-
公开(公告)号：CN114896403B
公开(公告)日：2025-04-18
申请号：CN202210565193.X
申请日：2022-05-23
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智能科技有限公司
IPC: G06F16/353 , G06F40/284 , G06F40/30 , G06F18/214 , G06F18/2415 , G06F18/2431 , G06F18/25 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及数据处理技术领域，公开了基于门控机制的企业二级行业分类方法及系统，包括：获取待分类的企业信息；将待分类的企业信息，输入到训练后的企业二级行业分类模型中，输出企业二级行业分类结果；其中，训练后的企业二级行业分类模型，其工作原理是：获取待分类企业信息的单词特征向量，再从单词特征向量中提取企业信息的上下文向量；然后，将单词特征向量与上下文向量进行拼接；对拼接后的向量分别提取上下文特征和局部显著特征；对提取的两种特征进行加权融合，将融合后的特征进行分类，得到最终分类结果。本发明减少了传统二级行业分类中的人力开支，缩短了企业行业分类的系统执行时间，且分类结果准确、系统安全。
-
公开(公告)号：CN119851693A
公开(公告)日：2025-04-18
申请号：CN202510010866.9
申请日：2025-01-03
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明提出了基于混合池化策略的轻量化伪造语音检测方法及系统，属于语音处理及生物识别技术领域；通过卷积池化操作从原始语音数据中提取时频信息；基于混合池化方法从时频信息中提取高级特征表示，即：采用最大池化法提取低频特征，采用平均池化法提取高频特征；将低频特征和高频特征进行特征拼接以获得高级特征表示；按照频域和时序的方向对高级特征表示进行统计计算以获得高级特征统计结果；基于全连接层对伪造语音进行检测并输出检测结果。本发明能够在避免特征信息损失的基础上，降低伪造语音检测时的计算量及计算复杂性，应对未知攻击能力强；同时，显著提高了对伪造语音进行检测的准确率。
-
公开(公告)号：CN119339739A
公开(公告)日：2025-01-21
申请号：CN202411394677.8
申请日：2024-10-08
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明提供了一种基于域泛化的机械设备无监督异常声音检测方法及系统，本发明通过构建基于全局上下文的SE‑ECA融合注意力机制模块，分别构建MFCC分支网络架构和Log‑Mel分支网络架构，将所述模块添加至各分支网络架构中，分别对MFCC谱图特征和Log‑Mel谱图特征进行音频特征提取；将两个分支网络架构提取的音频特征嵌入在通道维度上进行合并，形成综合特征向量，对综合特征向量进行分类；构建并训练异常检测模型，异常检测模型利用高斯混合模型计算全局异常分数，在利用局部异常因子检测局部异常，再进行加权平均，本发明可以自动学习正常声音特征并检测异常，提升设备的异常检测性能。
-
公开(公告)号：CN119295702A
公开(公告)日：2025-01-10
申请号：CN202411439990.9
申请日：2024-10-15
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06T17/20 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0495
Abstract: 本发明提出基于深度3D可变形模型的3D网格重构方法及系统，涉及3D网格重构技术领域。包括将3D网格数据输入至深度3D可变形模型的编码器，利用跳步部分注意力螺旋卷积对3D网格数据进行编码，得到特征向量；将特征向量输入至深度3D可变形模型的解码器中，分别进行基于注意力的邻域选择和聚合权重解耦的非局部空间特征聚合、以及进行基于螺旋邻域的空间特征聚合，并基于多头注意力再次进行空间特征聚合，得到聚合结果；将聚合结果输入至部分注意力螺旋卷积中，得到重构的3D网格。本发明使用跳步螺旋卷积实现了模型的轻量化，提出的特征聚合方法只在训练中学习权重聚合矩阵，在推理阶段无需额外的成本。
-
公开(公告)号：CN114627847B
公开(公告)日：2024-12-17
申请号：CN202210231973.0
申请日：2022-03-09
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G10K11/178 , G10L21/0216 , G10L25/30
Abstract: 本发明属于主动降噪技术领域，提供了一种基于频谱映射的主动降噪方法及系统，基于频谱映射，将噪声信号或者到噪声的语音信号输入LSTM网络对噪声信号或者带噪声语音信号中的噪声信号的频谱进行映射输出，根据相消干涉原理对噪声进行抵消，达到在误差麦克风处降低噪声声压级的目的，最后将误差信号用于计算损失函数并反馈给LSTM网络，直至网络损失函数最小并达到收敛状态，此方法将深度学习的知识用于主动降噪领域，不但提高了降噪效果，并且降低了传统信号处理方法对硬件设备的依赖问题。
-
Patent Agency Ranking
公开(公告)号：CN116659829A
公开(公告)日：2023-08-29
申请号：CN202310500680.2
申请日：2023-04-28
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明涉及故障检测技术领域，提供了一种机械设备异常检测方法、系统、存储介质及设备，包括：获取机械设备运行声音；对机械设备运行声音进行变换，得到对数梅尔频谱；基于对数梅尔频谱，采用异常检测模型，进行机械设备异常声音检测；所述异常检测模型训练所采用的训练集，通过对原始训练集进行时移、音量增益、变换、噪声注入和数据增强得到；其中，变换包括，对每个帧进行傅里叶变换得到频域表示，将频域表示映射到梅尔刻度上并分成若干个频带，并对每个频带的能量取对数。增加了数据样本数量和多样性，有助于提高异常检测模型的性能。
-
公开(公告)号：CN115858792A
公开(公告)日：2023-03-28
申请号：CN202310132159.8
申请日：2023-02-20
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F16/35 , G06F40/289 , G06F40/30 , G06F40/216 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及数据处理技术领域，公开了基于图神经网络的招标项目名称短文本分类方法及系统；方法包括：获取待分类的招标项目名称；对文本进行分词处理；将分词结果输入到训练后的短文本分类模型中，输出分类结果；训练后的短文本分类模型，对分词结果提取出语义图的特征矩阵；对分词结果构建顺序图，得到顺序图的特征矩阵；对分词结果提取出文本特征，将文本特征分别映射到语义图的特征矩阵和顺序图的特征矩阵中，得到映射后的语义图特征矩阵和映射后的顺序图特征矩阵；实现语义图和顺序图的图内传播和图间传播，对招标项目名称短文本进行分类，得到分类标签；本发明能够解决现有人工标注效率不高和信息资源严重浪费的问题。
-
公开(公告)号：CN115171710B
公开(公告)日：2024-10-29
申请号：CN202210799728.X
申请日：2022-07-08
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G10L21/007 , G10L21/0224 , G10L21/0232 , G10L19/02 , G10L25/63 , G06N3/045 , G06N3/0464 , G06N3/094 , G06N3/0475 , G06N3/084 , G10L25/30
Abstract: 本发明属于语音信号处理的语音增强技术领域，提供了一种基于多角度判别的生成对抗网络的语音增强方法及系统。该方法包括，获取带噪声语音信号；基于带噪声语音信号，采用训练好的生成对抗网络，得到增强后的语音信号；其中，所述生成对抗网络包括一个生成器和四个判别器。本发明的多角度判别包括：增强后语音信号、干净语音与情绪语音之间的差异；同时添加从频域判别学习增强后语音信号、干净语音与情绪语音之间的频域差异。本发明从不同语音信号的语音成分进行判别，以及语音的时域频域角度，能够从不同角度充分学习语音成分，为生成器提供足够多的反馈信息，可以有效改善语音失真，提高增强后语音的语音质量。
-
公开(公告)号：CN116884433A
公开(公告)日：2023-10-13
申请号：CN202310806300.8
申请日：2023-07-03
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明提供了一种基于图注意力的伪造语音检测方法及系统，通过预加重及自监督预训练模型和单分类学习，弥补了假语音层出不穷、训练数据不足的缺陷；在提取高级特征表示时，对通道分配注意力，捕获了更加丰富的通道信息；在使用图计算进行图建模时关注到信息量更丰富的频域子带和时域段；在多级协同异构图注意力融合机制中，充分考虑时域和频域信息的影响和交互，实现了更高效率、更强泛化性能和更准确识别率的伪造语音检测。
-
公开(公告)号：CN116840777A
公开(公告)日：2023-10-03
申请号：CN202310699258.4
申请日：2023-06-13
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
Abstract: 本发明属于目标跟踪定位领域，提供了一种自适应平方根无迹卡尔曼滤波空间偏差配准方法和系统，初始化待测目标传感器，构建传感器量测方程和目标状态方程；自适应求取协方差矩阵的平方根，计算采样点和权值；利用自适应无迹卡尔曼滤波算法，基于k‑1时刻状态均值和协方差矩阵，估计k时刻的状态、量测与其他滤波中间参数；根据系统当前时刻是否因噪声等干扰造成异常量测数据，自适应校准状态方程中的可调参数；利用自适应无迹卡尔曼滤波算法和自适应聚类算法，根据k‑1时刻的偏差估计值及其误差协方差矩阵与预测的量测数据，构造偏差伪测量方程，对偏差值进行估计和补偿；重复上述步骤，形成闭环循环操作，进行迭代运算，直至完成所有传感器的配准。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.128 seconds)
