期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于特征流融合的带噪语音检测算法 被引量：6
1
作者 龙华 杨明亮 邵玉斌 《通信学报》 EI CSCD 北大核心 2020年第4期134-142,共9页
针对语音通话中语音段的起始检测性能不佳,检测语音连续性结构受到破坏的问题,提出了一种基于特征流融合的带噪语音检测算法。首先,根据语音特性分别提取时域特征流、谱图特征流和统计特征流;其次,利用不同的语音特征流分别对带噪音频... 针对语音通话中语音段的起始检测性能不佳,检测语音连续性结构受到破坏的问题,提出了一种基于特征流融合的带噪语音检测算法。首先,根据语音特性分别提取时域特征流、谱图特征流和统计特征流;其次,利用不同的语音特征流分别对带噪音频中的语音段进行概率估测;最后,将各个特征流估测得到的语音估测概率进行加权融合,并利用隐马尔可夫模型对语音估测概率进行短时状态处理。通过对复合语音数据库在多类型噪声与不同信噪比条件下的性能测试表明,所提算法相对于基于贝叶斯与DNN分类器的基线模型相比,语音检测正确率分别提高了21.26%与11.01%,显著提高了目标语音的质量。 展开更多
关键词 语音通话 语音检测 特征流融合 隐马尔可夫模型
下载PDF
联合多流融合和多尺度学习的卷积神经网络遥感图像融合方法 被引量：11
2
作者 雷大江 杜加浩 +1 位作者 张莉萍 李伟生 《电子与信息学报》 EI CSCD 北大核心 2022年第1期237-244,共8页
为尽可能保持原始低分辨率多光谱(LRMS)图像光谱信息的同时,显著提高融合后的多光谱图像的空间分辨率,该文提出一种联合多流融合和多尺度学习的卷积神经网络遥感图融合方法。首先将原始MS图像输入频谱特征提取子网得到其光谱特征,然后... 为尽可能保持原始低分辨率多光谱(LRMS)图像光谱信息的同时,显著提高融合后的多光谱图像的空间分辨率,该文提出一种联合多流融合和多尺度学习的卷积神经网络遥感图融合方法。首先将原始MS图像输入频谱特征提取子网得到其光谱特征,然后分别将通过梯度算子处理全色图像得到的梯度信息和通过卷积后的全色图像与得到的光谱特征图在通道上拼接输入到具有多流融合架构的金字塔模块进行图像重构。金字塔模块由多个骨干网络组成,可以在不同的空间感受野下进行特征提取,能够多尺度学习图像信息。最后,构建空间光谱预测子网融合金字塔模块输出的高级特征和网络前端的低级特征得到具有高空间分辨率的MS图像。结合WorldView-3卫星获取的图像进行实验,结果表明,所提方法生成的融合图像在主观目视检验和客观评价指标上都优于大多先进的遥感图像融合方法。 展开更多
关键词 遥感图像融合 频谱特征提取子网 金字塔模块 多流融合架构 空间光谱预测子网
下载PDF
基于TSFFCNN-PSO-SVM的飞机起落架液压系统故障诊断
3
作者 冯东洋 姜春英 +2 位作者 鲁墨武 叶长龙 李胜宇 《航空动力学报》 EI CAS CSCD 北大核心 2024年第1期187-199,共13页
针对飞机起落架液压系统故障诊断精度低,深层故障特征提取困难的问题,提出了一种基于双路特征融合卷积神经网络(TSFFCNN)与粒子群优化支持向量机(PSO-SVM)结合的起落架液压系统故障诊断模型。该诊断模型以起落架多节点压力信号作为输入... 针对飞机起落架液压系统故障诊断精度低,深层故障特征提取困难的问题,提出了一种基于双路特征融合卷积神经网络(TSFFCNN)与粒子群优化支持向量机(PSO-SVM)结合的起落架液压系统故障诊断模型。该诊断模型以起落架多节点压力信号作为输入,采用一维卷积神经网络(1DCNN)与二维卷积神经网络(2DCNN)并行多通道网络结构自适应提取深层特征信息,并在融合层将深层特征信息融合,通过优化后的SVM分类器对融合特征进行故障分类。为验证所提诊断模型的故障分类效果,基于AMESim搭建了典型飞机起落架液压系统仿真模型,构建了几种典型故障类型数据集。基于仿真数据的诊断结果表明,所提故障诊断算法精度能达到99.37%,能够有效实现起落架液压系统故障诊断;与其他智能算法对比,基于TSFFCNNPSO-SVM故障诊断模型具有更好的平稳性与可靠性,诊断精度更高。 展开更多
关键词 飞机起落架液压系统 特征融合 故障诊断 双路特征融合卷积神经网络(TSFFCNN) 粒子群优化支持向量机(PSO-SVM)
原文传递
基于交互机制卷积双流融合神经网络的视频浓缩
4
作者 赵春飞 张丽红 《测试技术学报》 2019年第3期228-232,共5页
视频浓缩时运动目标之间的相互遮挡和背景的复杂性使得难以准确提取运动目标,导致浓缩比降低.针对此问题,提出了一种基于交互机制的卷积双流融合网络视频浓缩方法.首先,对输入的视频帧进行感兴趣区域选取;然后,卷积双流融合网络分流提... 视频浓缩时运动目标之间的相互遮挡和背景的复杂性使得难以准确提取运动目标,导致浓缩比降低.针对此问题,提出了一种基于交互机制的卷积双流融合网络视频浓缩方法.首先,对输入的视频帧进行感兴趣区域选取;然后,卷积双流融合网络分流提取运动目标特征和背景特征并进行特征融合,以减弱运动目标之间相互遮挡的影响;最后,通过交互机制将融合后的特征进行关联性运算,以有效提高运动目标之间及运动目标与背景之间的相关性,再根据相似矩阵进行场景聚类得到关键帧.实验结果表明:通过该网络结构进行视频浓缩,浓缩比和召回率都有所提高. 展开更多
关键词 运动目标 特征提取 交互机制 卷积双流融合神经网络 视频浓缩
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部