-
公开(公告)号：CN111860662B
公开(公告)日：2023-03-24
申请号：CN202010723891.9
申请日：2020-07-24
Applicant: 南开大学
IPC: G06F18/22 , G06F18/25 , G06N3/0442 , G06N3/084
Abstract: 本发明提供了一种相似性检测模型的训练方法及装置、应用方法及装置。该训练方法包括：对第一应用程序和第二应用程序的属性信息进行特征提取，获得属性特征；根据属性特征，获得第一应用程序和第二应用程序之间的相似度；根据相似度和相似度标签的差异，训练相似性检测模型，其中，相似度标签用于标记第一应用程序和第二应用程序之间的相似性，能够利用相似度标签作为训练标签，建立有监督的相似性检测模型，提高相似性检测模型的性能，从而提高应用程序相似性的检测效率和准确性。
-
公开(公告)号：CN111445913A
公开(公告)日：2020-07-24
申请号：CN202010214245.X
申请日：2020-03-24
Applicant: 南开大学
Abstract: 本发明提供了一种基于神经网络的声纹特征提取方法和装置，解决了现有技术中声纹特征提取精度不够的问题。基于神经网络的声纹特征提取方法包括：利用卷积神经网络结合注意力机制对输入的目标语音数据进行特征提取，得到帧级特征向量序列；结合注意力机制对帧级特征向量序列进行降采样，以将帧级特征向量序列转化为预定维度的中间特征向量；对中间特征向量进行全连接操作，以获得句子级的声纹特征向量。
-
公开(公告)号：CN113611315B
公开(公告)日：2023-09-22
申请号：CN202110886681.6
申请日：2021-08-03
Applicant: 南开大学
IPC: G10L17/18 , G10L25/24 , G06N3/0464 , G10L25/30
Abstract: 一种基于轻量化卷积神经网络的声纹识别方法和装置，解决了现有技术中声纹识别技术精度低且网络参数量和计算量过大的问题。声纹识别方法包括：基于声学特征向量，顺次执行多个特征提取子例程，分别得到多个第四声纹特征向量；基于部分第四声纹特征向量确定第五声纹特征向量；采用低秩矩阵分解技术对第五声纹特征向量进行全连接，得到第六声纹特征向量；根据第六声纹特征向量进行声纹识别。其中，特征提取子例程包括：对输入特征向量进行多个不同空洞率的深度可分离卷积操作，得到多个第一声纹特征向量，确定多个第一声纹特征向量各自的权重向量，基于权重向量对多个第一声纹特征向量进行加权融合，得到第二声纹特征向量。
-
公开(公告)号：CN110459284A
公开(公告)日：2019-11-15
申请号：CN201910757517.8
申请日：2019-08-16
Applicant: 南开大学
Abstract: 本发明公开了一种面向治疗方案的访问控制方法，包括：获取历史治疗方案；提取历史治疗方案中的关键词；获取用户信息；获取用户当前的访问记录，并提取当前访问记录中的关键词；根据用户信息匹配与用户所在科室相对应的历史治疗方案，并将当前访问记录中的关键词与用户所在科室相对应的历史治疗方案中的关键词进行关键词匹配：若二者关键词能够完全匹配，则获取与用户当前访问记录相对应的治疗方案；若二者的关键词不能完全匹配，则根据内外科结合的历史治疗方案判断当前访问记录是否存在越权性质，根据越权性质的判断结果再确定是否可以继续访问。本发明提供的面向治疗方案的访问控制方法具有访问准确度高和访问范围广的特点。
-
公开(公告)号：CN109683946A
公开(公告)日：2019-04-26
申请号：CN201811521684.4
申请日：2018-12-13
Applicant: 南开大学
CPC classification number: G06F8/71 , G06F17/2785 , G06N3/0454 , G06N3/084 , G06Q30/0282
Abstract: 一种基于代码克隆技术的用户评论推荐方法，该方法结合代码克隆技术和用户评论推荐算法为新开发的软件或缺少用户评论的软件提供合理有效的评论。主要过程有：首先收集大量代码克隆数据，使用AST以及Word2Vec处理数据集中的代码对并将其表示为向量，基于向量进行CNN模型训练及保存；其次是用户评论阶段数据的收集及预处理，将用户基于插件输入的代码和用于评论推荐的代码组成代码对，采用代码克隆阶段相同的处理方法将代码对表示为向量；最后基于向量和保存的CNN模型进行相似度值的预测，最终为用户输入的代码段提供合理有效的用户评论。本发明解决了应用软件没有足够多有效用户评论的难题，为软件的进一步提升和改进提供更多有效的信息。
-
Patent Agency Ranking
公开(公告)号：CN110459284B
公开(公告)日：2022-02-22
申请号：CN201910757517.8
申请日：2019-08-16
Applicant: 南开大学
Abstract: 本发明公开了一种面向治疗方案的访问控制方法，包括：获取历史治疗方案；提取历史治疗方案中的关键词；获取用户信息；获取用户当前的访问记录，并提取当前访问记录中的关键词；根据用户信息匹配与用户所在科室相对应的历史治疗方案，并将当前访问记录中的关键词与用户所在科室相对应的历史治疗方案中的关键词进行关键词匹配：若二者关键词能够完全匹配，则获取与用户当前访问记录相对应的治疗方案；若二者的关键词不能完全匹配，则根据内外科结合的历史治疗方案判断当前访问记录是否存在越权性质，根据越权性质的判断结果再确定是否可以继续访问。本发明提供的面向治疗方案的访问控制方法具有访问准确度高和访问范围广的特点。
-
公开(公告)号：CN109683946B
公开(公告)日：2021-12-03
申请号：CN201811521684.4
申请日：2018-12-13
Applicant: 南开大学
IPC: G06F8/71 , G06F40/253 , G06Q30/02 , G06N3/04 , G06N3/08
Abstract: 一种基于代码克隆技术的用户评论推荐方法，该方法结合代码克隆技术和用户评论推荐算法为新开发的软件或缺少用户评论的软件提供合理有效的评论。主要过程有：首先收集大量代码克隆数据，使用AST以及Word2Vec处理数据集中的代码对并将其表示为向量，基于向量进行CNN模型训练及保存；其次是用户评论阶段数据的收集及预处理，将用户基于插件输入的代码和用于评论推荐的代码组成代码对，采用代码克隆阶段相同的处理方法将代码对表示为向量；最后基于向量和保存的CNN模型进行相似度值的预测，最终为用户输入的代码段提供合理有效的用户评论。本发明解决了应用软件没有足够多有效用户评论的难题，为软件的进一步提升和改进提供更多有效的信息。
-
公开(公告)号：CN113611315A
公开(公告)日：2021-11-05
申请号：CN202110886681.6
申请日：2021-08-03
Applicant: 南开大学
Abstract: 一种基于轻量化卷积神经网络的声纹识别方法和装置，解决了现有技术中声纹识别技术精度低且网络参数量和计算量过大的问题。声纹识别方法包括：基于声学特征向量，顺次执行多个特征提取子例程，分别得到多个第四声纹特征向量；基于部分第四声纹特征向量确定第五声纹特征向量；采用低秩矩阵分解技术对第五声纹特征向量进行全连接，得到第六声纹特征向量；根据第六声纹特征向量进行声纹识别。其中，特征提取子例程包括：对输入特征向量进行多个不同空洞率的深度可分离卷积操作，得到多个第一声纹特征向量，确定多个第一声纹特征向量各自的权重向量，基于权重向量对多个第一声纹特征向量进行加权融合，得到第二声纹特征向量。
-
公开(公告)号：CN113436726A
公开(公告)日：2021-09-24
申请号：CN202110728236.7
申请日：2021-06-29
Applicant: 南开大学
Abstract: 本发明公开了一种基于多任务分类的肺部病理音自动化分析方法，涉及肺部病理分析技术领域，包括以下步骤：将提取的音频特征，输入至卷积神经网络MobileNetV2的多任务分类模型，所述卷积神经网络MobileNetV2的多任务分类模型，包括输出用于肺部病理音识别任务和输出用于肺部疾病预测任务。本发明采用多任务学习方法可以隐式增加训练数据量，并通过同一数据的多个标签信息的领域知识来改善模型的泛化性能，从而提升卷积神经网络MobileNetV2的多任务分类模型的预测准确率，另外使用轻量化的卷积神经网络MobileNetV2的多任务分类模型，参数较少，对训练设备的计算能力、内存大小的需求比较小，使得预测分类任务可以在移动或嵌入式设备上完成。
-
公开(公告)号：CN111860662A
公开(公告)日：2020-10-30
申请号：CN202010723891.9
申请日：2020-07-24
Applicant: 南开大学
Abstract: 本发明提供了一种相似性检测模型的训练方法及装置、应用方法及装置。该训练方法包括：对第一应用程序和第二应用程序的属性信息进行特征提取，获得属性特征；根据属性特征，获得第一应用程序和第二应用程序之间的相似度；根据相似度和相似度标签的差异，训练相似性检测模型，其中，相似度标签用于标记第一应用程序和第二应用程序之间的相似性，能够利用相似度标签作为训练标签，建立有监督的相似性检测模型，提高相似性检测模型的性能，从而提高应用程序相似性的检测效率和准确性。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.02 seconds)
