公开(公告)号：CN118094336A

公开(公告)日：2024-05-28

申请号：CN202410302626.1

申请日：2024-03-18

Applicant: 湖南大学

Inventor： 夏飞 ,  窦钰涛 ,  赵祥 ,  赵飞 ,  张洋

IPC: G06F18/241 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/084 ,  G06N20/20

Abstract: 本发明属于水声信号处理技术领域，尤其涉及一种基于集成学习和样本合成的水声信号识别方法。包括如下步骤：采集水声信号样本数据，制作初始数据集；采集水声背景样本数据，制作背景噪声数据集；迭代训练弱分类器；构建随机初始化的神经网络进行重复训练的得到弱分类器；用弱分类器对数据集进行运算，并计算总误差及权重；通过合成的方法添加需要识别的样本，生成新数据集；将弱分类器加权组合为强分类器Q；本申请采用集成学习的方法训练了多个用于水声信号分类的弱分类器，并通过加权方式将多个弱分类器集成，从而得到一个功能更加强大的分类器。尤其是在设计权重时考虑了各个弱分类器的识别误差，进一步提高了集成后分类器的识别能力。

公开(公告)号：CN117912458A

公开(公告)日：2024-04-19

申请号：CN202410147800.X

申请日：2024-02-02

Applicant: 湖南大学

Inventor： 夏飞 ,  窦钰涛 ,  赵祥 ,  赵飞 ,  张洋

IPC: G10L15/08 ,  G10L15/16 ,  G06N3/0455 ,  G06N3/0895 ,  G06V10/82 ,  G06V10/77

Abstract: 本发明涉及水声信号处理技术领域，尤其公开一种水声异常信号检测方法。包括如下步骤：抽取具有相同样本大小的正常水声数据样本建立样本数据集，进行短时傅里叶变换得到对应的时频图数据集，构建自监督训练模型，利用样本数据集和自监督训练模型对神经网络模型进行训练，制作掩码输入数据，制作重构目标，对神经网络模型进行训练；应用神经网络模型。本申请相对于传统分类异常检测方法，可以有效降低对于大量原始数据的需求。本申请通过数据重构以及渐进式训练方式，相对于传统的自监督训练方法，能够有效降低神经网络的复杂度，提高训练过程的有效性和效率，还可通过逐步增加重构细节或多样性来实现来保障持续训练的成功率。