-
公开(公告)号：CN114187923A
公开(公告)日：2022-03-15
申请号：CN202111611392.1
申请日：2021-12-27
申请人： 郑州大学
摘要： 本发明公开了一种基于一维注意力机制卷积神经网络音频识别方法,下载公开的音频信号数据构建原始数据集；使用python代码对原始数据集中的音频信号进行分帧处理；建立并训练一维注意力机制卷积神经网络；最后通过集成学习将多个模型集成，形成最终的音频识别模型。本发明优点在于采用了一维注意力机制卷积神经网络进行音频信号的识别，既克服了二维卷积神经网络原始数据需求大，计算量大，且会丢失部分有用信息的问题，又克服了一维卷积神经网络网络性能不佳，分类效果较差的问题。通过实验表明，本发明所述方法对公开数据集Urbansound8K上音频信号识别的准确率可达93%左右，加入集成学习可达94%。
-
公开(公告)号：CN114209281A
公开(公告)日：2022-03-22
申请号：CN202111568920.X
申请日：2021-12-21
摘要： 本发明公开了一种基于生成对抗网络的脉搏数据生成方法,利用脉搏采集仪采集真实脉搏数据；采用基于小波的级联自适应滤波器来检测和消除所述真实脉搏数据中的基线漂移，获得预处理脉搏数据；建立生成对抗网络结构；利用随机噪声训练所述生成对抗网络结构，确定扩充脉搏数据生成模型；通过所述扩充脉搏数据生成模型，生成接近所述真实脉搏数据的扩充脉搏数据。本发明优点在于利用生成对抗网络能够获取并学习输入数据底层数据分布的优势，生成和真实数据较为相似的数据；经实验证明，本发明能够有效的生成脉搏数据，很好的解决了在脉诊方面中脉搏数据缺乏的问题，实现了脉搏数据扩充，为智能脉诊提供更多数量的数据，提升智能脉诊的效率与性能。
-
公开(公告)号：CN114209281B
公开(公告)日：2024-02-27
申请号：CN202111568920.X
申请日：2021-12-21
摘要： 本发明公开了一种基于生成对抗网络的脉搏数据生成方法,利用脉搏采集仪采集真实脉搏数据；采用基于小波的级联自适应滤波器来检测和消除所述真实脉搏数据中的基线漂移，获得预处理脉搏数据；建立生成对抗网络结构；利用随机噪声训练所述生成对抗网络结构，确定扩充脉搏数据生成模型；通过所述扩充脉搏数据生成模型，生成接近所述真实脉搏数据的扩充脉搏数据。本发明优点在于利用生成对抗网络能够获取并学习输入数据底层数据分布的优势，生成和真实数据较为相似的数据；经实验证明，本发明能够有效的生成脉搏数据，很好的解决了在脉诊方面中脉搏数据缺乏的问题，实现了脉搏数据扩充，为智能脉诊提供更多数量的数据，提升智能脉诊的效率与性能。
-
公开(公告)号：CN114767130A
公开(公告)日：2022-07-22
申请号：CN202210440906.X
申请日：2022-04-26
申请人： 郑州大学
摘要： 本发明公开了一种基于多尺度成像的多模态特征融合脑电情感识别方法，将多尺度和时间序列成像算法相结合，通过把脑电图信号转换为图像实现情感识别，与传统的基于EEG信号的情感识别方法相比，不仅能够保存脑电图信号的空间信息，还能用多尺度算法减少计算量，找到潜在的脑电图信号模式，同时将高维信息编码到图像中，使图像包含丰富的信息，充分利用机器视觉的优势，使用2DCNN模型提取图像的高维特征，通过不同的多模态特征融合方法，取得更好的情感分类结果。
-
-
-
搜索结果
4 条记录 (耗时 0.015 秒)
