-
公开(公告)号：CN108877947B
公开(公告)日：2021-10-15
申请号：CN201810558766.X
申请日：2018-06-01
申请人： 重庆大学
摘要： 本发明公开了一种基于迭代均值聚类的深度样本学习方法，按照以下步骤进行：S1：选择训练数据，并通过N次迭代均值聚类算法处理得到N+1层训练样本子集，N≥1；S2：将每层训练样本子集独立进行回归训练，得到N+1个回归器；S3：选择验证数据，并将验证数据分别送入N+1个回归器中得到N+1个验证结果；S4：基于加权融合机制确定每个回归器对应的最佳权重(w0,w1,…,wN)；S5：获取测试数据，并利用N+1个回归器以及对应的最佳权重得到最终的预测结果。其效果是：将学习样本经过多次迭代均值聚类得到不同的训练样本数据集，然后分别进行训练和学习，在相同样本数量的情况下，有效增加了模型的学习能力，提升了分类或预测的准确性。
-
公开(公告)号：CN110378433A
公开(公告)日：2019-10-25
申请号：CN201910672440.4
申请日：2019-07-24
申请人： 重庆大学
摘要： 本发明公开了基于PSO-SVM的桥梁拉索表面缺陷的分类识别方法，包括如下步骤：S1、获取待测拉索表面图像信息；S2、从待测拉索表面图像信息中提取待测表面缺陷特征信息；S3、将待测表面缺陷特征信息输入PSO-SVM分类器，得到待测拉索的表面缺陷分类识别信息。本发明鉴于支持向量在解决小样本、非线性、高维模式识别中表现出的特有优势，将SVM算法应用于拉索表面缺陷检测，还采用粒子群优化算法来优化SVM模型参数，进一步提高了分类识别率。
-
公开(公告)号：CN104881686B
公开(公告)日：2018-02-02
申请号：CN201510282981.8
申请日：2015-05-28
申请人： 重庆大学
摘要： 本发明公开了一种基于脑磁共振影像的Aβ蛋白沉积信息检测系统，设置有MRI图像采集装置、图像预处理装置、特征提取装置以及参数反演装置；所述特征提取装置用于提取最优特征子集；所述参数反演装置用于将所述最优特征子集反演出Aβ蛋白沉积含量；该参数反演装置中固化有训练好的SVM模型，所述SVM模型是通过选择多个训练样本图像的多个特征参数，并以每个样本图像对应PET图像的Aβ蛋白沉积含量为评价标准，最终训练出的最优特征子集与Aβ蛋白沉积含量的映射关系。其显著效果是：不仅具有无创、无辐射、安全、自动化程度高等优点，而且可应用于阿尔茨海默病诊断的临床应用。
-
公开(公告)号：CN111354338B
公开(公告)日：2022-03-15
申请号：CN202010119313.4
申请日：2020-02-26
申请人： 重庆大学
摘要： 本发明公开一种基于PSO卷积核优化稀疏迁移学习的帕金森语音识别系统，包括：数据采集模块、公共数据库、目标数据库和分类识别器；系统将公共语音数据集的语音特征进行卷积稀疏学习，得到相应的卷积核；然后利用目标数据库中的一部分目标数据集进行卷积稀疏编码及样本和特征并行优选；通过PSO算法得到最优卷积核；然后基于最优卷积核，利用目标数据库中的另一部分目标数据集进行卷积稀疏编码及样本和特征并行优选；从而得到系统最优卷积核及最佳样本和特征；最后数据采集模块采集待测对象的语音数据基于最优卷积核进行卷积稀疏编码，提取编码后的最佳样本和特征，由分类识别器得出测试结果。本系统分类准确率高，样本需求量少，实施方便。
-
公开(公告)号：CN113393932A
公开(公告)日：2021-09-14
申请号：CN202110761463.X
申请日：2021-07-06
申请人： 重庆大学
摘要： 本发明涉及语音分类技术领域，具体公开了一种帕金森病语音样本段多类型重构变换方法，首先，设计重构算子对原始数据样本段进行变换，从而得到第一目标数据集；其次，考虑到样本间的差异性，对原始数据集进行聚类重构，得到第二目标数据集；再次，利用聚类重构的新样本段集对聚类后的数据样本集进行卷积处理，得到第三目标数据集；最后，基于这三个新数据集分别训练子分类器，然后对分类结果进行决策加权融合。本发明提出了基于多类型重构和聚类算法的PD语音样本变换算法，有效获得高质量新样本，从而提高识别准确率。实验结果表明本方法构建的三个新样本数据集都比变换前的原数据集具有较高的准确率。
-
公开(公告)号：CN111354338A
公开(公告)日：2020-06-30
申请号：CN202010119313.4
申请日：2020-02-26
申请人： 重庆大学
摘要： 本发明公开一种基于PSO卷积核优化稀疏迁移学习的帕金森语音识别系统，包括：数据采集模块、公共数据库、目标数据库和分类识别器；系统将公共语音数据集的语音特征进行卷积稀疏学习，得到相应的卷积核；然后利用目标数据库中的一部分目标数据集进行卷积稀疏编码及样本和特征并行优选；通过PSO算法得到最优卷积核；然后基于最优卷积核，利用目标数据库中的另一部分目标数据集进行卷积稀疏编码及样本和特征并行优选；从而得到系统最优卷积核及最佳样本和特征；最后数据采集模块采集待测对象的语音数据基于最优卷积核进行卷积稀疏编码，提取编码后的最佳样本和特征，由分类识别器得出测试结果。本系统分类准确率高，样本需求量少，实施方便。
-
公开(公告)号：CN113393932B
公开(公告)日：2022-11-25
申请号：CN202110761463.X
申请日：2021-07-06
申请人： 重庆大学
摘要： 本发明涉及语音分类技术领域，具体公开了一种帕金森病语音样本段多类型重构变换方法，首先，设计重构算子对原始数据样本段进行变换，从而得到第一目标数据集；其次，考虑到样本间的差异性，对原始数据集进行聚类重构，得到第二目标数据集；再次，利用聚类重构的新样本段集对聚类后的数据样本集进行卷积处理，得到第三目标数据集；最后，基于这三个新数据集分别训练子分类器，然后对分类结果进行决策加权融合。本发明提出了基于多类型重构和聚类算法的PD语音样本变换算法，有效获得高质量新样本，从而提高识别准确率。实验结果表明本方法构建的三个新样本数据集都比变换前的原数据集具有较高的准确率。
-
公开(公告)号：CN111210846B
公开(公告)日：2022-07-05
申请号：CN202010012728.1
申请日：2020-01-07
申请人： 重庆大学
摘要： 本发明公开一种基于集成流形降维的帕金森语音识别系统，包括：数据采集器：用于采集和存储训练数据、验证数据和测试数据，上述数据均为帕金森语音数据，且训练数据和验证数据中包括了代表帕金森病况的标签数据；分类器模块；通过训练数据和验证数据训练所得，并用于对测试数据进行分类识别，确定测试数据的标签类型；输出模块，用于输出最终的识别结果；本发明通过对分类器的训练过程进行改进，引入加权局部判别式保持投影嵌入集成方式，充分考虑了具有较大的类内差异和较小的类间方差的PD语音样本，同时引入AdaBoost方法来构造映射矩阵，提高LPP算法的稳定性，与现有的帕金森语音特征提取算法相比，本系统具有更高的分类精度。
-
公开(公告)号：CN102631265A
公开(公告)日：2012-08-15
申请号：CN201210145772.5
申请日：2012-05-11
申请人： 重庆大学
摘要： 本发明提供了一种智能轮椅的嵌入式控制系统，该系统主要由双核处理器模块、轮椅驱动模块、距离检采集模块、语音采集模块和语音口令数据库模块构成；其中，双核处理器模块包括相互数据连接的DSP处理器和ARM处理器；该系统借助双核处理器模块作为系统核心加以构建，可以让使用者通过自然语言实现对智能轮椅的控制，实现了使用者与智能轮椅之间的人机自然交互，并且可以自动检测智能轮椅与其所处环境中障碍物之间的距离并进行障碍预警，同时根据这些距离信息和预警信息自动调整智能轮椅的行驶方向和行驶速度，减少碰触障碍物等意外的发生，提高了智能轮椅的智能化水平和安全性能，操控难度低，使用非常方便，特别适合老年人和残疾人使用。
-
公开(公告)号：CN101976075A
公开(公告)日：2011-02-16
申请号：CN201010557309.2
申请日：2010-11-24
申请人： 重庆大学
发明人： 李新科
IPC分类号： G05B19/418
CPC分类号： Y02P90/02
摘要： 本发明公开了一种基于语音控制的智能化自循迹小车控制系统，该控制系统将基于光电传感器和语音识别技术相结合，采用凌阳16位单片机SPCE061A作为系统控制处理器，以反射式红外光电传感器获取路径信息，根据路径信息中黑线的位置来调整小车的运动方向及速度，从而实现自循迹功能，而且结合SPCE061A片内资源，编写了语音处理API函数，实现语音人机交互的智能化控制；该控制系统结构简单，体积小，可实现小车运行灵活，且运行可靠稳定；该控制系统还可以应用于残障人智能轮椅、服务机器人、无人驾驶机动车、无人生产线、仓库等领域。
-
-
-
-
-
-
-
-
-
搜索结果
27 条记录 (耗时 0.025 秒)