-
公开(公告)号：CN108922559A
公开(公告)日：2018-11-30
申请号：CN201810735094.5
申请日：2018-07-06
申请人： 华南理工大学
摘要： 本发明公开了一种基于语音时频变换特征和整数线性规划的录音终端聚类方法，步骤如下：a、对读入的录音进行预处理；b、从每帧语音中提取GTCC特征；c、构造带瓶颈层的深度自编码网络并提取瓶颈特征；d、构造高斯超矢量特征；e、对a中预处理得到语音提取频谱图特征；f、将e中的频谱图特征拼接在d中的高斯超矢量之后，得到最后刻画录音终端特性的语音时频变换特征；g、利用整数线性规划算法对所有录音样本的语音时频变换特征进行聚类，将聚类结果作为最终的分类依据。本方法的特征提取和聚类均是无监督的，与目前有监督方法相比，更具普适性。
-
公开(公告)号：CN104156780A
公开(公告)日：2014-11-19
申请号：CN201410326534.3
申请日：2014-07-09
申请人： 华南理工大学
摘要： 本发明提供一种基于协同进化的拱架型贴片机集成优化方法；其主要步骤包括：(1)根据贴片机的工作原理，建立吸嘴配置优化模型、以及兼顾喂料器分配和元器件拾贴顺序的集成优化数学模型；(2)利用线性规划求解吸嘴配置优化模型；(3)基于协同进化，采用邻域竞争、交叉、变异和局部搜索的进化策略对喂料器分配和元器件拾贴顺序进行协同优化，使得贴装头在贴装过程中的移动路径最小。本发明具有缩短贴片机的工作时间，有效提高贴装效率的优点，可用于表面组装过程(SMT)中拱架型贴片机的优化控制。本发明的方法克服了传统优化方法在解决该复杂多决策优化问题时的不稳定性和单一性，运用协同进化来进行多个子问题的同时优化。
-
公开(公告)号：CN103679359A
公开(公告)日：2014-03-26
申请号：CN201310661299.0
申请日：2013-12-09
申请人： 华南理工大学
IPC分类号： G06Q10/06 , G05B19/418
摘要： 本发明公开了一种SMT中央智能优化管理与监控系统，包括生产线平衡优化模块，产品质量监控模块，设备故障监控模块，权限管理模块，生产数据管理模块。本发明通过生产线平衡优化模块、产品质量监控模块、设备故障监控模块、权限管理模块和生产数据管理模块对SMT生产线进行生产优化、监控和管理，具有提升生产效率、提高产品质量、降低制造成本、全面提升SMT生产线自动化水平等优点。
-
公开(公告)号：CN102513650B
公开(公告)日：2014-10-08
申请号：CN201110376549.7
申请日：2011-11-23
申请人： 华南理工大学
IPC分类号： B23K9/095
摘要： 本发明涉及工业对象的自适应监测领域，特别涉及一种噪声、相关、时耗三因素耦合维归约方法，其步骤为：（1）采集信号样本；（2）计算特征的值和所消耗时间；（3）设置噪信比正态概率密度分布参数；（4）设置监测信号采集时间，计算此采集时长情况下每一个特征的时耗；（5）设置总时耗限制值、实评等级；（6）设置无关特征阈值，计算单个特征的识别率，删除无关特征；（7）设置冗余特征阈值，计算每两个特征之间的相关系数，删除冗余特征；（8）进行第1轮三因素耦合维归约并选出候选队列；（9）从候选队列首部中取出集合进行第二轮以上的维归约，读取最优集合及其识别率。本发明能实现对工业对象的自适应监测，识别准确率高。
-
公开(公告)号：CN106952644A
公开(公告)日：2017-07-14
申请号：CN201710101550.6
申请日：2017-02-24
申请人： 华南理工大学
CPC分类号： G10L15/26 , G06F17/30743 , G06F17/30985 , G10L15/04 , G10L25/24 , G10L25/30 , G10L25/51
摘要： 本发明公开了一种基于瓶颈特征的复杂音频分割聚类方法，包括如下步骤，首先构造一个带瓶颈层的深度神经网络；接着读入复杂音频流，对复杂音频流进行端点检测，然后提取非静音段的音频特征并输入深度神经网络，从深度神经网络的瓶颈层提取瓶颈特征；以瓶颈特征作为输入，采用基于贝叶斯信息准则的音频分割方法，使得每个音频段只包含一种音频类型且相邻音频段的音频类型不同；最后，采用谱聚类算法对分割后的音频段进行聚类，得到复杂音频的音频类型个数，并将相同音频类型的音频段合并在一起。本发明采用的瓶颈特征是一种深层变换特征，比传统音频特征能更有效刻画复杂音频类型的特性差异，在复杂音频分割聚类中获得更加优异的效果。
-
公开(公告)号：CN106056843A
公开(公告)日：2016-10-26
申请号：CN201610541744.3
申请日：2016-07-08
申请人： 华南理工大学
CPC分类号： G08B21/0211 , A61B5/02 , A61B5/681 , G08B21/0297 , G08B21/0453
摘要： 本发明公开了一种辨识呼救声和异常脉搏的智能报警手环，包括主控模块、呼救声辨识模块、异常脉搏辨识模块、GPS定位模块、短信及现场音传送模块、基频设定模块和脉搏设定模块；本发明还公开了一种应用于辨识呼救声和异常脉搏的智能报警手环的智能报警方法，包含以下步骤：呼救声辨识模块区分呼救声与其他声音；异常脉搏辨识模块比较手腕脉搏次数与设定脉搏次数，判断是否出现异常脉搏；主控模块在收到呼救声和异常脉搏的报警信号后，将位置及报警文字信息送给预设手机并呼叫，电话接通后将现场声音传给对方；GPS定位模块获取位置信息。具有能自动识别呼救声和异常脉搏并自动报警、位置信息发送以及现场音传送等优点。
-
公开(公告)号：CN105427533A
公开(公告)日：2016-03-23
申请号：CN201510996269.4
申请日：2015-12-24
申请人： 华南理工大学
摘要： 本发明公开了一种识别儿童哭叫声的可穿戴监护器，包括主控模块、儿童哭叫声识别模块、GPS定位模块、短信发送模块和现场音传送模块，其中儿童哭叫声识别模块实时采集周围环境声音，将儿童的哭叫声与环境中的其他声音区分开，并把儿童哭叫信息发送给主控模块；主控模块向预设的手机号码发送包括位置信息在内的报警短信，同时拨打预设手机号码在对方接通电话号时传送现场声音。本发明的可穿戴监护器，具有儿童哭叫声辨识并自动触发报警、GPS定位信息发送及现场声音传送等功能，自动化程度高、使用方便。
-
公开(公告)号：CN102513650A
公开(公告)日：2012-06-27
申请号：CN201110376549.7
申请日：2011-11-23
申请人： 华南理工大学
IPC分类号： B23K9/095
摘要： 本发明涉及工业对象的自适应监测领域，特别涉及一种噪声、相关、时耗三因素耦合维归约方法，其步骤为：（1）采集信号样本；（2）计算特征的值和所消耗时间；（3）设置噪信比正态概率密度分布参数；（4）设置监测信号采集时间，计算此采集时长情况下每一个特征的时耗；（5）设置总时耗限制值、实评等级；（6）设置无关特征阈值，计算单个特征的识别率，删除无关特征；（7）设置冗余特征阈值，计算每两个特征之间的相关系数，删除冗余特征；（8）进行第1轮三因素耦合维归约并选出候选队列；（9）从候选队列首部中取出集合进行第二轮以上的维归约，读取最优集合及其识别率。本发明能实现对工业对象的自适应监测，识别准确率高。
-
公开(公告)号：CN106056843B
公开(公告)日：2018-09-14
申请号：CN201610541744.3
申请日：2016-07-08
申请人： 华南理工大学
摘要： 本发明公开了一种辨识呼救声和异常脉搏的智能报警手环，包括主控模块、呼救声辨识模块、异常脉搏辨识模块、GPS定位模块、短信及现场音传送模块、基频设定模块和脉搏设定模块；本发明还公开了一种应用于辨识呼救声和异常脉搏的智能报警手环的智能报警方法，包含以下步骤：呼救声辨识模块区分呼救声与其他声音；异常脉搏辨识模块比较手腕脉搏次数与设定脉搏次数，判断是否出现异常脉搏；主控模块在收到呼救声和异常脉搏的报警信号后，将位置及报警文字信息送给预设手机并呼叫，电话接通后将现场声音传给对方；GPS定位模块获取位置信息。具有能自动识别呼救声和异常脉搏并自动报警、位置信息发送以及现场音传送等优点。
-
公开(公告)号：CN104156780B
公开(公告)日：2017-09-26
申请号：CN201410326534.3
申请日：2014-07-09
申请人： 华南理工大学
摘要： 本发明提供一种基于协同进化的拱架型贴片机集成优化方法；其主要步骤包括：(1)根据贴片机的工作原理，建立吸嘴配置优化模型、以及兼顾喂料器分配和元器件拾贴顺序的集成优化数学模型；(2)利用线性规划求解吸嘴配置优化模型；(3)基于协同进化，采用邻域竞争、交叉、变异和局部搜索的进化策略对喂料器分配和元器件拾贴顺序进行协同优化，使得贴装头在贴装过程中的移动路径最小。本发明具有缩短贴片机的工作时间，有效提高贴装效率的优点，可用于表面组装过程(SMT)中拱架型贴片机的优化控制。本发明的方法克服了传统优化方法在解决该复杂多决策优化问题时的不稳定性和单一性，运用协同进化来进行多个子问题的同时优化。
-
-
-
-
-
-
-
-
-
搜索结果
13 条记录 (耗时 0.078 秒)
