本发明提供一种基于DR‑Res2net模块的声纹识别方法,其在处理声纹数据时能提供丰富、有效的特征信息,模型有较强的泛化能力,分类具有更低的等错误率,进而能够得到更理想的识别效果。本发明的技术方案中,将稠密DenseNet模型的特点融入到Res2Net模型中,构建DR‑Res2net模型,在声音识别模型中,以DR‑Res2Block为核心模块进行声纹数据的识别;识别过程中,每个DR‑Res2net模块中对每一个输出的特征同时进行残差和稠密连接,获取更加丰富的特征,模块中的addition处理使得每一个特征的所包含的信息量增加,同时concatennaiton处理使得特征包含高语义低分辨率和低语义高分辨率的特征,最大程度上保留了不同感受野下的特征。
📄 2022107784118
📂 G10L17_02
👤 江南大学
📅 2022-07-04
本发明公开了声纹识别设备,穿戴在儿童身上,包括连接于微处理器上的无线通信模块、定位模块、麦克风、供电模块和网络服务存储器,其中:网络服务存储器,内包括声纹数据库、关键词数据库和对比模块,声纹数据库内存储安全人员的声纹信息,用于辨识儿童身边人的身份,关键词数据库内存储善意或者恶意的语言,对比模块调取关键词数据库内的信息进行对比。在使用时,儿童身边人是安全列表里面的人时,不警报;儿童身边人是非安全列表里面的人时,记录语音信号,通过无线通信模块告知监护人儿童地理位置,给出预警;儿童身边人是危险列表里面的人时,记录语音信号,通过无线通信模块告知监护人或警务人员儿童地理位置。
📄 2016110832554
📂 G08B21_02
👤 南京小脚印网络科技有限公司
📅 2016-11-30
本发明公开了保证多个延迟关键程序服务质量的缓存划分方法及系统,包括:针对多个延迟关键程序,获取每个延迟关键程序单独运行时的性能参数;根据获取的性能参数,计算每个延迟关键程序的性能指标;根据每个延迟关键程序的性能指标,对每个延迟关键程序进行分类;当多个延迟关键程序混合执行时,根据延迟关键程序的类型进行缓存分配;计算缓存分配后多个延迟关键程序混合执行时的松弛度指标,根据松弛度指标,对缓存空间进行动态调整。该方法在保证多个延迟关键程序性能的同时,又尽可能的提升了最后一级缓存LLC资源的利用率。
📄 2021106797436
📂 G06F9_48
👤 山东师范大学
📅 2021-06-18
本发明公开了数据中心环境下保证延迟敏感程序服务质量的方法;包括如下步骤:分别对处理器和内存设置若干资源限制点,计算每一个需要执行的延迟敏感程序在资源限制点处的资源敏感度,画出延迟敏感程序的资源敏感度平面;假设每个服务器节点上执行一个延迟敏感程序和若干个批量程序,计算延迟敏感程序在满足服务质量要求的情况下占用的资源;设置延迟敏感程序的占用资源;除去设置的延时敏感程序占用的资源,剩余的资源按需分配给批量程序进行使用;根据置的结果,执行延迟敏感程序和批量程序。本发明的有益效果:能够保证延迟敏感程序与批量程序共同执行时的性能,同时尽可能的提升系统的资源利用率。
📄 2017107566894
📂 G06F9_50
👤 山东师范大学
📅 2017-08-29
本发明公开了一种基于声纹识别的音频鉴伪方法,涉及特殊音频鉴伪领域,S1,获取检测音频中的音频数据,所述音频数据包括时域特征数据、IP数据和检测音频元数据;S2,通过时域特征分析模型对时域特征数据进行第一数据分析,生成时域目标;S3,通过IP比对模型对获取的IP数据进行第二数据分析,生成IP标注;S4,通过元数据分析模型对获取的检测音频元数据进行第三数据分析,生成元数据标注;S5,通过标注匹配模型将生成IP标注和元数据标注进行匹配分析,得出网络识别目标;S6,对检测音频中的时域目标和网络识别目标进行整合分析,对该检测音频生成可信度标记,本发明通过音频信号、IP数据和音频元数据等条件提供更可靠和准确的音频鉴伪结果。
📄 2023108758416
📂 G10L17_02
👤 中国信息通信研究院
📅 2023-07-17
本发明涉及一种面向服务质量预测的网络数据空间设计与应用方法,该方法由潜在网络空间学习和QoS预测两部分组成。第一部分旨在学习三个潜在网络空间(即用户潜在网络空间、服务潜在网络空间和交互潜在网络空间)。第二部分首先对三个潜在网络空间中的每个特征进行采样,然后通过三个不同的卷积网络融合不同的特征,实现QoS预测。该方法通过这两个创新组件,LNSL为不同位置的每个用户和业务生成潜在的网络空间,实现高精度的QoS预测。
📄 2022102646268
📂 G06N3_0464
👤 重庆大学
📅 2022-03-17
本发明提供一种基于排队论的云资源服务质量评估方法及系统,确定服务节点相对于服务的处理能力和容量;根据服务节点所包含的服务数量,将服务节点进行分类,分成基本服务节点和组合服务节点;针对不同服务节点,采用相应的排队模型进行服务质量评估,并输出评估结果。本发明能够从服务层次上刻画云资源消耗的本质特征,将终端用户的服务质量需求映射为云资源的消耗,从而在能够满足用户服务质量需求的前提下,为服务提供商降低云资源的租用成本。
📄 2023100713648
📂 H04L47_80
👤 哈尔滨工业大学(威海)
📅 2023-01-17
本发明公开了一种基于数据分析的多模态护理服务质量评估方法及系统,属于护理服务技术领域。通过多模态传感器组合实时监测护理服务环节中的异常状态,对传感器数据进行正时化处理,并构建护理服务异常反馈特征标签;基于统一配置的护工端口、服务对象及时间节点数据,建立端口局部数据矩阵,通过相邻列差分和行差分计算生成特征画像矩阵,结合模均值与模方差实现异常评分,最终动态调整护工任务安排;系统包括多模态设备模块、数据预处理模块、数据拟合模块和服务评估模块,通过传感器协同、矩阵化建模与动态阈值判定,解决了传统护理评估中数据分散、反馈滞后的问题,显著提升了异常检测准确率与护理服务质量管理的智能化水平。
📄 2025103343340
📂 G06Q10_0639
👤 闽西职业技术学院
📅 2025-03-20
本发明公开了一种基于声谱图的声纹识别集成模型的防御方法,包括:(1)采集音频文件,并对音频文件转化为声谱图,该声谱图作为良性样本;(2)利用良性样本训练多个声纹识别模型,获得训练好的多个声纹识别模型;(3)采用投票机制从训练好的多个声纹识别模型从筛选获得较优的多个声纹识别模型进行集成,形成声纹识别集成模型,利用良性样本重新训练声纹识别集成模型;(4)采集布谷鸟搜索算法分别攻击多个声纹识别模型,生成对抗样本;(5)利用对抗样本和良性样本对步骤(3)获得的声纹识别集成模型进行再训练,获得能够抵抗攻击的声纹识别集成模型;(6)利用步骤(5)获得的声纹识别集成模型对音频文件对应的声谱图进行防御识别。
📄 2020101058077
📂 G06F18_214
👤 浙江工业大学
📅 2020-02-20
一种基于特征聚类分析与特征降维的声纹识别后门攻击防御方法,首先用一个未知的数据集自然的训练一个声纹识别模型;再利用这个预训练的模型将所有训练数据分为不同的类别并按照类别的划分提取样本在模型特征层的输出;基于中毒样本与正常样本在模型分类时的行为差异,利用聚类算法对这些特征进行聚类;然后利用聚类指标CH分数识别出中毒类别;再使用降维算法把样本的特征降至一维,根据降维后数据的值识别中毒簇并删除;最后用余下的干净样本重新训练一个干净的模型。本发明的防御方法能准确的识别中毒类别并精准删除中毒样本,极大的降低了后门攻击的成功率。
📄 202211040227X
📂 G10L15_06
👤 浙江工业大学
📅 2022-08-29
基于余弦相似性和语音去噪的声纹识别对抗样本防御方法,首先进行数据预处理,对于说话人语音数据进行预处理;搭建声纹识别模型;利用几种不同的对抗攻击方法结合声纹识别模型设计带有恶意信息样本的对抗样本生成器;对干净数据数据进行小波变换重构,将干净数据小波变换前后的样本在分类模型中得到的输出概率向量进行余弦相似性计算,设定一个余弦相似性阈值;将对抗样本同样进行小波变换重构,也同样计算重构前后的输出向量的余弦相似性值,将该值于余弦相似性阈值进行比较,小于阈值的为对抗样本,大于阈值的则对抗样本未检测出;训练一个语音去噪神经网络,将未检测出的对抗样本输入去噪网络进行去噪,去除对抗性扰动。
📄 2022106531174
📂 G10L17_04
👤 浙江工业大学
📅 2022-06-09
一种基于迁移训练的声纹识别中毒样本生成方法,包括以下步骤:(1)对语音数据集预处理;(2)搭建声纹识别模型;(3)获得迁移训练任务数据集的特征表示空间;(4)从测试集中选择目标样本与基样本;(5)利用优化算法生成中毒样本;(6)将中毒样本加入到原训练集中进行迁移训练:在不改变原模型权重的情况下,只重新训练替换的softmax层适用当前分类任务,训练集为原训练集加上一个中毒样本。在测试阶段,目标样本将会被误分类为基样本的标签。本发明使攻击成功率得到极大的提高。
📄 2021105432143
📂 G10L17_04
👤 浙江工业大学
📅 2021-05-19