-
公开(公告)号：CN114722202B
公开(公告)日：2024-07-26
申请号：CN202210369747.9
申请日：2022-04-08
申请人： 湖北工业大学
IPC分类号： G06F16/35 , G06N3/0442 , G06N3/049 , G06N3/084
摘要： 本发明公开了一种基于双向双层注意力LSTM网络的多模态情感分类方法及系统，首先多模态数据特征的选取；然后对于音频数据选择双层的单向LSTM模型，用于抽取音频特征，对于文本和视频信息，选用TBA‑LSTM(Two‑layerBILSTM based on Attention)模型进行特征抽取；接着将抽取后的特征进行张量融合的方式；最后使用注意力机制来进行多模态数据的分类问题。本发现相对于一些其他的传统模型(LSTM，TFN，MFN，MARN等等)，在公共数据集上CMU‑MOSI上，其精度和F1_Score均有显著程度的提升，并且其深层次的特征抽取能力更强。
-
公开(公告)号：CN114821088B
公开(公告)日：2024-10-18
申请号：CN202210493651.3
申请日：2022-05-07
申请人： 湖北工业大学 , 武汉卓尔信息科技有限公司
IPC分类号： G06V10/40 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0442 , G06N3/084
摘要： 本发明属于多模态数据特征抽取技术领域，公开了一种基于优化BERT模型的多模态深度特征抽取方法及系统，数据处理阶段，多模态数据特征选取，以及数据的预处理工作；BERT模型优化阶段，对原始BERT模型中的多头自注意力机制和前向传播层进行优化；特征融合阶段；结果输出阶段。本发明能够进行深层次的特征抽取，使用层次化多头注意力机制实现对特征的层次抽取，使用自定义的门机制结构替换BERT模型中的中间层，实现对信息的过滤，最后通过基于自注意力机制的张量融合模型进行多模态特征的融合，最后实现一种对多态情感信息准确分类的模型，本发明提高了BERT的特征抽取能力，具有的多模态特征抽取能力更强。
-
公开(公告)号：CN113742781B
公开(公告)日：2024-04-05
申请号：CN202111123601.8
申请日：2021-09-24
申请人： 湖北工业大学 , 武汉卓尔信息科技有限公司
IPC分类号： G06F21/62 , G06F18/23 , G06F18/2135
摘要： 本发明属于信息安全技术领域，公开了一种K匿名聚类隐私保护方法、系统、计算机设备、终端，K匿名聚类隐私保护方法包括：使用主成分分析方法完成数据的降维且确定敏感属性、准标识符属性和标识属性；对降维后的数据使用灰度关联分析方法计算敏感属性与准标识符属性的关联度；根据敏感属性与准标识符关联度确定准标识符的泛化层次结构；使用手肘法确定数据集适合的聚类簇数量；根据阈值a判断对数据直接进行聚类操作还是将该数据集与其他数据值合并进行聚类；对数据集进行聚类处理；根据准标识属性的泛化结构对聚类的数据进行K匿名处理。本发明能够降低医疗数据的维度，避免聚类过程中陷入局部最优值，降低K匿名过程中的信息损失率，保护隐私数据的安全。
-
公开(公告)号：CN114722202A
公开(公告)日：2022-07-08
申请号：CN202210369747.9
申请日：2022-04-08
申请人： 湖北工业大学
摘要： 本发明公开了一种基于双向双层注意力LSTM网络的多模态情感分类方法及系统，首先多模态数据特征的选取；然后对于音频数据选择双层的单向LSTM模型，用于抽取音频特征，对于文本和视频信息，选用TBA‑LSTM(Two‑layerBILSTM based on Attention)模型进行特征抽取；接着将抽取后的特征进行张量融合的方式；最后使用注意力机制来进行多模态数据的分类问题。本发现相对于一些其他的传统模型(LSTM，TFN，MFN，MARN等等)，在公共数据集上CMU‑MOSI上，其精度和F1_Score均有显著程度的提升，并且其深层次的特征抽取能力更强。
-
公开(公告)号：CN114821088A
公开(公告)日：2022-07-29
申请号：CN202210493651.3
申请日：2022-05-07
申请人： 湖北工业大学 , 武汉卓尔信息科技有限公司
摘要： 本发明属于多模态数据特征抽取技术领域，公开了一种基于优化BERT模型的多模态深度特征抽取方法及系统，数据处理阶段，多模态数据特征选取，以及数据的预处理工作；BERT模型优化阶段，对原始BERT模型中的多头自注意力机制和前向传播层进行优化；特征融合阶段；结果输出阶段。本发明能够进行深层次的特征抽取，使用层次化多头注意力机制实现对特征的层次抽取，使用自定义的门机制结构替换BERT模型中的中间层，实现对信息的过滤，最后通过基于自注意力机制的张量融合模型进行多模态特征的融合，最后实现一种对多态情感信息准确分类的模型，本发明提高了BERT的特征抽取能力，具有的多模态特征抽取能力更强。
-
公开(公告)号：CN113762287A
公开(公告)日：2021-12-07
申请号：CN202111090483.5
申请日：2021-09-17
申请人： 湖北工业大学
摘要： 本发明涉及一种水下目标智能检测系统、方法及存储介质。属于计算机视觉处理技术领域。通过利用Slice‑Concat网络结构对图像进行切片和拼接处理，可得到无数据损失的切片后的图像，该图像被切片后，其宽和高变小。由模型复杂度计算公式分析可知，其图像宽和高变小会直接提高模型的运算速度。同时用测试集对训练好的网络模型进行训练进行测试可确保模型的识别与检测精度。上述方法可确保本发明实现在确保水下目标检测精度的前提下提高目标的检测速度，做到对水下目标的高效实时检测。
-
公开(公告)号：CN113742781A
公开(公告)日：2021-12-03
申请号：CN202111123601.8
申请日：2021-09-24
申请人： 湖北工业大学 , 武汉卓尔信息科技有限公司
摘要： 本发明属于信息安全技术领域，公开了一种K匿名聚类隐私保护方法、系统、计算机设备、终端，K匿名聚类隐私保护方法包括：使用主成分分析方法完成数据的降维且确定敏感属性、准标识符属性和标识属性；对降维后的数据使用灰度关联分析方法计算敏感属性与准标识符属性的关联度；根据敏感属性与准标识符关联度确定准标识符的泛化层次结构；使用手肘法确定数据集适合的聚类簇数量；根据阈值a判断对数据直接进行聚类操作还是将该数据集与其他数据值合并进行聚类；对数据集进行聚类处理；根据准标识属性的泛化结构对聚类的数据进行K匿名处理。本发明能够降低医疗数据的维度，避免聚类过程中陷入局部最优值，降低K匿名过程中的信息损失率，保护隐私数据的安全。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.023 秒)
