-
公开(公告)号：CN111837185A
公开(公告)日：2020-10-27
申请号：CN201880089090.2
申请日：2018-12-07
申请人： 广东省智能制造研究所
摘要： 一种基于约束半非负矩阵分解的声音分类方法、装置及介质，该声音分类包括：将训练声音数据样本和测试声音数据样本表示为半非负矩阵(S1)；根据半非负矩阵构建类别约束矩阵，并根据半非负矩阵构建稀疏约束矩阵(S2)；在类别约束和稀疏约束下，对半非负矩阵进行约束半非负矩阵分解，得到对应的系数矩阵；将系数矩阵中对应于训练声音数据样本的低维表示以及训练声音数据样本的类别信息作为训练数据，对分类模型进行训练得到分类器(S3)；将系数矩阵中对应于测试声音数据样本的低维表示输入分类器，输出测试声音数据样本的分类结果(S4)。该方法有效利用了训练声音数据样本的类别信息并使得降维后的低维表示具有稀疏性，从而得到更具区分性的样本低维表示，提高了声音数据分类方法的正确率。
-
公开(公告)号：CN105447506B
公开(公告)日：2019-04-05
申请号：CN201510753102.5
申请日：2015-11-05
申请人： 广东省智能制造研究所
摘要： 本发明涉及一种基于区间分布概率特征的手势识别方法，包括：S1、利用红外传感技术，以设定的频率f采集手势的红外反射信号和红外温度信号；S2、通过红外温差变化判断是否目标动作；S3、自动检测手势运动段，并对其进行去噪归一、插值归整处理，得到的新的数据段；S4、特征提取，同时，利用标准手势原始数据建立手势特征模版作为训练样本；S5、最后，利用KNN法识别测试样本手势类型，本发明的方法简单直观，无监督学习过程，对常见动态手势的识别率高，实时性好，且对环境因素的变化或手势过程的差异包容性大，有较好的鲁棒性。
-
公开(公告)号：CN108899048A
公开(公告)日：2018-11-27
申请号：CN201810443175.8
申请日：2018-05-10
申请人： 广东省智能制造研究所
摘要： 本发明公开了一种基于信号时频分解的声音数据分类方法，该方法包括：对被检金属罐装产品施加激励，使其振动；收集被检产品振动产生的声音，并进行采样处理得到数字化的声信号；处理声信号，得到其频谱信号；对声信号和其频谱信号分别进行信号分解，得到能表征产品质量的时域特征矩阵W1和频域特征W2；将{W1,W2}作为产品质量特征数据，输入到产品质量计算模型进行运算，该模型的运算结果为产品质量参数R；计算R与合格产品质量标准值δ的差值的绝对值D；如果D小于阈值T，则被检产品合格，反之，被检产品不合格。本发明用于基于声发射技术的金属罐装产品质量检测，能有效提高检测正确率。
-
公开(公告)号：CN104519493B
公开(公告)日：2018-11-23
申请号：CN201410798265.0
申请日：2014-12-17
申请人： 广东省智能制造研究所
摘要： 本发明提供一种多个蓝牙设备组网的方法：通过广播/扫描白名单配置，约束组网范围；通讯时，蓝牙设备通过广播方式发送数据包，网络中其他蓝牙设备通过扫描方式获取数据，并对数据进行分析，根据广播包的发送设备地址、接收设备地址和接收此广播包的次数决定对该广播包采取丢弃、执行指令或转发的处理方式。采用这种技术方案，可以突破蓝牙主设备连接从设备的数量限制，拓展了蓝牙组网的设备规模，并且通过数据转发方式，扩展了蓝牙组网通讯的规模、距离限制。
-
公开(公告)号：CN108592775A
公开(公告)日：2018-09-28
申请号：CN201810443898.8
申请日：2018-05-10
申请人： 广东省智能制造研究所
IPC分类号： G01B7/02
摘要： 本发明公开了一种电感式位移传感器及其位移测量方法，其用于检测金属材料的位移。所述电感式位移传感器被设计成激励信号可调的精密高速电感测量部分和根据电感变化计算位移部分。所述电感式位移传感器包括一个微控制器，该微控制器包含数模转换器、模数转换器、PWM控制器。微控制器通过数模转换器输出激励信号，通过改变输出方式可调整激励信号的幅度和频率。激励信号加载在带电感探头的四臂电桥上。该电桥的两个输出信号分别被平均切割成四份，每份包含九十度相位差。平均切割用PWM信号控制模拟开关实现。对输出的八份信号做滑动平均并采样。根据八份信号的滑动平均值可计算电感探头的电感分量。根据该分量的变化可计算位移。
-
公开(公告)号：CN107909015A
公开(公告)日：2018-04-13
申请号：CN201711056964.8
申请日：2017-10-27
申请人： 广东省智能制造研究所
CPC分类号： G06K9/0063 , G06K9/6256 , G06K9/6265 , G06K2009/00644 , G06N3/08
摘要： 本发明公开了一种基于卷积神经网络与空谱信息融合的高光谱图像分类方法，包括如下步骤：S1、提取高光谱图像每一像素点的X、Y轴坐标作为空间信息，并将空间信息与光谱信息合并，作为一个样品的特征信息；S2、随机划分训练集与测试集数据；S3、将包括空间信息与光谱信息的训练集样本放入一维卷积神经网络，训练分类模型；S4、将包括空间信息和光谱信息的训练集样本放入分类模型，进行分类预测。其中卷积神经网络采用不同大小的卷积核进行卷积操作，可有效提取高光谱中光谱维中不同分辨率的特征信息；此外，同时将光谱维信息与空间维信息输入神经网络进行学习，充分利用了高光谱“双高分辨率”的特征，算法结构简单且能够显著提升分类精度。
-
-
公开(公告)号：CN111837119B
公开(公告)日：2023-12-19
申请号：CN201980012799.7
申请日：2019-05-09
申请人： 广东省智能制造研究所
摘要： 一种半非负矩阵分解的声音信号分离方法，包括：计算单通道混合声音信号的傅立叶变换结果，并计算其频谱(S1)；对混合信号的频谱进行半非负矩阵分解(S2)；根据混合信号的频谱得到源信号各自的初始频谱(S3)；对源信号的初始频谱进行半非负矩阵分解(S4)；根据混合信号的频谱及其对应的特征矩阵和系数矩阵，以及源信号对应的特征矩阵和系数矩阵，获得源信号的频谱(S5)；根据混合信号的傅立叶变换结果以及源信号的频谱，获得源信号的傅立叶变换结果(S6)；对源信号的傅立叶变换结果进行傅立叶逆变换，得到源信号，从而实现从单通道混合声音信号中分离源信号(S7)。该方法能用于分离由频域重叠、相互不一定独立的源声音信号混合而成的单通道混合声音信号。
-
公开(公告)号：CN111626317A
公开(公告)日：2020-09-04
申请号：CN201910749961.5
申请日：2019-08-14
申请人： 广东省智能制造研究所
IPC分类号： G06K9/62
摘要： 本发明涉及一种基于双流条件对抗生成网络的半监督高光谱数据分析方法，包括步骤：S1、获取高光谱样本数据；S2、图像分割，并将每个样本嵌入三维数据块；S3、划分训练样本集和预测样本集，并进行数据预处理，预测样本集也作为无标签样本加入训练；S4、构建基于双流条件对抗生成网络，包括双流结构的生成器网络、判别器网络和回归器网络，用于谱特征与空间形貌特征的提取与融合，所述生成器网络用于生成样本，所述判别器网络用于判别样本的真伪，所述回归器网络用于定量分析回归目标值的回归计算；S5、构建生成器网络、判别器网络和回归器网络的损失函数；S6、训练对抗生成网络；S7、采用训练好的对抗生成网络得到预测样本集的定量分析回归目标值。
-
公开(公告)号：CN107798348B
公开(公告)日：2020-02-18
申请号：CN201711056924.3
申请日：2017-10-27
申请人： 广东省智能制造研究所
摘要： 本发明公开了一种基于邻域信息深度学习的高光谱数据分类方法，包括如下步骤：对高光谱图像数据，随机划分训练集与测试集；以每一像素点n×n邻域内训练集样本的类归属与n×n邻域内所有样本的前l个主成分得分，作为每一样本的空间信息；将训练集每一样本的光谱信息与空间信息共同放入卷积神经网络，进行模型训练；将测试集每一样本的光谱信息与空间信息共同放入模型，进行分类结果预测。本发明将每一像素点在图片中n×n邻域的训练集类归属与邻域内所有样本的主成分分布作为空间信息，并采用二维卷积神经网络对此邻域图像进行进一步的空间特征提取，再与光谱维信息进行融合，可显著提升分类精度，在高光谱数据分类领域具有良好的应用前景。
-
-
-
-
-
-
-
-
-
搜索结果
35 条记录 (耗时 0.039 秒)
