-
公开(公告)号：CN107358946A
公开(公告)日：2017-11-17
申请号：CN201710428283.3
申请日：2017-06-08
Applicant: 南京邮电大学
Abstract: 本发明公开了基于时间切片的语音情感识别方法，该方法包括如下步骤：步骤1：语音等长补全，设置一个声音的最大时常，采用白噪声将读入的语音信号进行时间补足；步骤2：语音信号切片，对上述步骤1所得的声音信号进行切片，即：时间等长切片和语音包络单元切片等；步骤3：语音片段时频分析，采用时频分析工具；步骤4：序列重构；步骤5：情感标记；步骤6：图像特征提取；步骤7：情感训练；步骤8：语音情感识别，对新输入的语音信号，采用上述步骤1到步骤6的方法得到情感特征集，然后输入到上述步骤7所得的情感分类模型中，最终得到当前语音的情感类型。该方法采用利用时间切片卷积和深度学习对语音情感进行分类，很好地提高了识别效率。
-
公开(公告)号：CN106980648B
公开(公告)日：2021-07-27
申请号：CN201710108298.1
申请日：2017-02-27
Applicant: 南京邮电大学
IPC: G06F16/9535 , G06F16/9536 , G06K9/62
Abstract: 本发明公开了一种基于概率矩阵分解结合相似度的个性化推荐方法，具体包含以下步骤：S1：建立物品信息和历史评分数据库；S2：生成用户之间和物品之间的相似度矩阵；S3：对上述矩阵的行向量按照降序进行排列；S4：基于概率矩阵分解模型生成目标函数；S5：生成最终的用户和物品的潜在特征矩阵；S6：根据最终的用户和物品的潜在特征矩阵生成预测的评分矩阵；S7：对用户进行个性化推荐。本发明中，可以根据用户的潜在特征向量与相似度高的用户潜在特征向量有关，使得预测评分更加贴近用户的真实评分，从而提高当前推荐系统推荐准确率。
-
Patent Agency Ranking
公开(公告)号：CN107358946B
公开(公告)日：2020-11-13
申请号：CN201710428283.3
申请日：2017-06-08
Applicant: 南京邮电大学
Abstract: 本发明公开了基于时间切片的语音情感识别方法，该方法包括如下步骤：步骤1：语音等长补全，设置一个声音的最大时常，采用白噪声将读入的语音信号进行时间补足；步骤2：语音信号切片，对上述步骤1所得的声音信号进行切片，即：时间等长切片和语音包络单元切片等；步骤3：语音片段时频分析，采用时频分析工具；步骤4：序列重构；步骤5：情感标记；步骤6：图像特征提取；步骤7：情感训练；步骤8：语音情感识别，对新输入的语音信号，采用上述步骤1到步骤6的方法得到情感特征集，然后输入到上述步骤7所得的情感分类模型中，最终得到当前语音的情感类型。该方法采用利用时间切片卷积和深度学习对语音情感进行分类，很好地提高了识别效率。
-
公开(公告)号：CN107221344A
公开(公告)日：2017-09-29
申请号：CN201710222674.X
申请日：2017-04-07
Applicant: 南京邮电大学
IPC: G10L25/63 , G10L13/02 , G10L15/02 , G10L15/06 , G10L15/16 , G10L19/02 , G10L25/27 , G10L25/30 , G06N3/08
CPC classification number: G10L25/63 , G06N3/084 , G10L13/02 , G10L15/02 , G10L15/06 , G10L15/16 , G10L19/02 , G10L25/27 , G10L25/30
Abstract: 本发明公开了一种语音情感迁移方法，首先基于语音数据库生成语音情感数据集，完成标签标注，然后采用语音特征参数模型对音频文件进行音频特征抽取，得到语音特征集；接下来采用机器学习工具对语音特征集与语音情感标签进行机器学习，构建情感模型库。选择待迁移的目标，从多媒体终端输入语音信号，得到当前语音信号的特征集，通过情感分类得到当前情感类别，判断与输入的目标是否一致，如果一致则将原始输入语音信号直接作为目标情感语音输出，否则进行特征情感迁移；最后经过语音合成加工生成最终目标情感语音输出。本发明提出的基于情感分类和特征迁移的方法，能够在不失原始说话人发声特征的前提下实现语音情感的变化。
-
公开(公告)号：CN107167136B
公开(公告)日：2020-10-02
申请号：CN201710195744.7
申请日：2017-03-29
Applicant: 南京邮电大学
Abstract: 本发明公开了一种面向电子地图的位置推荐方法，首先收集用户使用电子地图的路线的历史数据，进行数据预处理，清洗不相关或者缺省的数据信息，然后判断用户当前GPS定位，并结合查询到的用户历史数据进行智能情景判断，根据上述智能情景判断的结果，分类调用推荐算法给用户进行目的地推荐。本发明还进一步提出一种可以实现上述面向电子地图的位置推荐方法的系统，包含GPS位置定位模块、智能情景判别模块、历史记录存储模块和查询模块。本发明针对当前电子地图无目的地智能推荐、城际路线混乱等问题，提出一个目的地位置推荐算法，依托用户历史出行记录，使得在智能场景下能够预测用户出行线路，加大用户使用的智能化便捷性，提高定位准确性。
-
公开(公告)号：CN107167136A
公开(公告)日：2017-09-15
申请号：CN201710195744.7
申请日：2017-03-29
Applicant: 南京邮电大学
Abstract: 本发明公开了一种面向电子地图的位置推荐方法，首先收集用户使用电子地图的路线的历史数据，进行数据预处理，清洗不相关或者缺省的数据信息，然后判断用户当前GPS定位，并结合查询到的用户历史数据进行智能情景判断，根据上述智能情景判断的结果，分类调用推荐算法给用户进行目的地推荐。本发明还进一步提出一种可以实现上述面向电子地图的位置推荐方法的系统，包含GPS位置定位模块、智能情景判别模块、历史记录存储模块和查询模块。本发明针对当前电子地图无目的地智能推荐、城际路线混乱等问题，提出一个目的地位置推荐算法，依托用户历史出行记录，使得在智能场景下能够预测用户出行线路，加大用户使用的智能化便捷性，提高定位准确性。
-
公开(公告)号：CN106980648A
公开(公告)日：2017-07-25
申请号：CN201710108298.1
申请日：2017-02-27
Applicant: 南京邮电大学
CPC classification number: G06F17/30867 , G06K9/6215
Abstract: 本发明公开了一种基于概率矩阵分解结合相似度的个性化推荐方法，具体包含以下步骤：S1：建立物品信息和历史评分数据库；S2：生成用户之间和物品之间的相似度矩阵；S3：对上述矩阵的行向量按照降序进行排列；S4：基于概率矩阵分解模型生成目标函数；S5：生成最终的用户和物品的潜在特征矩阵；S6：根据最终的用户和物品的潜在特征矩阵生成预测的评分矩阵；S7：对用户进行个性化推荐。本发明中，可以根据用户的潜在特征向量与相似度高的用户潜在特征向量有关，使得预测评分更加贴近用户的真实评分，从而提高当前推荐系统推荐准确率。
-
-
-
-
-
-
Search Results
7
records
(took 0.022 seconds)
