-
公开(公告)号：CN117743605A
公开(公告)日：2024-03-22
申请号：CN202311857379.3
申请日：2023-12-29
Applicant: 湖南大学
IPC: G06F16/383 , G06F16/332 , G06F16/31 , G06F16/583 , G06F16/51 , G06F16/532 , G06F40/30 , G06F18/241 , G06N20/00
Abstract: 本发明公开了一种保持数据和语义一致性的跨模态哈希检索方法及系统，方法包括：获取多模态数据的公共特征表示和独有特征表示，并基于公共特征表示和独有特征表示构建潜在数据一致性学习模型；根据多模态数据的最优特征表示以非对称范式的形式构建潜在语义一致性学习模型；分别迭代优化潜在数据一致性学习模型和潜在语义一致性学习模型，并根据优化后的两个学习模型生成最优哈希码；根据最优哈希码进行哈希函数学习，并根据学习得到的哈希函数完成跨模态哈希检索。本发明的方法可以最大化地保持多模态数据的数据和语义一致性，从而提高跨模态检索效果；且可以降低量化误差，从而减小量化误差对哈希码的学习和生成产生的不利影响。
-
公开(公告)号：CN112863494A
公开(公告)日：2021-05-28
申请号：CN202110070151.4
申请日：2021-01-19
Applicant: 湖南大学
Abstract: 本发明公开一种基于半监督对抗变分自编码的语音情感识别方法及系统，该方法步骤包括：S1.构建生成式对抗网络，并结合半监督变分自编码模型以及生成式对抗网络构建语音情感识别模型，其中将输入数据中带情感标签数据与对应的情感标签作为输入，以及将输入数据中无情感标签数据作为情感标签属性缺失类型处理，由生成式对抗网络学习输入数据在隐含层的特征概率分布，构建得到SSAVAE模型；S2.使用训练集对构建得到的SSAVAE模型进行训练；S3.输入待处理语音情感数据，将待处理语音情感数据输入至训练后的SSAVAE模型中，得到情感识别结果。本发明具有实现方法简单、识别精度高、泛化能力且抗数据扰动性能好等优点。
-
Patent Agency Ranking
公开(公告)号：CN107368751A
公开(公告)日：2017-11-21
申请号：CN201710607529.3
申请日：2017-07-24
Applicant: 湖南大学
CPC classification number: H04L67/18 , G06F21/602 , G06F21/6245 , G06F21/6254
Abstract: 本发明公开一种基于背景信息的位置隐私保护方法，步骤包括：S1.获取将待保护目标的真实地址，将获取到的真实地址进行偏移生成一个假地址；S2.根据步骤S1生成的假地址产生多个假地址；S3.获取待保护目标的背景信息，并根据获取的背景信息对步骤S2产生的各假地址进行偏移调整，生成最终的假地址以实现待保护目标的位置隐私保护。本发明能够利用背景信息实现位置隐私保护，具有实现方法简单、所需成本低、隐私保护效果好且效率高等优点。
-
公开(公告)号：CN118445440A
公开(公告)日：2024-08-06
申请号：CN202410597008.4
申请日：2024-05-14
Applicant: 湖南大学
Abstract: 本发明公开了一种基于双线性语义编码哈希的图文检索方法，包括：构建目标函数，目标函数使用具有线性偏移项的语义自动编码器学习共同表示，并使用带有线性偏移约束项的迭代量化方法获得哈希码，还利用标签矩阵和成对相似性矩阵进行多监督学习；获取原始图文数据，使用原始图文数据训练目标函数，得到对应的哈希码；根据原始图文数据哈希码的映射矩阵计算待查询样本的哈希码；计算待查询样本的哈希码与每个原始图文数据哈希码的相似度，将最大相似度的原始图文数据作为检索结果。本发明优化了哈希码的生成质量并避免了不匹配，还有效地对原有数据实例进行了划分，提升了分离效果，增强了哈希码的鲁棒性，实现了图文检索的准确性和效率。
-
公开(公告)号：CN112863494B
公开(公告)日：2023-01-06
申请号：CN202110070151.4
申请日：2021-01-19
Applicant: 湖南大学
Abstract: 本发明公开一种基于半监督对抗变分自编码的语音情感识别方法及系统，该方法步骤包括：S1.构建生成式对抗网络，并结合半监督变分自编码模型以及生成式对抗网络构建语音情感识别模型，其中将输入数据中带情感标签数据与对应的情感标签作为输入，以及将输入数据中无情感标签数据作为情感标签属性缺失类型处理，由生成式对抗网络学习输入数据在隐含层的特征概率分布，构建得到SSAVAE模型；S2.使用训练集对构建得到的SSAVAE模型进行训练；S3.输入待处理语音情感数据，将待处理语音情感数据输入至训练后的SSAVAE模型中，得到情感识别结果。本发明具有实现方法简单、识别精度高、泛化能力且抗数据扰动性能好等优点。
-
公开(公告)号：CN107393525A
公开(公告)日：2017-11-24
申请号：CN201710607479.9
申请日：2017-07-24
Applicant: 湖南大学
Abstract: 本发明公开一种融合特征评估和多层感知器的语音情感识别方法，步骤包括：S1.分别提取对应各类情感的训练语音集的多维情感特征参数，得到原始特征集；S2.对原始特征集中各情感特征参数进行评级排序，得到排序后的特征集；S3.分别从排序后的特征集中获取不同数量的多个特征子集，并使用多层感知器分别对各特征子集进行分类，根据分类结果选择最优的特征子集；S4.对最优的特征子集使用多层感知器训练情感分类模型，由训练得到的分类模型对待识别语音进行情感识别。本发明具有实现方法简单、能够融合特征评估和多层感知器实现情感识别，且情感识别精度以及效率高的优点。
-
公开(公告)号：CN107393525B
公开(公告)日：2020-06-12
申请号：CN201710607479.9
申请日：2017-07-24
Applicant: 湖南大学
Abstract: 本发明公开一种融合特征评估和多层感知器的语音情感识别方法，步骤包括：S1.分别提取对应各类情感的训练语音集的多维情感特征参数，得到原始特征集；S2.对原始特征集中各情感特征参数进行评级排序，得到排序后的特征集；S3.分别从排序后的特征集中获取不同数量的多个特征子集，并使用多层感知器分别对各特征子集进行分类，根据分类结果选择最优的特征子集；S4.对最优的特征子集使用多层感知器训练情感分类模型，由训练得到的分类模型对待识别语音进行情感识别。本发明具有实现方法简单、能够融合特征评估和多层感知器实现情感识别，且情感识别精度以及效率高的优点。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
