一种改进的基于GMM-UBM的法庭自动说话人识别系统

对基于高斯混合模型(GMM)的法庭自动说话人识别系统进行改进.通过参考人群数据库降低了对嫌疑人语音样本数量的需求.以小规模背景人群数据库建立改进的基于高斯混合模型-通用背景模型(GMM-UBM)的法庭自动说话人识别系统.以固定电话信道和移动手机信道的数据库进行了系统的测试.     

说话人识别中基于音素分类的数据选择方法

在说话人识别中,有效语音数据的选择是一个重要的预处理环节.常用的数据选择方法根据能量信息的强弱对有效数据进行提取,但在实际情况中能量的高低与语音数据并无必然联系.本文在对传统方法进行分析比较的同时引入语言学知识,提出基于辅音信息的有效数据选择方法.该方法通过对活动语音检测结果中音素识别结果进行分析,保留所有元音,对辅音进行筛选,去除无益于说话人识别的干扰辅音音素,从而实现对有效语 音数据的选取.实验表明,应用该方法得到的说话人识别结果,明显优于传统的基于能量的数据选择算法,如基于G.723.1标准的活动语音检测算法和近期提出的基于交叉熵顺序统计滤波的端点检测算法.     

基于小波神经网络的话者识别系统研究

介绍了利用小波神经网络作为分类器的说话人识别系统.实际测试试验表明,基于小波神经网络的识别系统的网络训练速度快,识别率高,是说话人识别的一种有效可行的新方法.     

基于信息极大化的ICA混合语音信号盲分离算法的研究

混合语音信号的分离是盲分离的重要内容,也是信号处理领域的一个难题。独立分量分析是一种无需知道信号的先验信号而实现信号分离的盲源分离技术,本文介绍了独立分量分析的基本理论和算法,探讨了独立分量分析在混合语音信号分离中的应用,给出了信息最大化盲源分离算法并对瞬时混合语音信号进行了盲分离仿真。实验结果表明,该方法能有效地提高运算效率并获得较好的分离效果。     

基于深度学习的手势识别人机交互应用研究

提出一种只对场景中特定类型的运动做出反应的神经网络结构,且模型可以端到端进行训练,因此避免对手工提取特征和预处理操作的强烈依赖,模型由一个三维卷积神经网络组成,接收一个视频帧序列作为输入,通过显著性机制定位主动的手势运动位置,同时,基于Kinetic传感器,构建一个不同参数配置下的多人场景手势数据集。     

基于话题分析视角的普通话水平测试命题说话训练策略研究

命题说话是普通话水平测试中相对最难的一项.从话题本身入手进行分析,提出思路训练、思维拓展、巧说故事、联系实际等训练策略,能够帮助学生在命题说话时做到言之有法、言之有物、言之有趣、言之有情,提升学生命题说话的口语表达能力,进而提高普通话水平测试成绩.     

深度神经网络自适应中基于身份认证向量的归一化方法

深度神经网络是近年来非常流行的一种语音识别声学建模技术,其性能比之前主流的高斯混合模型有显著提高,但是深度神经网络的说话人自适应技术一直没有很好地解决。利用身份认证向量对深度神经网络进行自适应,并研究身份认证向量归一化对系统的影响,提出一种新的max-min线性归一化技术。实验表明在TIMIT数据集上该技术可使字错误率比传统方法相对下降5.10%。     

基于主成分分析和RBF神经网络的公路货运量预测模型

随着数据挖掘技术在各领域运用越来越多,其算法也日渐趋于成熟。数据挖掘技术作为建立预测模型的重要技术,已成为专家研究的热点。随着数据挖掘技术在实际模型运用中暴露的问题越来越多,单一的技术和方法已无法满足各类功能的需求。为了分析公路货运中复杂的数据,构建一种功能强大的预测模型就显得尤为重要。本文尝试说明在数据预测模型中运用RBF神经网络技术和主成分分析方法,挖掘和分析公路货运中的数据,提高预测结果的准确性和高效性,为制定新的决策提供有效的依据。     

基于BP神经网络的身份证号码识别算法

文章主要介绍了基于BP神经网络的身份证号码识别算法的实现方法,在进行BP网络设计中,主要需要考虑网络层数、各层中神经元结点数、初始值的选取、期望误差及学习速率等因素对算法的影响,提出了算法具体实现的步骤。     

基于MPC5200的嵌入式非特定人连续语音识别系统

非特定人连续语音识别系统具有非常高的计算复杂度,对系统的硬件资源有很高的要求,本文针对该问题设计了一款基于MPC5200微处理器的嵌入式平台,在该平台上实现了基于隐含马尔可夫模型的非特定人连续语音识别系统,实验结果表明该嵌入式语音识别系统达到了实时识别的要求。     

基于MATLAB实现的机械产品需求预测模型方法及应用

主要针对市场产品需求系统中不明确因素越来越多的问题,本文运用Matlab神经网络工具箱来实现基于时序的神经网络的动态预测,提高神经网络训练的速度与精度,以相对简单的方法实现了神经网络这种复杂而有效的非线形预测。结果表明,用该方法进行安全预测效果较好。     

基于隐马尔可夫模型的人像鉴别算法

提出了基于小波变换和隐马尔可夫模型的人像鉴别算法. 该算法首先对图像进行3级小波分解,然后把3个不同分辨率的低频子图像由小到大排列成树状结构,形成低频小波树. 接着利用独立元分析对每个小波树枝进行去相关、降维,形成特征小波树枝,并把它作为观测向量对隐马尔可夫模型进行训练,把优化的模型参数用于人脸识别. 分析了观测向量维数与识别率的关系,以及状态个数和高斯概率混合成分的个数对识别率的影响,定性描述了隐马尔可夫模型的本质. 在ORL人脸数据库上,同其他四种相关方法进行了比较,实验结果表明,该方法识别率较高,工程上易于应用.     

基于遗传—BP神经网络的手写数字识别

简要介绍遗传算法(Genetic Algorithm,GA)和BP算法(Back Propagation Algorithm),并结合手写数字识别的实际应用,提出手写数字识别的遗传神经网络算法。通过实验证实多种算法综合使用比单独使用一种算法得到的图像识别率要高。     

对会计模拟实习的再认识

会计模拟实习应注重对学生能力和素质的培养、从教学、教材以及教学手段等方面入手,以适应时代和社会岗位的需要。     

基于图像处理和模式识别技术的汽车牌照快速定位方法

在复杂背景下,实现汽车牌照的快速定位是目前车牌识别领域亟待解决的问题。本文提出了一种基于分块和区域收缩思想的车牌定位方法。实验结果表明,该方法可以实现复杂背景下汽车牌照的快速定位,并且定位准确率较高,鲁棒性较好。     

基于形状特征小波分解的目标识别方法

形状特征是目标识别的重要参数,而小波变换的低频部分代表物体的总体形状特征.首先选取SYM小波,利用小波变换的低频系数重构图像提取物体总体形状,进而利用特征不变矩距离进行目标识别。将该方法应用在实测车标图像的识别中,结果表明该方法识别效果较好。     

基于模式识别理论的内燃机状态识别研究

用模式识别的理论和方法，对内燃机气门间隙的识别问题进行了探讨。在分析气门振动力学模型的基础上，通过测取振动信号获得故障特征信息，用模式识别的理论和方法，在建立状态特征模式空间的基础上实现对故障的分类识别。考虑到内燃机振动信号的复杂性，采用了外触发采样和有效截取的方法进行信号的数据采集和分析。     

基于智能诊断技术的发动机故障排查研究进展

智能诊断技术的研发与运用为汽车的故障诊断开辟了新的途径,基于神经网络的发动机故障诊断技术是智能诊断技术的重要组成部分。本文对基于BP神经网络、非BP神经网络及神经网络与其他技术相结合的汽车发动机故障诊断的研究进展进行了综述,并对三种发动机故障诊断技术进行了比较,展现了神经网络技术在智能诊断汽车故障系统中的运用和发展。