-
公开(公告)号：CN108615010B
公开(公告)日：2022-02-11
申请号：CN201810373477.2
申请日：2018-04-24
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于平行卷积神经网络特征图融合的人脸表情识别方法。该方法模拟人双眼视觉通道，设计一种平行结构的卷积神经网络，在卷积池化层后对平行通道的特征图进行融合；并在全连接层结构上，将其中一通道采用稀疏全连接输出，另一通道采用稠密全连接输出，最后二者输出融合并分类；采用人脸表情数据进行模型训练达到较高识别率后使用测试样本检测模型的识别效果，并获得较高的识别准确率，为情感分析人脸表情识别提供了一个新的方法。
-
公开(公告)号：CN107844755B
公开(公告)日：2021-07-13
申请号：CN201710993587.4
申请日：2017-10-23
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种结合降噪自动编码机和卷积神经网络的脑电信号特征提取与分类方法，该方法包括步骤：通过脑电信号采集仪采集脑电数据；对采集到的数据进行去除异样样本、去均值、信号滤波等预处理；使用加入噪声系数的自动编码机对脑电信号进行训练；将降噪自动编码机的隐含层作为特征数据输出；再将所得特征数据转化为类似图像格式；利用卷积神经网络进行分类；最后利用测试数据集对训练好的网络进行性能测试。本发明相对其余传统方法能够获得更高的分类准确率，更强的鲁棒性。
-
公开(公告)号：CN109871882A
公开(公告)日：2019-06-11
申请号：CN201910067894.9
申请日：2019-01-24
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于高斯伯努利卷积深度置信网络的脑电分类信号方法，该方法采用预处理阶段采用基于负熵最大的盲源分离算法去除运动想象脑电的信号干扰；基于互信息选取频率和电极参数，将高斯伯努利受限玻尔兹曼机的无监督学习和卷积神经网络相结合进行特征提取并分类，新的基于高斯伯努利受限玻尔兹曼机的卷积深度置信网络模型模型可以通过生成的卷积滤波器从全尺寸图像中提取出有意义的特性，减少相当多的负权值，能更有效地从邻近的图像补丁中学习空间信息，明显提高了脑电信号类别判别的正确率，使脑电信号类别判别的精确度得到较大改善与提高。
-
公开(公告)号：CN108647206A
公开(公告)日：2018-10-12
申请号：CN201810421422.4
申请日：2018-05-04
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于混沌粒子群优化CNN网络的中文垃圾邮件识别方法，首先使用分词器对中文垃圾邮件数据集进行分词、去停用词等预处理；其次采用Word2vec模型获取词向量，通过对词向量求和取平均值获得中文垃圾邮件的文本向量；然后在粒子群算法中引入混沌思想来训练卷积神经网络的网络参数；基于混沌粒子群优化卷积神经网络建立中文垃圾邮件分类模型；最后采用测试集通过所建立的模型实现垃圾邮件分类并计算分类正确率。本发明通过混沌粒子群优化算法寻优参数所建立的模型能够快速收敛，具有良好的鲁棒性和稳定性，同时能够提高中文垃圾邮件的分类识别率。
-
公开(公告)号：CN108615010A
公开(公告)日：2018-10-02
申请号：CN201810373477.2
申请日：2018-04-24
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于平行卷积神经网络特征图融合的人脸表情识别方法。该方法模拟人双眼视觉通道，设计一种平行结构的卷积神经网络，在卷积池化层后对平行通道的特征图进行融合；并在全连接层结构上，将其中一通道采用稀疏全连接输出，另一通道采用稠密全连接输出，最后二者输出融合并分类；采用人脸表情数据进行模型训练达到较高识别率后使用测试样本检测模型的识别效果，并获得较高的识别准确率，为情感分析人脸表情识别提供了一个新的方法。
-
Patent Agency Ranking
公开(公告)号：CN107844755A
公开(公告)日：2018-03-27
申请号：CN201710993587.4
申请日：2017-10-23
Applicant: 重庆邮电大学
CPC classification number: G06K9/00523 , A61B5/0476 , A61B5/7203 , A61B5/7235 , A61B5/7264 , G06K9/00536 , G06K9/40 , G06K9/6267 , G06N3/0454 , G06N3/084
Abstract: 本发明请求保护一种结合降噪自动编码机和卷积神经网络的脑电信号特征提取与分类方法，该方法包括步骤：通过脑电信号采集仪采集脑电数据；对采集到的数据进行去除异样样本、去均值、信号滤波等预处理；使用加入噪声系数的自动编码机对脑电信号进行训练；将降噪自动编码机的隐含层作为特征数据输出；再将所得特征数据转化为类似图像格式；利用卷积神经网络进行分类；最后利用测试数据集对训练好的网络进行性能测试。本发明相对其余传统方法能够获得更高的分类准确率，更强的鲁棒性。
-
公开(公告)号：CN108304823B
公开(公告)日：2022-03-22
申请号：CN201810156983.6
申请日：2018-02-24
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于双卷积CNN和长短时记忆网络的表情识别方法。首先，对得到的表情图片进行去均值、滤波、归一化等预处理；然后，再将预处理过后的表情图片输入到双卷积层和池化层中提取其特征；紧接着，利用全连接层和长短时记忆网络(LSTM)进一步提取其特征，最后，利用支持向量机(SVM)识别其表情特征并输出分类结果。本发明能充分利用人脸表情的时空特征，提取那些不够明显或是容易混淆的表情特征，可有效提升表情识别率。
-
公开(公告)号：CN108647206B
公开(公告)日：2021-11-12
申请号：CN201810421422.4
申请日：2018-05-04
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于混沌粒子群优化CNN网络的中文垃圾邮件识别方法，首先使用分词器对中文垃圾邮件数据集进行分词、去停用词等预处理；其次采用Word2vec模型获取词向量，通过对词向量求和取平均值获得中文垃圾邮件的文本向量；然后在粒子群算法中引入混沌思想来训练卷积神经网络的网络参数；基于混沌粒子群优化卷积神经网络建立中文垃圾邮件分类模型；最后采用测试集通过所建立的模型实现垃圾邮件分类并计算分类正确率。本发明通过混沌粒子群优化算法寻优参数所建立的模型能够快速收敛，具有良好的鲁棒性和稳定性，同时能够提高中文垃圾邮件的分类识别率。
-
公开(公告)号：CN108595643A
公开(公告)日：2018-09-28
申请号：CN201810384910.2
申请日：2018-04-26
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于多分类节点卷积循环网络的文本特征提取及分类方法。首先对文本数据进行预处理生成词向量；然后一维卷积网络提取多个词的词向量的组合特征；分别将提取到的词语组合特征输入双向长短期记忆循环网络和多重卷积网络中。其中双向长短期记忆循环网络的输出作为主分类器的输入，多重卷积网络含有辅分类器，辅助网络训练。优化加权后的总损失函数，并对主分类器进行性能测试并实现分类。本发明能够获得较高的分类准确率。
-
公开(公告)号：CN108304823A
公开(公告)日：2018-07-20
申请号：CN201810156983.6
申请日：2018-02-24
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于双卷积CNN和长短时记忆网络的表情识别方法。首先，对得到的表情图片进行去均值、滤波、归一化等预处理；然后，再将预处理过后的表情图片输入到双卷积层和池化层中提取其特征；紧接着，利用全连接层和长短时记忆网络(LSTM)进一步提取其特征，最后，利用支持向量机(SVM)识别其表情特征并输出分类结果。本发明能充分利用人脸表情的时空特征，提取那些不够明显或是容易混淆的表情特征，可有效提升表情识别率。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.028 seconds)
