-
公开(公告)号：CN119446165A
公开(公告)日：2025-02-14
申请号：CN202411664672.2
申请日：2024-11-20
Applicant: 大连海事大学
IPC: G10L21/02 , G10L21/0208 , G10L15/06
Abstract: 本申请适用于音频处理技术领域，提供了一种音频强化方法及相关设备，所述方法包括：根据预设音频数据集构建训练集和测试集；通过所述训练集和测试集，对基于WavLM‑large模型和WWF模型构建的预设语音增强模型进行训练，得到目标语音增强模型；将待测音频数据集输入所述目标语音增强模型，得到强化音频数据集。解决了音频检测领域在数据量小且缺少成对干净语音场景下的降噪问题，消除了待测音频数据集的噪声及“Clever Hans”效应，避免了去噪导致的待测音频数据集中有效特征丢失问题。
-
公开(公告)号：CN114419409B
公开(公告)日：2024-11-26
申请号：CN202210036924.1
申请日：2022-01-12
Applicant: 大连海事大学
IPC: G06V10/80 , G06V10/764 , G06V10/82 , G06V40/16 , G06N3/045 , G06N3/0442 , G06N3/0499 , G06N3/047 , G06N3/0464
Abstract: 本发明公开了一种基于人脸识别和分层融合策略的多模态恶意迷因图检测方法，涉及自然语言处理技术领域。本发明引入了一种新的多模态融合模型，并对图像和文本进行多模态训练。这个多特征融合网络首先使用ResNet和YOLO‑v5提取图像特征和属性特征，然后使用属性特征和双向LSTM网络提取文本特征。在提取属性特征的同时，引入了人脸识别器来获取迷因图中人脸的种族和性别信息，这样可以更好地捕捉到仇恨情绪。然后将三种模态的特征重建并融合到一个特征向量中进行预测。评估结果表明，该模型在检测仇恨迷因图方面的性能达到了更高的水平。
-
公开(公告)号：CN116992873A
公开(公告)日：2023-11-03
申请号：CN202310959805.8
申请日：2023-07-31
Applicant: 大连海事大学
IPC: G06F40/289 , G06F40/30 , G06F40/211 , G06F18/214 , G06F18/241 , G06N3/0442
Abstract: 本发明公开一种基于对比学习与一致性检测的多目标立场检测方法及系统，属于自然语言处理的技术领域。本发明在对比学习上应用一致性检测方法，它使模型能够学习目标的更多特征信息，并加强目标之间语义信息的联系，使目标之间互相辅助检测自身立场。此外，本发明中微调BERT并嵌入BiLSTM作为编码器，以更充分地利用隐藏上下文之间的语义信息。本发明还将联合训练作为一种多任务学习方法，允许模型基于数据集共享特定领域的信息。本发明解决了多目标立场检测中数据集嘈杂、目标孤立、特定领域信息不足的问题。不仅提高了该任务上性能的精度，对于其他具有类似问题的多目标文本分类任务同样有借鉴意义。
-
公开(公告)号：CN119274691B
公开(公告)日：2025-05-23
申请号：CN202411344030.4
申请日：2024-09-25
Applicant: 大连海事大学
Abstract: 本发明提供基于异质节点序列表示的药物‑疾病关联预测方法及系统，属于生物信息学中药物发现技术领域。构建药物相似性网络和疾病相似性网络；利用药物相似性网络和疾病相似性网络构建异质生物交互网络，获得目标节点的一阶邻居子图；按照元关系类型将目标节点的一阶邻居子图拆分为多个元关系二部图，各元关系二部图内进行域内消息传播与聚合，更新目标节点的语义特征；跨域融合目标节点的语义特征，更新目标节点的序列特征、聚合特征；利用更新后的序列特征，通过多头自注意力机制获得目标节点的向量表示；将药物节点和疾病节点的向量表示，输入多层感知机预测药物‑疾病关联概率。本发明有效避免语义信息混淆，进而提高了模型预测的准确度。
-
公开(公告)号：CN119274687A
公开(公告)日：2025-01-07
申请号：CN202411344031.9
申请日：2024-09-25
Applicant: 大连海事大学
IPC: G16C20/30 , G06N3/0895 , G16C20/50 , G16C20/70 , G16H20/10
Abstract: 本发明提供基于跨视图对比学习的药物‑疾病关联预测方法及系统，属于生物信息学中药物发现技术领域。构建语义视图和交互视图；构建并训练药物‑疾病关联概率预测模型：整合语义视图和交互视图，获得融合后的药物向量表示和疾病向量表示，作为融合视图；利用融合后的药物、疾病向量表示输出药物‑疾病关联概率；对融合视图与语义视图进行跨视图对比学习；对融合视图与交互视图进行跨视图对比学习；通过多任务学习方式将隐含知识通过底层共享参数从对比学习迁移至药物‑疾病关联概率预测。避免采用随机扰动进行对比视图增强所造成的药物与疾病间必要的关联信息被丢弃的问题，从而提高药物‑疾病关联预测的准确度。
-
Patent Agency Ranking
公开(公告)号：CN114417823B
公开(公告)日：2024-09-06
申请号：CN202210023639.6
申请日：2022-01-10
Applicant: 大连海事大学
IPC: G06F40/211 , G06N3/045 , G06N3/0442 , G06N3/042 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于句法依赖和图卷积网络的方面级情感分析方法及装置，涉及自然语言处理技术领域。本发明使用的方面融合图卷积网络模型能融入更多的语义信息，更好的利用句子中的句法信息和单词依赖性，从而提高模型的训练质量。首先，通过引入依赖树和依赖位置图来增强每个句子实例的句法依赖。然后，使用两个图卷积网络融合依赖树和依赖位置图以生成方面的交互情感特征。最后，通过注意力机制充分整合卷积层和掩蔽层的状态向量中与方面语义相关的重要特征。本发明解决了情感分析领域容易忽略的依赖树拓扑结构与依赖距离之间存在密切关系的问题，不仅增强了情感分类的效果，对于其他涉及到图卷积的分类任务也有较好的帮助。
-
公开(公告)号：CN117787400A
公开(公告)日：2024-03-29
申请号：CN202311858061.7
申请日：2023-12-29
Applicant: 大连海事大学
IPC: G06N5/022 , G06F40/295 , G06F40/30 , G06F16/36 , G06V20/70 , G06V10/26 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/042 , G06N3/0455 , G06N3/0985
Abstract: 本发明一种基于双流编码与对比学习的多模态知识图谱构建方法，包括以下步骤：获取待处理图像及文本；对待预处理的文本进行特征提取，采用文本编码器从特征提取后的文本中捕获文本的词法信息；对待预处理的图像采用SLIC超像素算法将其分割成多个区域；利用CNN对每个超像素进行特征提取，形成每个节点的特征，并利用超像素之间的邻接关系构建节点的邻接矩阵；利用事先构建好的邻接矩阵A和节点特征矩阵X，输入到双层的GCN模型中进行编码，从输入的图像中捕获基本视觉特征；基于捕获文本的词法信息及基本视觉特征，进行多模态对比学习，对多模态命名实体进行识别及多模态关系的抽提；基于识别的多模态命名实体及抽取的多模态关系，进行多模态知识图谱构建。
-
公开(公告)号：CN117094319A
公开(公告)日：2023-11-21
申请号：CN202310939187.0
申请日：2023-07-28
Applicant: 大连海事大学
IPC: G06F40/289 , G06F18/24 , G06F18/25 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多特征融合的微博用户抑郁倾向性检测方法及装置，属于自然语言处理技术领域，本发明考虑用户文档的层次结构，使用层次注意力网络学习微博用户的历史上下文特征表示，并解决本领域中历史信息利用不充分的问题；使用情感词典将用户文档分为积极词和消极词，通过情绪理解模块补充增强帖子的情绪语义信息；将用户网络行为数据转换为向量矩阵。然后将提取到的基于微博用户的多特征进行融合，检测该用户是否存在抑郁倾向。本发明不同于对单条文本进行抑郁倾向检测，而是对用户近一年的发博信息进行分析，还增加了情绪特征和用户特征。这不仅提高了在该任务上的性能，并且具有现实意义。
-
公开(公告)号：CN109299655A
公开(公告)日：2019-02-01
申请号：CN201810904541.5
申请日：2018-08-09
Applicant: 大连海事大学
Abstract: 本发明提供一种基于无人机的海上溢油在线快速识别方法，包括：无人机搭载热红外相机巡视目标海域并实时采集观测区视频，从视频中获取海面热红外图像并进行预处理得到标准格式的图像，利用最大稳定极值区域(MSER)算法检测图像中的油膜热点，采用积分通道特征(ICF)描述符提取油膜特征；利用支持向量机(SVM)分类器对油膜特征进行训练，建立溢油识别模型；利用溢油识别模型对海上溢油进行快速识别。本发明方法步骤简单、快速高效、识别率高、鲁棒性好、应用性强。
-
公开(公告)号：CN102663709B
公开(公告)日：2014-09-03
申请号：CN201210132164.0
申请日：2012-04-28
Applicant: 大连海事大学
IPC: G06T5/00
Abstract: 本发明公开了一种X射线冠脉造影图像血管增强方法，包括以下步骤：对X射线冠脉造影图像I进行二维经验模态分解；分析各层经验模态分解的本征模态函数进行去噪，并利用能够代表冠脉造影图像的特征层来加权重构去除背景噪声的图像；对重构的图像进行Hessian矩阵分解，利用血管测度函数或血管特征拟合函数达到增强血管结构的目的。本发明利用经验模态分解X射线冠脉造影图像为一系列本征模态函数，利用噪声的分布规律达到去除背景噪声的目的，进而选择一些特定层本征模态函数进行加权构造冠状动脉图像，利用基于Hessian矩阵特征值的血管测度函数进一步增强图像中的血管结构。本发明能明显改善冠脉造影图像的视觉效果。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.021 seconds)
