-
公开(公告)号：CN114639372B
公开(公告)日：2024-10-25
申请号：CN202210221484.7
申请日：2022-03-07
Applicant: 哈尔滨理工大学
IPC: G10L15/00 , G10L15/02 , G10L15/06 , G10L21/0216 , G10L25/18 , G10L25/24 , G10L25/27 , G10L25/45
Abstract: 本发明公开了一种基于调整余弦互信息估计的语种识别方法，解决了在复杂的声音环境下以分类损失为目标函数提取到的embedding(嵌入特征)区分能力不强的问题。在训练阶段，先将训练集的声学特征做预处理，输入TDNN‑F网络；然后将网络中输出的embeddings根据半困难负样本挖掘策略，选择出正负样本对进行基于调整余弦相似度的互信息估计，并以此作为目标函数进行网络训练。在识别阶段，先将注册集和测试集的声学特征输入训练好的TDNN‑F网络得到对应的embeddings；然后将注册集与测试集的embeddings进行线性判别分析、减平均、零相位成分分析白化以及向量长度归一化；最后使用逻辑回归(LR)分类器进行评分。该方法能够有效利用正负样本对语言嵌入特征之间的互信息，以此优化网络训练并降低系统的错误率。本发明可以应用于语种识别领域。
-
公开(公告)号：CN115018820A
公开(公告)日：2022-09-06
申请号：CN202210796046.3
申请日：2022-07-08
Applicant: 哈尔滨理工大学
Abstract: 基于纹理加强的乳腺癌多分类方法，本发明涉及组织病理图像分类技术中，乳腺癌组织病理图像的多分类问题。组织病理图像分类技术通过图像处理技术提取出具有辨别性的类别特征进行癌症类型分类，在癌症诊断方面有着广泛的应用。然而由于乳腺癌的组织形象十分复杂和类型甚多，部分恶性亚型在临床和病理中表现出异质性差别小，导致在乳腺癌组织病理图像多分类中不易提取这些类别中具有区分性特征。为改善这一问题，本发明提出了一种基于纹理加强的乳腺癌多分类方法。实验表明，该方法能有效地提取不同乳腺癌亚型的具有辨别性的特征，减少分类误差，提高乳腺癌病理图像多分类精度。本发明应用于乳腺癌组织病理图像的多分类。
-
公开(公告)号：CN113611285A
公开(公告)日：2021-11-05
申请号：CN202111032721.7
申请日：2021-09-03
Applicant: 哈尔滨理工大学
Abstract: 本发明提出了一种基于层叠双向时序池化的语种识别方法，属于语种分类领域。本发明首先提取训练集和验证集音频文件的梅尔频率倒谱系数与基音参数，并切分成长度相同的片段，利用训练集段级特征训练残差‑双向长短时记忆神经网络，然后使用训练好的神经网络提取训练数据的高级时序特征，将高级时序特征进行非线性变换后，再对非线性特征进行双向时序池化。本发明可高效、准确地编码神经网络的隐藏层序列，从而获取音频的高阶动态信息，降低语种识别系统的错误率。
-
公开(公告)号：CN113012167A
公开(公告)日：2021-06-22
申请号：CN202110313933.6
申请日：2021-03-24
Applicant: 哈尔滨理工大学
Abstract: 一种细胞核与细胞质的联合分割方法，本发明涉及细胞病理图片分析诊断技术中，细胞核与细胞质难以分割的问题。提取细胞核与细胞质的形态、纹理和外观特征，为异常细胞的分类和检测提供依据，是细胞病理图像分析诊断的关键工作之一。细胞核的精确分割是提取细胞特征的关键所在。但是由于细胞间存在重叠，细胞形态差异大，细胞质边界对比度较差等，使得目前仍然没有一个较好的分割方法。针对这一问题，结合任务的特点，设计了模型和损失函数，并利用自监督学习对模型参数进行初始化，以引入先验知识。实验表明，这种方法能够有效地实现细胞核与细胞质在细胞病理分析过程中的精确分割。该方法主要应用于细胞分析任务中的细胞核和细胞质的分割任务。
-
公开(公告)号：CN112381794A
公开(公告)日：2021-02-19
申请号：CN202011276148.X
申请日：2020-11-16
Applicant: 哈尔滨理工大学
Abstract: 一种基于深度卷积生成网络的印刷缺陷检测方法，本发明涉及缺陷检测技术中，印刷品微小缺陷准确检测的问题。近年来，深度学习被广泛用于缺陷检测。虽然目前的方法在简单背景下的缺陷检测任务上取得了进展，但对于细微缺陷还是无法准确检测。针对这一问题，本发明提出了一种基于深度卷积生成网络的印刷缺陷检测方法。首先，加入上采样模块，减少上采样中的损失。其次，提出一种自注意力机制，从而使得网络可以生成结构性更为复杂和细节更为准确的图像。最后，拟合生成器生成图像的噪声分布，去除噪声，获得缺陷图像。在保证准确率的基础上，提高了检测精度。本发明应用于无监督的印刷微小缺陷检测。
-
Patent Agency Ranking
公开(公告)号：CN103973427B
公开(公告)日：2017-12-08
申请号：CN201310379191.2
申请日：2013-08-27
Applicant: 哈尔滨理工大学
IPC: H04L9/00
Abstract: 本发明提供一种基于虚拟计算和数据优化的混沌并行数据的加密方法，包括：S1、建立混沌方程，对数据进行划分，得到划分后的数据集，并确定虚拟计算核心集合；S2、判断所述数据集与所述虚拟计算核心集合的差值，根据所述差值与零的大小，确定执行态虚拟计算核心集合，并建立数据集与执行态虚拟计算核心的静态映射关系；S3、根据并行系统中物理计算核心集合建立执行态物理计算核心集合，并建立所述执行态虚拟计算核心集合到所述执行态物理计算核心集合的静态映射关系，执行态虚拟计算核心获取所述混沌方程的密钥并执行数据加密。本发明实施例中提出的加密方法能够根据实际需要充分利用物理计算核心，即充分利用并行系统的计算资源。
-
公开(公告)号：CN107330869A
公开(公告)日：2017-11-07
申请号：CN201710504878.2
申请日：2017-06-28
Applicant: 哈尔滨理工大学
CPC classification number: G06T5/001 , G06T7/11 , G06T2207/30096
Abstract: 重叠细胞分割后的异常像素点重构，本发明涉及DNA倍体分析技术中，重叠细胞分割后出现的像素点异常的问题。DNA倍体分析技术通过图像处理技术测量细胞DNA的相对含量，在癌症诊断方面有着广泛的应用。然而重叠细胞的分割后的像素点异常，导致细胞的纹理、灰度以及最重要的光密度等特征出现异常，在诊断中极易出现误诊。为改善这一问题，本发明提出了一种基于GMM-UBM模型的细胞重叠区域像素重构方法。实验表明，该方法能有效地调整细胞的纹理、灰度、光密度等特征值，减少DNA含量测量的误差，降低异常像素点对分类器识别率的影响。本发明应用于重叠细胞分割后的异常像素点重构。
-
公开(公告)号：CN103973666B
公开(公告)日：2017-07-14
申请号：CN201310351135.8
申请日：2013-08-13
Applicant: 哈尔滨理工大学
Abstract: 本发明提供了一种垃圾邮件僵尸主机检测方法及装置，涉及计算机网络安全领域。该方法包含训练阶段和检测阶段：S1、通过序贯概率比的方法估计正常主机和垃圾邮件僵尸主机的高斯模型参数，分别建立高斯模型，并计算高斯模型的门限值；S2、通过垃圾邮件分类器对待检测主机发出的邮件进行检测，得到检测分数；S3、将所述检测分数进行归一化处理，将检测分数调整在[0,1]区间内；S4、基于调整后的检测分数，通过步骤S1中建立的高斯模型计算垃圾邮件僵尸主机的统计量，并将统计量与所述门限值做比较，判决待检测主机是否为垃圾邮件僵尸主机。本发明通过检测发送垃圾邮件的僵尸主机，能够切断垃圾邮件发送的源头，从根本上减少垃圾邮件的发送。
-
公开(公告)号：CN105975589A
公开(公告)日：2016-09-28
申请号：CN201610298079.X
申请日：2016-05-06
Applicant: 哈尔滨理工大学
IPC: G06F17/30
CPC classification number: G06F16/285 , G06F16/2465 , G06F16/283
Abstract: 本发明公开了一种高维数据的特征选择方法及装置，该方法包括获取待处理的原始数据集，所述原始数据集包括特征集、若干样本以及类别集，所述类别集包括每个样本的类别；计算获取所述特征集中每一个特征与类别集之间的最大信息系数MIC，以及每一个特征与已选特征子集的冗余值；根据所述最大信息系数MIC和所述冗余值，获取每一个特征的有效值，并根据所述有效值从特征集中选择出特征子集。本发明将MIC引入特征选择中，并基于MIC对特征进行有效评价，以根据评价产生的有效值选择特征，与现有技术相比，能有效地提高对高维数据特征选择的精确度。
-
公开(公告)号：CN103971702A
公开(公告)日：2014-08-06
申请号：CN201310332073.6
申请日：2013-08-01
Applicant: 哈尔滨理工大学
Abstract: 本发明提供一种声音监控方法、装置及系统，涉及声音信号处理和模式识别技术领域。该方法包含步骤：训练声音阶段和检测声音阶段，训练声音阶段包含：S1、获取训练声音信号，提取训练声音特征；S2、根据训练声音特征，训练声音事件模型；检测声音阶段包含：S3、提取待检测声音特征；S4、判断所述声音事件模型中是否存在至少一个与所述待检测声音特征匹配的声音事件模型，如为是，则判定存在暴力事件；如为否，判定不存在暴力事件。本发明通过提取声音信号的声音特征，将所提取的声音特征与训练好的声音事件模型做比较，分析得出电梯内是否存在暴力事件，实现了电梯内暴力事件的自动监控，实时给出监控结果，能有效保证检测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.026 seconds)
