.0
申请日:2018-04-28
Applicant: 华中师范大学
Abstract: 本发明属于声纹识别技术领域,公开了一种基于深度自编码网络的说话人性别自动识别方法及系统,利用与注册说话人及信道均无关的语音信号训练UBM通用背景模型;提取注册数据的i-vector;提取测试数据的i-vector;训练深度自编码网络;模式匹配与识别,并进行模型评估。本发明将深度自编码网络应用于说话人性别识别中,将深度自编码网络强大的学习能力用于表征不同性别的说话人特征,不仅实现了特征的再提取,同时降低了特征维数,从而降低了分类运算时的复杂度。本发明提出的方法可进一步推广应用于说话人识别,尝试提高说话人识别系统的鲁棒性。
-
公开(公告)号:CN108766464A
公开(公告)日:2018-11-06
申请号:CN201810572148.0
申请日:2018-06-06
Applicant: 华中师范大学
Abstract: 本发明属于数字音频信号处理技术领域,公开了一种基于电网频率波动超矢量的数字音频篡改自动检测方法,分析电网频率(ENF)信号中对信号截断敏感的相位谱和瞬时频率谱,分别提取有效特征集,并对提取出的特征集进行融合;仅使用大量的原始语音信号,其中包含各种信噪比的语音信号,甚至还有一些有缺陷的语音信号进行背景建模,与实际检测情况较为相符,也因此该背景模型对信号篡改类型不敏感,可以有效检测出各种类型的篡改音频。本发明建立了同类语音信号的一致性模型,经过自适应过滤掉了大量与本类属性无关的特征,并且其中的自适应部分还可以供使用者自行调整,具有较好的鲁棒性。
-
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。
-
公开(公告)号:CN112508334B
公开(公告)日:2023-09-01
申请号:CN202011233044.0
申请日:2020-11-06
Applicant: 华中师范大学
IPC: G06Q10/0639 , G06Q50/20 , G06N3/042 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明属于智能教育技术领域,公开了一种融合认知特性及试题文本信息的个性化组卷方法及系统,首先利用认知诊断模型预测学习者在特定试题上基于认知水平的得分;然后利用循环神经网络模型预测学习者在特定试题上的基于文本信息的得分;然后基于得到的学习者基于认知水平、基于文本信息的预测得分构建概率矩阵分解目标函数,预测学习者在特定试题上的潜在得分;最后利用估计的学习者知识掌握向量与学习者增量知识掌握向量,计算KL散度,结合学习者在试题上的潜在得分,选取让学习者知识掌握趋势增加,且难度合适的试题组成个性化测试的试卷。本发明可根据测验目标与试题难度自定义组卷结果,极大增加了学习者自主学习的效率。
-
公开(公告)号:CN108766464B
公开(公告)日:2021-01-26
申请号:CN201810572148.0
申请日:2018-06-06
Applicant: 华中师范大学
Abstract: 本发明属于数字音频信号处理技术领域,公开了一种基于电网频率波动超矢量的数字音频篡改自动检测方法,分析电网频率(ENF)信号中对信号截断敏感的相位谱和瞬时频率谱,分别提取有效特征集,并对提取出的特征集进行融合;仅使用大量的原始语音信号,其中包含各种信噪比的语音信号,甚至还有一些有缺陷的语音信号进行背景建模,与实际检测情况较为相符,也因此该背景模型对信号篡改类型不敏感,可以有效检测出各种类型的篡改音频。本发明建立了同类语音信号的一致性模型,经过自适应过滤掉了大量与本类属性无关的特征,并且其中的自适应部分还可以供使用者自行调整,具有较好的鲁棒性。
-
公开(公告)号:CN108766430B
公开(公告)日:2020-08-04
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:CN108538312B
公开(公告)日:2020-06-02
申请号:CN201810401376.1
申请日:2018-04-28
Applicant: 华中师范大学
Abstract: 本发明属于数字音频信号处理技术领域,公开了一种基于贝叶斯信息准则的数字音频篡改点自动定位的方法,对待测篡改信号进行活动语音检测,确定语音信号中的静音段;静音段分帧后依次提取每帧的美尔频率倒谱系数特征,按时序对特征序列再进行长窗分帧;计算每个长时特征帧的BIC值;取所有长时特征帧的BIC值组成的序列中的所有波峰点作为可疑篡改点,并在静音段中以其为中点,前后分别截断;对每个包含可疑点的截断窗计算BIC值序列。本发明实现了数字音频篡改点的自动定位,相对于传统的篡改检测方法降低了计算量,减少了篡改点的漏检率,避免了阈值选择的问题,对使用噪声对篡改点进行掩盖的情况具有鲁棒性。
-
-
-
-
-
-
-
-
-