-
公开(公告)号：CN118212084A
公开(公告)日：2024-06-18
申请号：CN202410302839.4
申请日：2024-03-18
Applicant: 华中师范大学
Abstract: 本发明提供一种社会化问答社区知识传播影响因素的分析方法及系统，所述方法包括：初始化HK网络模型，节点按比例赋予策略；输入代表社会化问答社区知识传播因素的变量；进行节点间的博弈，计算每个节点的累计知识收益；将节点根据收益优先原则，选择学习对象，通过费米动力学进行策略更新；判断更新后的策略是否达到预设时间步：若否，转至步骤2，直至达到预设时间步；当达到预设时间步，输出演化结果，根据结果分析代表现实中不同影响因素的变量对于社会化问答社区策略演化的作用，和分析社会化问答社区中参与者的行为规律和策略选择。本发明可以对社会化问答社区的知识传播因素进行分析，用以解决如何促进社会化问答社区中的知识传播的问题。
-
公开(公告)号：CN113591988A
公开(公告)日：2021-11-02
申请号：CN202110874755.4
申请日：2021-07-30
Applicant: 华中师范大学
Abstract: 本发明属于个性化学习技术领域，公开了一种知识认知结构分析方法、系统、计算机设备、介质、终端，以学习者的学习交互序列为基础，得到联合先验特征；设计分层卷积神经网络对学习者学习状态进行空间分析，提取包含学习者个性化学习能力的空间特征；输出学习者在给定异构特征下对练习的反应情况，构建学习过程中影响学习者知识认知结构及表现的学习者时空融合特征；引入双向门循环单元，构建基于长时间依赖和融合时空特征的知识认知结构分析模型去动态诊断学习者的知识认知结构，预测学习者的学习表现。本发明有利于提高知识认知结构分析模型在预测学习者在特定资源下的学习表现方面的预测精度，对个性化教学的发展具有一定的借鉴意义。
-
公开(公告)号：CN112529155A
公开(公告)日：2021-03-19
申请号：CN202011418200.0
申请日：2020-12-07
Applicant: 华中师范大学
IPC: G06N3/04 , G06N3/08 , G06F16/9535 , G06K9/62 , 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：CN108831506A
公开(公告)日：2018-11-16
申请号：CN201810662831.3
申请日：2018-06-25
Applicant: 华中师范大学
Abstract: 本发明属于涉及数字音频信号处理技术领域，公开了一种基于GMM-BIC的数字音频篡改点检测方法及系统，使用GMM-BIC方法代替了传统的SGM-BIC用于数字音频篡改点检测，GMM的特性使得该方法可以表示更多的信息，对较长或者较短的语音段均有较好的表示效果；使用神经网络对拟合特征进行分类，得到更高的分类效果。本发明实现了数字音频篡改定位的自动化，自适应性好；针对相隔较近的拼接篡改点和使用各种噪声对篡改点进行掩饰的篡改操作，具有很强的鲁棒性；为数字音频篡改点检测的准确性和自动化提出了一种广泛性的算法。
-
公开(公告)号：CN108766465A
公开(公告)日：2018-11-06
申请号：CN201810572178.1
申请日：2018-06-06
Applicant: 华中师范大学
Abstract: 本发明属于音频信号处理领域，公开了一种基于ENF通用背景模型的数字音频篡改盲检测方法及系统，对大量的原始语音信号进行信号预处理，得到信号中包含的电网频率ENF成分；提取ENF信号的相位谱波动特征，相位谱和频率谱拟合参数特征，进行ENF通用背景模型训练；对已知ENF‑UBM进行自适应，得到原始信号的ENF模型；经过评分系统的处理，量化模型匹配度为分数标量；在监督学习条件下，绘制出ROC曲线，找到EER；根据EER的值计算正反例的分界值。本发明建立了原始语音信号ENF的通用背景模型，经过自适应过滤掉了大量与篡改特性无关的特征，并且其中的自适应部分还可目标数据库自行调整，具有较好的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN107146222A
公开(公告)日：2017-09-08
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：CN119479012A
公开(公告)日：2025-02-18
申请号：CN202411544777.4
申请日：2024-10-31
Applicant: 华中师范大学
IPC: G06V40/10 , G06V10/46 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于深度学习和图像处理领域，公开了一种基于人体关键点的教师异常着装自动检测模型及方法，该模型使用自训练的YOLOv8目标检测网络模型和YOLOv8‑Pose模型得到视频中教师的位置和人体关键点，获取有效帧保存为jpg格式文件供后续检测，对图片在HSV空间中色彩进行分割，得到肤色分割信息，再对人体四肢进行间隔采样，并联合肤色信息进行判断。本发明结合了先进的目标检测与姿态估计技术，以及色彩分割与图像处理算法，实现了高效且准确的教师异常着装检测。
-
公开(公告)号：CN114638988B
公开(公告)日：2024-11-01
申请号：CN202210249839.3
申请日：2022-03-14
Applicant: 华中师范大学
IPC: G06V10/764 , G06V10/82 , G06V20/40 , G06V40/10 , G06V10/44 , G06N3/0464 , G06N3/084 , G06F16/75 , G06F16/783 , G06Q50/20 , G06V40/20
Abstract: 本发明属于人工智能技术领域，公开了一种基于不同呈现方式的教学视频自动化分类方法及系统，以三个卷积神经网络模型，通过自训练的两个YOLOV4目标检测神经网络模型和人体关键点检测技术可以准确的定位教学视频分类所需要的信息，解决了教学视频背景和人物特征改变不明显的问题，增加了特征提取的准确度。自建的卷积神经网络模型的结构适合进行Interview型和Head型两种教学视频分类，网络深度对比经典的几种视频分类算法来说刚好合适，减少了计算机硬件耗能。使用其它相关的图像数据集预处理后作为所需的训练集，突破了教学视频数据集上的瓶颈。提供了一种新的教学视频分类方式，提高了教学视频分类的正确率和效率。
-
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：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
65
records
(took 0.023 seconds)
