公开(公告)号：CN110060699A

公开(公告)日：2019-07-26

申请号：CN201910421602.7

申请日：2019-05-21

Applicant: 哈尔滨工程大学

Inventor： 关键 ,  孙建国 ,  秦颖鑫 ,  袁野 ,  尹晗琦 ,  田野 ,  王文博 ,  林尤添

IPC: G10L21/0272 ,  G10L21/0208

Abstract: 本发明提供的是一种基于深度稀疏展开的单信道语音分离方法。步骤一、将输入的混沌、纯净语音进行信号预处理，进行特征的提取；步骤二、结合稀疏NMF和深度展开对单信道语音语音分离问题进行模型建立；步骤三、将建立好的模型与提取的特征进行模型训练，得到基本系数；步骤四、再次输入混沌、纯净语音信号数据进行测试，经过傅里叶逆变换后，最终得到纯净语音。该方法将稀疏非负矩阵分离与深度展开方法相结合，对语音分离具有一定效果。

公开(公告)号：CN111865932B

公开(公告)日：2022-04-12

申请号：CN202010611789.X

申请日：2020-06-30

Applicant: 哈尔滨工程大学

Inventor： 王红滨 ,  秦颖鑫 ,  张耘 ,  宋福平 ,  王念滨 ,  周连科 ,  张毅

IPC: H04L9/40 ,  G06N3/04

Abstract: 基于上下文关联注意力机制和简化LSTM网络的入侵检测方法，涉及网络安全技术领域，针对现有技术中入侵检测系统检测准确率低的问题，由于网络入侵流量数据具有一定的时序性和特征冗余性，因此本发明采用上下文关联注意力机制(CCAM，Contextual Connection Attention Mechanism)和简化LSTM网络(SLSTM，Simplify Long Short‑Term Memory Network)的入侵检测方法，不仅能够过滤或弱化检测数据的冗杂信息，增加数据的上下文联系，还能提取关键数据信息，提高训练速度，增强入侵行为检测的准确率。

公开(公告)号：CN111865932A

公开(公告)日：2020-10-30

申请号：CN202010611789.X

申请日：2020-06-30

Applicant: 哈尔滨工程大学

Inventor： 王红滨 ,  秦颖鑫 ,  张耘 ,  宋福平 ,  王念滨 ,  周连科 ,  张毅

IPC: H04L29/06 ,  G06N3/04

Abstract: 基于上下文关联注意力机制和简化LSTM网络的入侵检测方法，涉及网络安全技术领域，针对现有技术中入侵检测系统检测准确率低的问题，由于网络入侵流量数据具有一定的时序性和特征冗余性，因此本发明采用上下文关联注意力机制(CCAM，Contextual Connection Attention Mechanism)和简化LSTM网络(SLSTM，Simplify Long Short-Term Memory Network)的入侵检测方法，不仅能够过滤或弱化检测数据的冗杂信息，增加数据的上下文联系，还能提取关键数据信息，提高训练速度，增强入侵行为检测的准确率。