-
公开(公告)号：CN105575403A
公开(公告)日：2016-05-11
申请号：CN201510990289.0
申请日：2015-12-25
Applicant: 重庆邮电大学
IPC: G10L25/48 , G10L19/008 , G10L21/028 , H04S1/00 , H04S7/00
CPC classification number: G10L25/48 , G10L19/008 , G10L21/028 , H04S1/00 , H04S7/30
Abstract: 本发明请求保护一种融合听觉掩蔽与双耳信号帧的互相关声源定位方法，涉及语音识别控制领域。本发明在鲁棒性方面，针对传统基于双耳互相关的声源定位方法在噪声环境下声源定位精度下降，提出把听觉掩蔽的听觉特性引入谱减法中，能够较好地抑制音乐噪声，可以把基于听觉掩蔽的谱减法作为双耳定位的前端处理，这将有利于广义互相关提取双耳时间差，从而提高声源定位系统在噪声环境下的声源定位精度；在双耳互相关声源定位方法的改进上，针对“耳廓效应”和“优先效应”对声源定位的影响较大，提出基于双耳信号帧的互相关声源定位方法，该方法可以减少“耳廓效应”和“优先效应”所带来的定位误差，从而提高声源定位精度。
-
公开(公告)号：CN118366654B
公开(公告)日：2024-12-20
申请号：CN202410422193.3
申请日：2024-04-09
Applicant: 重庆邮电大学
Abstract: 本发明属于医疗健康大数据领域，具体涉及一种基于跨模态知识蒸馏的肺癌风险预测方法，包括选取训练完成的基于CT图像输入的I3D模型为教师模型；采用多层感知机模型构建学生模型；将CT图像数据集输入教师模型，获取第一中间特征向量集合；将结构化数据作为学生输入训练学生模型，学生模型训练过程中从结构化数据中抽取出的特征定义为第二中间特征；基于第一中间特征向量集合和第二中间特征向量集合，计算教师模型空间分布和学生模型空间分布；采用KL散度计算教师模型空间分布和学生模型空间分布间的散度损失；计算散度损失和交叉熵损失的加权和，并反向传播训练学生模型，直至学生模型参数收敛；将训练完成的学生模型作为肺癌风险预测模型，用于预测患者的肺癌风险数据辅助医生诊断。
-
公开(公告)号：CN119004209A
公开(公告)日：2024-11-22
申请号：CN202411099686.4
申请日：2024-08-12
Applicant: 重庆邮电大学
IPC: G06F18/241 , G06F18/214 , G06F18/213 , G06F18/23213 , G06N3/0455 , G06N3/0895
Abstract: 本发明涉及一种基于多粒度与对比学习的异构表格数据分类方法，包括：获取待检测的异构表格数据，将其依次输入训练后的编码器网络和分类器网络，输出特定标签的分类结果；其网络训练过程包括：获取第一训练样本集，对提取样本中各列数据的特征，经过特征分解与合并得到全局特征集；将全局特征集随机划分特征子集，在特征子集下对样本进行聚类，根据聚类结果构建正负样本对；利用该正负样本对迭代优化编码器网络；获取与待检测的异构表格数据相关的且带有特定标签的第二训练样本，对其编码后输入分类器网络，迭代优化分类器网络。本发明可以提高异构表格数据的分类预测准确性，本发明中的编码器网络和分类器网络具有更优的鲁棒性和泛化能力。
-
公开(公告)号：CN117727464B
公开(公告)日：2024-10-01
申请号：CN202311575741.8
申请日：2023-11-23
Applicant: 重庆邮电大学
IPC: G16H50/70 , G06F18/211 , G06F18/214 , G06F18/23213 , G06F18/2415 , G06F18/25 , G06N3/045 , G06N3/084 , G06N3/0985
Abstract: 本发明涉及医疗数据处理领域，特别涉及基于医疗多视图疾病预测模型的训练方法及设备。本发明将多视图表示学习方法与注意力机制相结合，通过引入改进的多视图层次注意力机制，避免了现有多视图表示学习方法因忽略视图间的重要性差异，而导致疾病预测的有偏输出；引入改进的元学习权重网络，使用元学习权重网络替代了损失权重函数，通过学习网络的分类损失与距离度量损失以自适应调节元学习权重网络参数，减少对样本加权函数超参数的人为设置，提高了少数类的分类精度，缓解了传统机器学习算法分类结果偏向多数类的影响。
-
公开(公告)号：CN113933055B
公开(公告)日：2024-06-04
申请号：CN202111169511.2
申请日：2021-10-08
Applicant: 重庆邮电大学
IPC: G01M13/045
Abstract: 本发明属于故障诊断、机械动力学及信号处理技术领域，涉及一种滚动轴承滚道缺陷尺寸量化方法、装置及系统；所述方法包括采集故障滚动轴承振动加速度信号；采用自回归模型增强故障振动特征；提取滚动体与缺陷区域前边沿相互作用激起的局部振动加速度信号，对其拟合并求积分得到振动速度信号；利用该振动速度信号的拐点建立函数关系式，得到滚动体开始与缺陷区域前边沿相互作用时对应的第一关键时间信息；对自回归振动特征增强后的信号进行包络提取，得到第二和第三关键时间信息；将各关键时间信息输入滚动轴承缺陷尺寸量化模型，解得滚动轴承滚道缺陷尺寸。本发明能有效增强滚动轴承缺陷量化方法的鲁棒性，并提高尺寸量化的精度和准确性。
-
Patent Agency Ranking
公开(公告)号：CN118096537A
公开(公告)日：2024-05-28
申请号：CN202410105395.5
申请日：2024-01-25
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种圆柱面显微成像离焦模糊的恢复方法，包括：获取圆柱绕轴线旋转过程中圆柱面的视频；从视频中等间隔抽取图像帧，通过拉普拉斯算子选择图像帧中的清晰部分进行图像拼接，得到圆柱面的清晰全景图像；将视频中的图像帧与圆柱面的清晰全景图像通过模板匹配进行配准，从清晰全景图像中截取与图像帧相同尺寸的清晰图像，将与图像帧相同尺寸的清晰图像作为图像帧的标签构建模糊数据对；利用模糊数据对圆柱面离焦模糊恢复模型进行训练，将待恢复的图像帧输入训练好的圆柱面离焦模糊恢复模型，得到恢复后的清晰图像；本发明可以准确地恢复因显微景深问题所造成的离焦模糊圆柱面图像，解决了圆形显微成像传感器圆柱面成像离焦模糊的问题。
-
公开(公告)号：CN117726636A
公开(公告)日：2024-03-19
申请号：CN202311652137.0
申请日：2023-12-04
Applicant: 重庆邮电大学
IPC: G06T7/11 , G06T7/00 , G06V10/25 , G06V10/44 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/766 , G06N3/0464 , G06N3/045 , G06N3/0495 , G06N3/096
Abstract: 本发明公开了一种基于改进Mask R‑CNN的钢材表面缺陷分割方法，以Mask R‑CNN模型为基础，引入了ConvNeXt‑T骨干网络作为特征提取器，增加交错稀疏自注意力提升模型的全局表示能力，并采用多级区域特征融合的方式获取更全面的区域特征表达，最后通过知识蒸馏对分割模型运算规模进行优化。本发明提高了钢材表面缺陷识别的准确性、鲁棒性和高效性。
-
公开(公告)号：CN116297053A
公开(公告)日：2023-06-23
申请号：CN202310476723.8
申请日：2023-04-28
Applicant: 重庆邮电大学
Abstract: 本发明属于机械装备状态检测领域，特别涉及一种用于润滑油磨粒检测的复合磁场传感器结构、及其制作方法和使用方法，所述复合磁场传感器包括永磁环、感应线圈、壳体、端盖、接线头、第一激励线圈与第二激励线圈；所述永磁环、感应线圈、第一激励线圈与第二激励线圈设置在壳体内部；所述感应线圈设置在永磁环外圆周侧面，采用灌封胶对壳体内部空隙区域进行填充并设置空腔用于润滑油液流通；所述端盖上设置有接线头用于对激励线圈进行供电以及对感应线圈采集的信号进行输出；所述壳体左右表面设置有两个螺纹孔用于连接油管；本发明能够清晰的检测出油液中的金属磨粒的分布情况，特别是同时检测出铁磁与非铁磁磨粒的情况，这使得检测的范围更大、更精准。
-
公开(公告)号：CN115479769A
公开(公告)日：2022-12-16
申请号：CN202211147172.2
申请日：2022-09-19
Applicant: 重庆邮电大学
IPC: G01M13/021 , G01M13/028 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及故障诊断领域，特别涉及一种基于目标域倾斜对抗网络的行星齿轮箱开放集故障诊断方法，本发明将结合无监督领域中的开放集领域自适应方法与对抗学习中的领域对抗网络，充分利用了无标签目标域故障样本信息，避免了现有开放集故障诊断方法因偏向于有标签源域故障样本而导致的有偏故障预测输出；本发明通过构建目标域倾斜分类器更为清晰地划分目标域中已知故障样本与未知故障样本间的边界，同时输出目标域样本的伪预测来指导目标域倾斜对抗网络的训练，提升开放集故障诊断精度。
-
公开(公告)号：CN115148359A
公开(公告)日：2022-10-04
申请号：CN202210783403.2
申请日：2022-07-05
Applicant: 重庆邮电大学
Abstract: 本发明属于风险预测技术领域，具体涉及一种基于对比学习的ICU患者死亡风险预测方法；该方法包括：获取ICU患者的电子病历数据集并对其进行处理，得到多个批次数据样本；将批次内数据样本输入到构建好的基于transformer‑gru‑cnn的分类器中，得到分类损失函数；构建辅助对比学习损失函数；根据分类损失函数和辅助对比学习损失函数构建优化损失函数；根据优化损失函数对分类器的参数进行更新，得到构建好的基于对比学习的ICU患者死亡风险预测模型；将电子病历数据输入到构建好的基于对比学习的ICU患者死亡风险预测模型，得到待预测患者的死亡风险预测结果；本发明的预测精度高，实用性高，具有良好的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.047 seconds)
