-
公开(公告)号：CN116312484B
公开(公告)日：2023-09-08
申请号：CN202310558163.0
申请日：2023-05-18
Applicant: 南京邮电大学
Abstract: 本发明提供了一种跨语言域不变声学特征提取方法和系统，所述方法主要包括以下步骤：语音信号采集；对语音数据进行预处理；训练编码块与多层前馈神经网络级联的特征提取器，提取高级语义表达并将语音特征解纠缠为两个向量；训练两个域鉴别器用于判断输入鉴别器的特征向量来自于“源域”或“目标域”；进行模型的损失计算，并更新模型的网络参数；通过模型中的特征提取器，即可对输入的语音样本提取一个可用于冻结步态跨语言声学分析的域不变声学特征。相较于现有技术，本发明在面对时序数据时能够捕获更加长的时序依赖关系，帮助基于语音的跨域冻结步态分析模型实现更好的性能，使得获取到的域不变病理声学特征的域不变特性得到更好地保证。
-
公开(公告)号：CN112418482B
公开(公告)日：2022-08-26
申请号：CN202011154564.2
申请日：2020-10-26
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于时间序列聚类的云计算能耗预测方法，进行特征提取和向量化映射，应用聚类算法对子序列进行分类，产生同质簇，按簇来分别构建模型、训练和预测，基于深度学习、自编码器、GAF方法、卷积自编码器、基于输入子序列的聚类算法等方法实现挖掘能耗数据的动态特性和相关多变量之间的高阶非线性关系，降低时间复杂性，时间序列预测模型的选择有较大的灵活性，在预测的性能和精度方面有较大提升。
-
公开(公告)号：CN112418482A
公开(公告)日：2021-02-26
申请号：CN202011154564.2
申请日：2020-10-26
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于时间序列聚类的云计算能耗预测方法，进行特征提取和向量化映射，应用聚类算法对子序列进行分类，产生同质簇，按簇来分别构建模型、训练和预测，基于深度学习、自编码器、GAF方法、卷积自编码器、基于输入子序列的聚类算法等方法实现挖掘能耗数据的动态特性和相关多变量之间的高阶非线性关系，降低时间复杂性，时间序列预测模型的选择有较大的灵活性，在预测的性能和精度方面有较大提升。
-
公开(公告)号：CN109766847B
公开(公告)日：2022-08-23
申请号：CN201910034850.6
申请日：2019-01-15
Applicant: 南京邮电大学
IPC: G06K9/00 , G06V10/762 , G06K9/62 , A61B5/00 , A61B5/24
Abstract: 本发明揭示了一种锋电位分离方法，包括如下步骤：首先，通过微电极细胞外记录方式采集神经元电信号；其次，将采集到的信号进行滤波处理；之后，采用阈值法对滤波后的信号进行锋电位检测，并得到锋电位信号；然后，采用离散小波变换对锋电位信号进行四级分解，并得到由小波系数组成的五个分量，且这五个分量组成一个小波系数矩阵；接着，对小波系数矩阵进行进一步特征提取得到特征空间；最后，采用局部加权投票法对特征空间进行聚类，实现锋电位信号分离。本发明在加权投票的基础上，引入香农熵的概念来评价每个类簇的可靠性，并基于其可靠性给出相应的权值，提出了局部加权投票法，并将其运用于锋电位信号分离，该分离方法实现简单，执行高效。
-
公开(公告)号：CN112836959B
公开(公告)日：2022-07-29
申请号：CN202110133948.4
申请日：2021-02-01
Applicant: 南京邮电大学
IPC: G06Q10/06
Abstract: 本发明提出了一种基于服务质量的数据中心能效评估方法，构建包括目标层、决策层和影响因素层的数据中心服务质量评价指标体系；构造判断矩阵，计算各决策层权重向量和各决策层指标中的影响因素层权重向量；将数据中心的服务质量划为G个等级，结合数据中心服务质量影响因素层的相关信息得到各个影响因素的服务质量评价等级；计算各决策层指标的服务质量评价矩阵；通过模糊综合评价法得到数据中心的服务质量值。本发明构建了更系统、更全面的评价指标体系，并通过层次分析法解决了多影响因素决策时客观分配权重的问题，同时运用模糊综合评价法对服务质量进行量化；通过各个影响因素所在象限提出改进措施，避免对服务质量单一、片面的评价。
-
Patent Agency Ranking
公开(公告)号：CN114299996A
公开(公告)日：2022-04-08
申请号：CN202111677396.X
申请日：2021-12-31
Applicant: 南京邮电大学
IPC: G10L25/66 , G10L21/0208 , G10L25/18 , G10L25/24
Abstract: 本发明公开了一种基于AdaBoost算法的帕金森病冻结步态症状关键特征参数的语音分析方法。步骤一、采集帕金森病患者持续稳定的元音，并记录帕金森病患者是否有冻结步态症状；步骤二、对语音信号进行去噪预处理，并去除静音片段；步骤三、提取多种语音特征；步骤四、利用CART算法对原始特征进行特征选择，筛选出能够有效表征冻结步态症状信息的关键特征；步骤五、训练AdaBoost模型；步骤六、将待测语音的特征向量输入模型，得到帕金森病冻结步态症状的关键特征参数。本发明使用AdaBoost算法来进行帕金森病冻结步态症状的分析，利用集成学习提高模型精度，降低了帕金森病冻结步态症状早期分析的成本。
-
公开(公告)号：CN113140023A
公开(公告)日：2021-07-20
申请号：CN202110474295.6
申请日：2021-04-29
Applicant: 南京邮电大学
IPC: G06T11/20 , G06F40/211 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于空间注意力的文本到图像生成方法及系统，将文本描述输入文本编码器输出句子向量；生成服从高斯分布的随机噪声向量；生成器包括三个空间注意力模块和六个依次连接的上模块，其中位于第一个的上模块连接全连接层，位于最后三个的上模块分别连接一个空间注意力模块，三个空间注意力模块共同连接一个特征组通道归并模块，特征组通道归并模块连接卷积层，在生成器中引入了空间注意力机制，对特征图中不同区域分配不同程度的注意力，加强特征图中最有用的特征，抑制无用的特征，避免了产生伪像的问题；引入了特征组通道归并模块，充分融合文本信息，以增强提取得到特征的表达能力，使生成的图像更加清晰，并且符合给定的文本描述。
-
公开(公告)号：CN110309037A
公开(公告)日：2019-10-08
申请号：CN201811469430.2
申请日：2018-11-28
Applicant: 南京邮电大学
IPC: G06F11/34
Abstract: 本发明提出了一种数据中心能效相关特征的选择方法，针对数据中心能效的特征选择问题，本发明采用了一种基于K近邻分类损失函数和分类间隔的特征选择方法，该方法通过收集数据中心能耗数据和对应的PUE值，然后将PUE值分级分类，通过样本找到对应的分类间隔，并更新特征权重和对特征权重排序，以此根据设定的阈值获得特征选择结果。本发明所述方法能够提取出与数据中心能效相关的特征并很好地处理噪声数据，从而提高后续能效预测的精度，有效防止过学习。
-
公开(公告)号：CN110069392A
公开(公告)日：2019-07-30
申请号：CN201910361249.8
申请日：2019-04-30
Applicant: 南京邮电大学
IPC: G06F11/34
Abstract: 本发明提出了一种反映数据中心IT设备能效特征的获取方法，该方法采用了一种基于Collectd和MongoDB的数据采集和存储方法，通过收集PDU和Collectd的数据，使用MongoDB在服务器上建立两张数据表，然后按照时间戳的计算方法，将相同时间片内的数据加以对应整合。本发明能够提取出与数据中心能效相关的特征并很好地解决了工作任务类型与能效特征难以对应的问题，兼容各种类型服务器操作系统，能在各类数据中心中进行推广应用。
-
公开(公告)号：CN108899052A
公开(公告)日：2018-11-27
申请号：CN201810748612.7
申请日：2018-07-10
Applicant: 南京邮电大学
IPC: G10L25/66 , G10L25/21 , G10L25/18 , G10L25/45 , G10L21/0232 , G10L21/0216
Abstract: 本发明揭示了一种多带谱减法的帕金森语音增强方法，包括以下步骤：通过非接触式方式对帕金森患者进行语音信号采集；采集到的帕金森病患者语音进行采样和短时帧划分；对每一帧语音进行短时能量计算，并根据短时能量进行自适应频带划分；计算每个窗长内含噪声语音的短时功率谱、时变的平滑参数及平滑功率谱；计算偏差修正因子；搜索功率谱密度的最小值；计算并更新噪声的功率谱密度；及采用多带谱减法进行语音增强；本发明在非实验环境下，对录制的帕金森病患者语音进行有效的去噪处理，提高帕金森病患者语音质量，最终有效提高帕金森病的诊断或帕金森病情严重程度预测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.026 seconds)
