基于HMM的说话人识别

介绍了隐马尔可夫模型的基本原理以及在说话人识别中的实现,对文本相关与文本无关进行比对,得出文本相关的识别率要高的结论及原因。     

网络交易垃圾评论智能识别研究

定义垃圾评论边界,利用智能算法有效识别垃圾评论。对垃圾评论进行内部细分,构建评价指标体系,并提出一种改良决策树方法对垃圾评论进行智能评估,并提供可读性规则。基于Matlab语言实现,通过实证研究,验证所构建的垃圾评论识别模型能够达到较高预测精度。提供了一种高效的多在线评论多分类智能识别方法,为垃圾评论的分类监管治理提供技术支持。     

融合SIFT特征和HMM的运动目标识别与跟踪算法

针对动态场景下,由于光照突变、目标旋转以及遮挡等因素容易导致运动目标跟踪丢失,本文提出融合SIFT特征和隐马尔科夫模型算法。将运动目标的SIFT特征作为隐马尔科夫模型训练样本,经训练得到特征最优化的模型参数;通过设定阈值,将模型输出较大计算概率特征样本的集合作为最终目标识别结果,不仅避免了SIFT算法遍历式处理图像像素点带来的大量计算,而且该样本集能够精确反应出目标区域位置信息,从而取代了SIFT算法图像间繁琐的匹配过程,提高目标跟踪的可靠性和稳定性。实验结果表明,目标平均识别率在90%以上,跟踪效果稳定、可靠,具有较好的实时性和鲁棒性。     

基于HMM和FrFT的UWB弱信号检测混合算法研究

近几年来,在长距离超宽带(UWB)无线通信方面受到了高度重视,但由于传输距离变长后,出现一些难以克服的困难。现在2000m以上的长距离超宽带无线通信系统称为了超宽带通信中的热点和难点。本文系统地构建检测色噪声下超宽带微弱信号的方案。用多线性调频信号作为超宽带无线通信的导频信号,并假定通信过程中收到色噪声的干扰,首先对其进行多尺度离散小波(包)变换,将每个尺度的接收信号用隐马尔可夫模型(HMM)进行描述,并结合分数阶傅立叶变换(FrFT)处理多分量线调频信号的思想和原理,从而实现色噪声干扰下的时间频率双弥散超宽带弱接收信号的检测与参数估计。     

基于观点场模型的微博评论观点演化趋势预测方法

[目的/意义]探讨网络舆情事件中群体观点的演变规律,构建有效预测其演变趋势的方法。[方法/过程]参考物理学中场的思想和信息科学中数据场的方法,引入观点场概念,提出了一种基于观点势的观点潜在影响力评估模型;然后将该模型运用到微博评论的群体观点演化分析中,建立了微博评论的观点趋势预测方法。该方法的基本思想是以当前评论的观点势分布来预测未来评论的观点分布,在观点势计算时,以既有评论的排序值代表新的信息受众所处的参考场点与观点场中既有评论之间的距离。[结果/结论]通过实际的微博舆情事件数据实验表明,该网络舆情群体观点趋势预测模型能较好地评估已发表的显性观点对后来网民观点形成的影响力,具有较高的网络舆情观点趋势预测准确率。     

基矛HMM的说话人识别

介绍了隐马尔可夫模型的基本原理以及在说话人识别中的实现，对文本相关与文本无关进行比对．得出文本相关的识别率要高的结论及原因。     

基于卷积神经网络的虚假评论识别模型

在线商品虚假评论的出现使消费者利益受到损害,而对于虚假评论识别的传统方法往往依赖于人工提取文本特征,专业领域知识的受限导致特征提取不全面、模型分类效果不理想。针对这些不足,本文提出基于卷积神经网络的学习框架,利用不同大小的卷积核学习评论更深层次的文本特征,同时减少了人为特征提取所需要的工作量。实验结果表明该方法在准确率和F值均取得了较好的效果。     

从产品评论中挖掘观点:原理与算法分析

本文首先对产品评论中的观点挖掘进行了形式化的描述,给出了基本的研究思路;接着分析了从产品评论中识别产品属性的原理,并对基于词汇共现的方法和基于机器学习的方法进行了比较;然后分析了对相关属性进行极性判断的原理,并对各种现行方法进行了比较;最后对观点挖掘在未来的发展热点进行了展望.     

基于关联规则的政务微博公众评论观点挖掘

【目的/意义】为进一步加强政府获取公众信息的能力、有效提高政民互动的效率。【方法/过程】使用文本分 析、关联规则Apriori方法对政务微博“平安北京”的公众评论文本数据进行用户观点的挖掘与分析。【结果/结论】最 终从评论数据中识别出公众对事件的关注点、公众期待等有助于政府理解民意的相关信息。     

互联网产品评论信息中垃圾评论的识别方法浅析

互联网的开放性使得当前互联网上的用户生成内容没有质量控制机制,产品评论中存在大量垃圾评论,如何识别这些垃圾评论信息成为重要问题。本文对产品评论信息中垃圾评论的识别方法进行了综述,先将产品垃圾评论和互联网上其他常见的垃圾信息进行了对比,然后从产品垃圾评论检测的数据集、识别方法两个角度对相关工作做了概述和分析,最后在上述工作的基础上提出了一些值得产品垃圾评论识别研究进一步关注的问题。     

基于词表和N-gram算法的新词识别实验

目前未登录词问题仍然很大程度上影响着自动标引和信息检索的效率。本文提出了一种选择期刊论文的题名和摘要作为训练语料，利用N-gram算法切分和停用词典等过滤筛选的非专名的新词识别方法。该方法主要分为两步：先进行N元切分，保存关键词候选集并统计词频；然后进行一系列的过滤，主要有词频闽值限定、前停后停词典过滤、相邻词比较、子父串比较、抽词词典和过滤词典的过滤，最后进行人工判别。对实验结果的测评表明这一方法是简便易行的。训练语料可以不用全文，只用题名和摘要；在新词识别上，摘要可以代替题名。     

基于DTW和RLS算法的数字稳健识别

在语音识别中鲁棒性是一个很关键的因素,文章提出了一种关于0～9数字语音识别算法,采用递归最小二乘法(RLS)来消除噪声,系统使用过零率和能量参数作为端点检测方法,用美尔倒普系数(MFCC)矢量作为声道估计的滤波器,同时,采用动态时间弯折算法来识别语音。结果显示,未加RLS消噪系统前系统的识别率为72%,在处理过程中加入RLS消噪后识别率提高到98.7%。     

基于HMM的安多藏语非特定人孤立词语音识别研究

以VC＋＋6.0为开发平台,实现一个基于隐马尔可夫模型（Hidden Markov Model,简称HMM）非特定人的安多藏语孤立词语音识别系统。对有声段语音进行MFCC参数的提取,对提取后的MFCC参数进行矢量量化后训练HMM模型,形成特征模板库,最后进行识别。根据安多藏语的特点,改进端点检测的方法,提高了孤立词语音信号检测的准确性,并进一步提高了识别率。     

基于特征观点对语义匹配的产品评论可信度研究

[目的/意义]针对产品评论中的复合句式，实现特征观点对的语义匹配及提取，并明确评论可信度的识别因素及权重，对产品可信评论进行筛选和分析。[方法/过程]基于特征观点对的语义匹配算法实现评论语义指标的量化计算，并采用模糊层次分析法确定可信度指标权重。[结果/结论]实验表明相较于单句提取特征观点对方法，特征观点对的语义匹配算法在召回率、准确率和F-score等性能方面均有较大优势。依据可信度指标对网站产品评论进行筛选，不仅可以评估产品整体的评论可信度，还可以细化到产品特征级别的可信度分析，为用户筛选可信的评论信息并提升购物决策效率。     

基于文本分析的网络人物观点识别研究

[目的]随着科学技术的不断发展,网络化发展的现象越来越受到人们的重视。如何在海量的网络信息中识别人物观点成为研究者关注的焦点,网络人物观点被视为网络文本表达的主要思想,是构成网络信息的"魂"。在海量的网络信息中快速识别网络人物观点对掌握网络信息主题具有重要作用。[方法]本文在前人研究的基础上理论与应用相结合,从文本分析的视角研究网络人物的观点。利用相应的算法对文本内容进行预处理,再通过文本句子中的词汇、词性标注和词汇之间的距离关系实现观点指示动词识别和观点持有者识别,从而实现网络人物的观点识别。[结果]通过网络人物观点算法识别的实证研究发现,通过对网络人物进行指代消解和观点持有者的扩展能有效地提高观点识别的准确率。     

基于资源观点的供应链核心企业识别分析

基于资源的观点,从企业投入到供应链的资源这个角度分析供应链核心企业的识别问题。从资源对供应链的重要性和资源数量在供应链中的分布两个方面对供应链各节点企业进行评价。用重要性权重度量各种资源对供应链的重要性,用熵权度量资源在供应链中的分布情况,将重要性权重和熵权进行综合得到各资源的综合权重,在此基础上对各节点企业进行综合评价,从而确认谁是核心企业。最后用论文提出的方法进行算例分析。     

基于迁移学习的可回收垃圾识别分类研究

"继农业革命、工业革命、计算机革命之后,影响人类生存发展的又一次浪潮,将是世纪之交要出现的垃圾革命."这是著名的未来学家托夫勒在《第三次浪潮》一书中提出的预言.这预言虽有些危言耸听之嫌,但其中带给我们的警示不容小觑.21世纪以来,经济的高速发展、城市化进程的不断推进、人们生活水平的日益增长,使得垃圾问题已经慢慢成为人类...     

关于HMM模型算法的一种改进

本文对传统的HMM模型进行了改进,结合了HMM和MEMM的优点。此改进是在＂HMM：状态——观察＂和＂MEMM：特征——状态＂之间进行的,实现＂特征——状态——观察＂这种模式,简化了繁冗的过程,比一般的HMM具有更好的性能,并举出实例加以论证。     

基于CBF-SS策略的大流识别算法

在分析大流识别算法中的散列方法和计数方法的优缺点的基础上,针对网络流的重尾分布特性,提出一种能够有效结合散列方法和计数方法优点的大流识别算法CBF-SS(counting Bloom filter&space saving).该算法首先采用改进的计数型布鲁姆过滤器(counting Bloom filter,CBF)过滤掉大部分的小流,然后通过SS(space saving)计数算法识别出网络中的大流.理论分析和实验结果表明,CBF-SS算法具有较低的时间复杂度和空间复杂度,在大流识别效果上远优于SS等算法.     

基于TensorFlow架构的手势识别算法

<正>近年来,随着电网设备的增多以及业务范围的扩大,传统员工培训方法面临着巨大挑战,如何借助新技术、新方法,使现有的培训课程更加生动、更加贴近生产实际是每个培训教师一直期望解决的重大难题。得益于近几年科技的发展,人机交互、机器人技术、VR技术逐步发展成熟并开始大量商用,这些技术的出现为未来的培训工作提供了便利。手势识别作为人机交互的入口,可与机器人、VR技术共同配合