手机彩票网

  • <tr id='LVft4G'><strong id='LVft4G'></strong><small id='LVft4G'></small><button id='LVft4G'></button><li id='LVft4G'><noscript id='LVft4G'><big id='LVft4G'></big><dt id='LVft4G'></dt></noscript></li></tr><ol id='LVft4G'><option id='LVft4G'><table id='LVft4G'><blockquote id='LVft4G'><tbody id='LVft4G'></tbody></blockquote></table></option></ol><u id='LVft4G'></u><kbd id='LVft4G'><kbd id='LVft4G'></kbd></kbd>
    <code id='LVft4G'><strong id='LVft4G'></strong></code>
    <fieldset id='LVft4G'></fieldset>
          <span id='LVft4G'></span>
              <ins id='LVft4G'></ins>
              <acronym id='LVft4G'><em id='LVft4G'></em><td id='LVft4G'><div id='LVft4G'></div></td></acronym><address id='LVft4G'><big id='LVft4G'><big id='LVft4G'></big><legend id='LVft4G'></legend></big></address>
              <i id='LVft4G'><div id='LVft4G'><ins id='LVft4G'></ins></div></i>
              <i id='LVft4G'></i>
              2. <dl id='LVft4G'></dl>
                3. <blockquote id='LVft4G'><q id='LVft4G'><noscript id='LVft4G'></noscript><dt id='LVft4G'></dt></q></blockquote><noframes id='LVft4G'><i id='LVft4G'></i>
                
    
                
        
                
             		
              1. 首页
                2. 
		
              2. 装备资讯
                3. 
		
              3. 热点专题
                4. 
		
              4. 人物访谈
                5. 
		
              5. 政府采购
                6. 
		
              6. 产品库
                7. 
		
              7. 求购库
                8. 
		
              8. 企业库
                9. 
        
              9. 品牌排行
                10. 
        
              10. 院校库
                11. 
		
              11. 案例·技术
                12. 
		
              12. 会展信息
                13. 

            
                
        
                
    
                
    
                
        
                
            
            
                教育装备采购网首页 > 知识产权 > 专利 > CN103531199B
                
            
                
                
                
                    
                
                        

                        
                        
                    
                
                
                
            
                
        
                
        
                
            
                
                
                基于快速稀疏分解和深度学习的生态声音识别方法
                
                
                
                
                
                    
                　　摘要：本发明涉及一种基于快速稀疏分解和深度学习的生态声音识别方法，其特征在于，包括以下步骤：S01：分别对纯净声音和测试带噪声音进行OMP稀疏分解，对应输出纯净声音和测试带噪声音的重构信号︼和OMP特征；S02：分别对纯净声音和测试带噪声音提取包括OMP特征在内的复合特征；S03：对重构后的纯净声音提取的复合特征进行DBN模型训练；S04：对重构后的测试带噪声音和训练后的纯净声音提取的复合特征进行DBN模型分类，输出测试带噪声音所属的生态声音类别。本发明对系统抗噪性∞和鲁棒性的提高更为显著。
                
                    
                    
                  
                        
                • 专利类型发明专利
                  • 
                        
                • 申请人福州大学;
                  • 
                        
                • 发明人李应;欧阳桢;
                  • 
                        
                • 地址350108 福建省福州市闽侯县上街镇大学城学园路2号福州大学新区
                  • 
                        
                • 申请号CN201310472330.6
                  • 
                        
                • 申请时间2013年10月11日
                  • 
                        
                • 申◥请公布号CN103531199B
                  • 
                        
                • 申请公布时间2016年03月09日
                  • 
                        
                • 分类号G10L15/08(2006.01)I;G10L17/26(2013.01)I;G10L17/04(2013.01)I;
                  •