-
公开(公告)号：CN119274566A
公开(公告)日：2025-01-07
申请号：CN202411557781.4
申请日：2024-11-04
Applicant: 桂林电子科技大学
IPC: G10L21/02 , G10L21/0208 , G10L25/03 , G10L25/30 , G10L25/45 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的录播教室语音增强方法，用于对录播教室内采集的语音信号进行增强处理，以提高录播教室音频清晰度和音频信息可懂度。本发明在传统的深度复卷积神经网络的基础上，提出了一种基于时频长短时记忆网络(F‑T‑LSTM)和混合注意力机制的改进网络结构模型。该模型在深度复卷积递归网络上进行改进，通过引入F‑T‑LSTM结构更加准确地描述语音时域和频域的相关性，并融合通道注意力机制和空间注意力机制形成混合注意力机制，对复数域的语音特征进行更加全面的特征提取，巧妙地将计算力集中于语谱图特征信息最为丰富的领域，从而显著提高复数域下语音增强网络的整体性能，该网络模型具有较好的泛化能力。
-
公开(公告)号：CN109992847A
公开(公告)日：2019-07-09
申请号：CN201910194398.X
申请日：2019-03-14
Applicant: 桂林电子科技大学 , 桂林笑微酒店管理有限公司
IPC: G06F17/50
Abstract: 本发明公开了一种混合机器学习模型的滑坡位移预测方法，对滑坡监测点进行滑坡影响因素挖掘和滑坡位移数据采集和预处理并作为模型的训练数据；将获得的滑坡影响因素和滑坡位移数据看作时间序列进行小波去燥处理；基于时间序列原理，采用霍德里克‑普雷斯科特滤波器(HP)将去燥后的滑坡影响因素和位移数据分解成趋势项和周期项。针对趋势项和周期项分别采用二阶指数平滑(DBS)的方法和动态多群粒子群(DMS‑PSO)优化极限学习机(ELM)模型进行位移预测。最后将预测的周期项位移和趋势项位移相加得到总的滑坡预测位移。通过该周期项位移预测模型可以更好的求解全局最优解，使预测精度和可靠性更高。
-
公开(公告)号：CN108765557B
公开(公告)日：2022-05-03
申请号：CN201810526067.7
申请日：2018-05-29
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于BDS的山体滑坡三维重建的几何方法，先基于北斗卫星导航系统（BDS），在远离滑坡体的安全区域内选择稳定的无强干扰的位置建立基准点，在山体滑坡监测区域沿滑坡方向选择纵断面建立n个变形监测点，采集监测点数据，通过BDS接收机获取滑坡数据；再对滑坡数据进行预处理，对所得n个监测点引入W曲面对滑坡山体进行参数化，得到重建滑坡体的网格曲面模型S(u,v)；最后针对监测点的物理特性加入约束条件，根据约束条件建立Lagrange方程，构成滑坡山体三维可视化模型，实现山体滑坡三维重建。采用本发明方法具有数据易于存储、复杂度小、计算过程高效、对复杂的山体模型恢复迅速，对滑坡山体模型可进行的局部修正等优点。
-
Patent Agency Ranking
公开(公告)号：CN109992847B
公开(公告)日：2022-08-05
申请号：CN201910194398.X
申请日：2019-03-14
Applicant: 桂林电子科技大学 , 桂林笑微酒店管理有限公司
IPC: G06F30/20
Abstract: 本发明公开了一种混合机器学习模型的滑坡位移预测方法，对滑坡监测点进行滑坡影响因素挖掘和滑坡位移数据采集和预处理并作为模型的训练数据；将获得的滑坡影响因素和滑坡位移数据看作时间序列进行小波去燥处理；基于时间序列原理，采用霍德里克‑普雷斯科特滤波器(HP)将去燥后的滑坡影响因素和位移数据分解成趋势项和周期项。针对趋势项和周期项分别采用二阶指数平滑(DBS)的方法和动态多群粒子群(DMS‑PSO)优化极限学习机(ELM)模型进行位移预测。最后将预测的周期项位移和趋势项位移相加得到总的滑坡预测位移。通过该周期项位移预测模型可以更好的求解全局最优解，使预测精度和可靠性更高。
-
公开(公告)号：CN110147840A
公开(公告)日：2019-08-20
申请号：CN201910427847.0
申请日：2019-05-22
Applicant: 桂林电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了基于显著性无监督部件划分的弱结构物体细粒度分类方法，步骤为：获取数据集训练样本D；对数据集训练样本D进行前景分割处理，得到处理后数据集D1；基于显著性无监督部件划分方法对数据集D1使用显著性信息对花朵图像前景进行无监督的部件结构的划分，并对局部特征提取和编码池化，产生特征数据集D2；将数据集D2结合多种特征SIFT、dense SIFT和Lab color计算融合多特征的中层特征表示，使用全局提取并池化的特征对图像数据集进行分类，得到物体细粒度的分类结果。该方法模拟人类观察物体的过程，有效提高特征编码的判别能力，在弱结构物体分类中，不用引入新类型的特征，即可与全局类的方法形成互补，方便扩展到应用了任何全局特征的分类方法中。
-
公开(公告)号：CN108765557A
公开(公告)日：2018-11-06
申请号：CN201810526067.7
申请日：2018-05-29
Applicant: 桂林电子科技大学
CPC classification number: G06T17/00 , G06F17/5009
Abstract: 本发明公开了一种基于BDS的山体滑坡三维重建的几何方法，先基于北斗卫星导航系统（BDS），在远离滑坡体的安全区域内选择稳定的无强干扰的位置建立基准点，在山体滑坡监测区域沿滑坡方向选择纵断面建立n个变形监测点，采集监测点数据，通过BDS接收机获取滑坡数据；再对滑坡数据进行预处理，对所得n个监测点引入W曲面对滑坡山体进行参数化，得到重建滑坡体的网格曲面模型S(u,v)；最后针对监测点的物理特性加入约束条件，根据约束条件建立Lagrange方程，构成滑坡山体三维可视化模型，实现山体滑坡三维重建。采用本发明方法具有数据易于存储、复杂度小、计算过程高效、对复杂的山体模型恢复迅速，对滑坡山体模型可进行的局部修正等优点。
-
公开(公告)号：CN109118576A
公开(公告)日：2019-01-01
申请号：CN201810794467.6
申请日：2018-07-19
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于BDS位置服务的大型场景三维重建系统的重建方法，其特征在于，所述方法包括如下步骤：S1.通过BDS位置服务模块对进行场景图像定位获取场景图像并建立全景图像采集系统；S2.进行数据处理并存入数据库；S3.Grassmann空间下的模型构建；S4.纹理及颜色的映射。这种方法可以实时地获取场景图像，精准匹配，可快速地进行三维建模，并且能克服传统大型场景三维重建中累积误差过大、数据开销空间庞大的问题。
-
公开(公告)号：CN108647411A
公开(公告)日：2018-10-12
申请号：CN201810378616.0
申请日：2018-04-25
Applicant: 桂林电子科技大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于Grassmann空间和递归曲面表达的桁架受力模型建模方法，其特征是，包括如下步骤：1）在Grassmann空间和Grassmann坐标的基础上重新定义有理L、W曲线，并给出相应的曲线公式；2）在重心坐标的基础上给出L、W曲面在三角形域上的曲面公式，将L、W曲面从张量积形式的矩形域扩展到三角形域；3）建立质点桁架模型。这种方法能提高仿真图形的拟合程度和逼近的精度，在此基础上建立的网格曲面桁架受力分析模型受力分析简单易行、准确度高、可操作性好，该模型不但适用于刚性物体的受力分析，在选点较密的情况下，对柔性织物的仿真也有理想的效果。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.031 seconds)
