公共文化服务平台

何勇军: 作品数：46 被引量：138H指数：6; 供职机构：哈尔滨理工大学计算机科学与技术学院更多>>; 发文基金：国家自然科学基金黑龙江省自然科学基金黑龙江省教育厅科学技术研究项目更多>>; 相关领域：自动化与计算机技术电子电信机械工程电气工程更多>>

合作作者

基于样本基准值的宫颈异常细胞识别方法: 2022年; 利用深度学习方法的宫颈异常细胞识别通常需要大量的训练数据,然而这些数据不可避免的使用不同样本的宫颈异常细胞参与模型训练,天然地缺失了单个样本内正、异常细胞内对照,导致宫颈异常细胞的识别精度不高,假阳性率高。为解决这一问题,提出了一种基于样本基准值的宫颈异常细胞识别方法。该方法首先通过Mask R-CNN模型对宫颈细胞进行识别和宫颈细胞核分割;然后计算关键性宫颈细胞核指标,提出基准细胞概念,定义样本基准值,量化诊断标准;最后利用异常细胞核指标和模型信息完成宫颈异常细胞重分类,模拟医生对比样本内正常细胞的形态识别异常细胞,实现样本内宫颈正、异常细胞对照识别。实验表明,该方法在宫颈细胞涂片数据集上的阳性细胞查全率、阳性细胞检出准确率、样本检测准确率分别达到84.7%、94.6%、92.4%。; 赵司琦梁義钦秦健何勇军

数据不充分情况下的说话人识别被引量：1: 2017年; 在过去的数十年里,研究者们对说话人识别进行了广泛而深入的研究,提出了许多有效的方法。目前主流的说话人识别方法如高斯混合-通用背景模型(Gaussian mixture model-Universal background model,GMM-UBM)和高斯混合-支持向量机模型(Gaussian mixture model-Support vector machine,GMM-SVM),虽然能取得比较理想的识别效果,但都需要充分的训练和测试数据。而这一要求在现实应用中通常难以满足,导致其识别率急剧降低。针对这一问题,提出了一种基于稀疏编码的说话人识别方法。该方法在训练阶段为每个说话人训练一个语音字典;在识别阶段,将测试语音分别表示在每个字典上然后根据重构误差打分。实验表明,在少量无噪的训练和测试语音数据情况下,所提出的方法取得了比GMM-UBM和GMM-SVM更好的识别效果。; 盖晁旭梁隆恺何勇军; 关键词：说话人识别高斯混合支持向量机

特征选择方法中三种度量的比较研究被引量：8: 2018年; 不同类型数据中特征与类别以及特征与特征之间存在一定的线性和非线性相关性。针对基于不同度量的特征选择方法在不同类型数据集上选取的特征存在明显差别的问题,本文选择线性相关系数、对称不确定性和互信息三种常用的线性或非线性度量,将它们应用于基于相关性的快速特征选择方法中,对它们在基因微阵列和图像数据上的特征选择效果进行实验验证和比较。实验结果表明,基于相关性的快速特征选择方法使用线性相关系数在基因数据集上选取的特征集往往具有较好分类准确率,使用互信息在图像数据集上选取的特征集的分类效果较好,使用对称不确定性在两种类型数据上选取特征的分类效果较为稳定。; 宋智超康健孙广路何勇军; 关键词：线性相关系数互信息

一种语音频带扩展的方法及其改进: 在语音通信系统中，由于信道频带的限制或编码的原因，语音的频带被控制在0.3kHz～3.4 kHz的范围内，这损失了语音的质量和可懂度。近年来，语音频带的人工扩展应运而生，也就是在接收端通过窄带语音信号生成宽带语音信号，补...; 何勇军韩纪庆; 关键词：语音通信系统; 文献传递

基于贝叶斯主成分分析的i-vector说话人确认方法被引量：1: 2021年; 身份-矢量(identity-vector,i-vector)方法作为说话人确认领域中的主流方法之一,能够通过学习总变化空间来获取有效的低维说话人特征——i-vector特征.但是当开发集数据不充足时,会导致学习到的总变化空间模型误差较大;同时,还无法有效确认此时的总变化空间是否因为预先设置的维度过高而学到了冗余信息.为此,本文将贝叶斯主成分分析(Bayesian Principal Component Analysis,BPCA)引入总变化空间的学习过程中,利用其来为总变化空间引入更多的先验信息,从而对开发集数据中包含的信息进行补充,并在先验信息的约束下削弱总变化空间中无效维的影响.实验结果表明,当开发集数据不充足时,相比于传统的总变化空间学习方法,BPCA方法能够有效提升说话人确认系统的识别性能.; 肜娅峰陈晨陈晨陈德运; 关键词：说话人确认

噪声环境下畸变模型线性化处理的顽健语音识别方法: 2010年; 针对噪声环境下语音识别的顽健性问题,考虑到梅尔倒谱系数(MFCC,Mel-frequency cepstral coefficient)域的畸变模型高度非线性且难以处理,用分段线性插值函数代替对数函数,提出了一种新的线性畸变模型。在此基础上,导出了噪声参数估计和声学模型补偿方法,无需采用矢量泰勒级数(VTS,vector Taylor series)展开作近似处理,有效避免了模型误差的引入,增强了系统在噪声环境下的顽健性。; 何勇军韩纪庆; 关键词：语音识别顽健性线性化

基于深层信息散度最大化的说话人确认方法被引量：1: 2021年; 针对说话人确认中无法准确捕获特征间非线性关系的问题,提出了一种基于深层信息散度最大化的目标函数表示方法。该方法能通过计算特征所在分布之间相似度,来对特征间的非线性关系进行隐性表示,并在最大化这种统计相关性的优化目标指导下,使深度神经网络向着同类数据更紧凑、异类数据更分散的方向优化,最终达到提升深层特征空间区分性的目标。实验结果表明,相对于其他深度学习方法,所提方法的相对等错误率(EER)最多降低了15.80%,显著提升了系统性能。; 陈晨陈晨季超群陈德运陈德运; 关键词：说话人确认目标函数

基于稀疏分解与重构的鲁棒语音特征提取方法: 基于稀疏分解与重构的鲁棒语音特征提取方法，涉及稀疏分解与重构的语音特征提取方法，解决了1、原子字典的选取：具有较高的时间复杂度，而且难以满足信号投影后稀疏；2、信号的稀疏分解：考虑语音信号和噪声信号的时间相关性的较少；3...; 韩纪庆何勇军; 文献传递

一种语音频带扩展的方法及其改进: 在语音通信系统中,由于信道频带的限制或编码的原因,语音的频带被控制在0.3kHz～3.4kHz的范围内,这损失了语音的质量和可懂度。近年来,语音频带的人工扩展应运而生,也就是在接收端通过窄带语音信号生成宽带语音信号,补偿...; 何勇军韩纪庆; 关键词：频带扩展; 文献传递

两阶段分析的异常簇团宫颈细胞检测方法: 2022年; 异常细胞检测是宫颈癌智能辅助诊断的关键技术,直接影响着检测系统的性能。但宫颈异常细胞大多以簇团的形式存在,细胞相互粘连、复杂多样,给异常细胞检测带来了挑战。为解决这一问题,本文提出了一种两阶段簇团宫颈异常细胞检测方法。该方法在第一阶段采用YOLO-v5目标检测网络,利用可变形卷积替换网络中的标准卷积,使卷积核的大小和位置可以根据当前病理图像内容进行动态调整,以适应不同簇团宫颈细胞的形状、大小等几何形变。在第二阶段利用监督对比学习网络学习正、异常簇团宫颈细胞之间的特征差异,实现高准确率的正、异常簇团宫颈细胞分类。实验表明,簇团宫颈细胞召回率达到89.69%,相比基线网络YOLO-v5提升了1.43%,正、异常簇团宫颈细胞分类准确率达到87.81%,相比基线网络ResNet提升了10.31%。; 梁義钦赵司琦王海涛何勇军; 关键词：目标检测

何勇军

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

何勇军

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈