基于局部特征优化的语音情感识别

情感识别在人机交互领域具有广阔前景。由于情感表达在时间上具有一定的持续性,统计特征更能体现不同情绪语音的差异和动态变化,大多数语音情感识别研究都使用全局特征（如最大值、最小值等）,并没有充分挖掘局部特征（如单帧的短时能量、过零率等）中的信息。提出一种基于局部特征优化的方法,对每个情感语音样本做进一步提纯,通过聚类分析对情感特征相对不显著的帧进行过滤,在此基础上进行统计计算和分类,以提高预测的准确率。实验结果表明,基于优化后的样本进行情感分类,3个语料库的平均准确率提高5%~17%。进一步的研究发现这种优化方法可能更适合于语音长度较长的情感识别场景。     

基于PCNN赋时矩阵的图像特征捆绑方法研究

本文介绍了传统的脉冲耦合神经网络模型的基本原理及结构,并在此基础上提出了一种基于赋时矩阵的简化脉冲耦合神经网络模型。通过将其应用于图像特征捆绑的具体实际,即利用赋时矩阵记录的各神经元第一次点火时间将图像的颜色与形状信息进行特征的分离及捆绑,从而验证了本文模型的有效性。     

基于MRF高斯混合模型的海浪纹理背景目标区域分割

为进行海洋图像处理,根据海面背景的特点,提出1种基于马尔科夫随机场(Makov Random Field,MRF)高斯混合模型的海浪纹理背景目标区域分割方法.通过对海平面特征的分析,建立MRF先验模型;运用MRF和Gibbs分布理论,建立海浪纹理的MRF高斯混合模型;用期望极大化方法获取海浪纹理的参数;根据最小后验能量准则实现海浪纹理背景目标区域的分割.与采用经典分割方法进行对比表明,该方法可行.     

基于概念整合理论的隐喻性话语分析

隐喻远超于单纯的句式及词义层面问题,在对话语理解的过程中产生阻碍。传统隐喻观在隐喻方面阐释不足,而概念整合理论恰好弥补了这一缺陷,对隐喻的意义成因机理做出了充分的阐释,从而有助于对隐喻性话语的理解。     

基于压缩相对轮廓特征点的手形识别

为解决生物识别中,手形特征维度高、计算量大、易受图像背景及手掌位移干扰等问题,提出一种基于压缩相对论廓特征点的手形识别方法.建立了手形轮廓相对于手形轮廓质心的坐标系,通过等间隔取点法寻找综合计算性能和准确率最好的手形特征点数量,以此数量等间隔提取手形轮廓,并用压缩特征点坐标作为手形识别特征.采用支持向量机作为分类器对不...     

基于支持向量机的轿车车型识别

为了从轿车图像中快速、准确地识别出轿车车型,采用支持向量机(Support Vector Machine,SVM)方法作为分类器,以轿车的长、宽、高和轴距等4个特征参数作为输入特征向量,并根据这些特征向量对不同车型进行分类和识别.实验结果表明,对11个品牌15种车型的识别准确率达100％.本研究表明,在正确选取轿车的特...     

低数据资源条件下基于Bottleneck特征与SGMM模型的语音识别系统

语音识别系统需要大量有标注训练数据,在低数据资源条件下的识别性能往往不理想.针对数据匮乏问题,本文先研究子空间高斯混合声学模型通过参数共享减少待估计的参数规模,并使用基于最大互信息准则的区分型训练技术提高识别精度;而后在特征层面应用基于深度神经网络的Bottleneck特征来达到特征提取和降维的目的;最后将上述研究成果结合并构建了低资源条件下的语音识别系统.在国际标准的OpenKWS 2013数据库上的实验结果表明,本文的技术能够有效改善低资源条件下的系统识别性能,相比基线系统有12%左右的词错误率降低.     

基于高斯层级损失的开放场景物体检测

计算机视觉中的物体检测包括2个目标——对物体的定位和识别.由于现有大多数的物体检测方法都是类别依赖的,因此无法应对开放场景中新类别的检测.注意到检测中定位和识别2个目标从已知类向未知类迁移的难度不同,定位具有更好的普适性,同时受人类在认知未知物体过程中层次关系的启发,提出一种高斯层级损失模型,在物体检测中采用物体类别层...     

基于组织核心胜任特征理论的青少年体育俱乐部绩效模型构建研究

概述了核心胜任特征的缘起和组织理论,指出用单纯的财务指标衡量青少年体育俱乐部绩效的做法有缺陷,应该用俱乐部的核心胜任特征作为衡量其绩效的关键指标。并尝试构建了一种涵盖青少年体育俱乐部核心胜任特征、服务质量和成本、顾客满意度、利润率等多种指标的层次整合绩效模型     

基于一次一密的量子身份识别方案

给出一个基于Holevo定理的量子单向函数,并根据它构造了一个基于对称密码体制的量子身份识别方案. 该方案通过一次性的随机数隐藏了双方共享的密钥,且验证算法不依赖于所使用的随机数,从而保护了密钥,使该方案的安全性不局限于敌手的计算能力.     

基于主动式边界基元模型的多类目标识别方法

针对形状特征,提出了一种基于主动式边界基元模型的多类目标自动识别方法. 该方法以主动式边界基元为基础构建字典,可准确描述各类目标的形状结构, 不受尺度、旋转等变化的影响;然后,综合分析上下文信息进行概率学习,采用级联框架和Bootstrap动态采样训练最优边界分类器,实现目标的类别识别和位置定位,并可获取精确形状. 实验结果表明,该方法能有效提取多种类型和复杂结构的目标,具有较强的实用价值.     

基于模板匹配和特征匹配的集装箱箱号识别算法

为实现对集装箱箱号的正确识别,提出一种基于模板匹配和特征匹配的识别算法。对采集到的集装箱图像进行预处理,得到改善后的集装箱二值化图像;采用数学形态学操作使字符域连通,计算字符连通域的宽高比得到集装箱箱号区域;利用投影检测方法实现对箱号字符的分割;运用模板匹配算法与特征匹配算法相结合的分类方法对集装箱箱号字符进行识别。该算法用MATLAB进行编程,完成对集装箱箱号的自动定位、分割和识别。提出的方法可正确识别出集装箱箱号,识别率达到93%,识别时间为130～150 ms,可提高码头的工作效率。     

一种鲁棒的多尺度稀疏表示SAR目标识别方法

提出一种基于多尺度Gabor滤波特征提取和稀疏表示的SAR图像目标识别方法。首先,在目标分割的基础上,利用Gabor滤波器对SAR目标图像在不同方向上进行滤波,增强目标的局部特征;然后,根据稀疏表示模型,以训练样本特征为原子构建字典,利用稀疏求解算法选择最优的原子集合来表示测试样本特征,进而计算表示系数中非负值的l₁范数来判别测试样本。实验结果验证了该算法的有效性与鲁棒性。     

基于D-S证据理论的信息融合图像识别

针对图像识别的不确定问题,提出一种基于Dempster-Shafer(D-S)证据理论的信息融合图像识别算法.用灰度-相位共生矩阵和灰度-梯度共生矩阵提取图像的纹理特征参数,对纹理特征参数进行转化得到待识别图像在其他类图像上的信度函数分配;利用D-S联合规则得到融合后的信度函数分配,从而准确识别图像;通过单一矩阵图像识别结果与融合识别结果比较,说明D-S数据融合在识别图像方面的优越性.     

基于细节特征点的掌纹比对算法及GPU加速

针对当前公安机关在掌纹识别应用中存在的掌纹库容量大和现场掌纹质量差等问题,首先对掌纹特征点匹配算法的计算复杂度进行分析,根据分析结果提出特征点的三级比对算法;然后详细介绍三级比对算法的工作流程;对算法进行GPU并行化改造;最后给出测试结果.首次将GPU计算技术应用于掌纹识别之中.文中掌纹特征比对方法相比现有同类掌纹识别速度提高3倍左右,经过GPU加速后可进一步提升比对速度15倍以上.     

基于模糊层次综合评价模型的农业安全施肥评价

为综合评价农业安全施肥状况,选取9个评价指标,按照5级评价标准,利用层次分析法确定各指标权重,构建农业安全施肥模糊层次综合评价模型. 结果表明,研究区农业安全施肥等级从2006到2011年逐年好转,预测到2015和2020年将达到较安全状态. 评价结果符合区域实际情况.     

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2D-3D泛轮廓点对应的三维刚体目标的迭代姿态估计

以单目观测下三维刚体目标的姿态估计为研究对象,针对现有迭代估计方法存在的收敛半径小和收敛速度慢的问题,提出一种新的基于2D-3D泛轮廓点对应的迭代姿态估计方法.与现有的基于数值优化的方法不同,本方法从输入图像的2D泛轮廓点出发,着眼于显性地建立输入图像到目标三维模型的2D-3D特征投影对应关系,进而以此显性投影对应关系对目标的三维姿态参数进行估计.实验结果表明,该方法在算法复杂性、收敛半径和收敛速度上均有明显改进.     

一种基于long short-term memory的唇语识别方法

唇动视觉信息是说话内容的重要载体。受嘴唇外观、背景信息和说话习惯等影响,即使说话者说相同的内容,唇动视觉信息也会相差很大。为解决唇语视觉信息多样性的问题,提出一种基于long short-term memory（LSTM）的新的唇语识别方法。以往大多数的方法从嘴唇外表信息入手。本方法用嘴唇关键点坐标描述嘴唇形变信息作为唇语视频的特征,它具有类内一致性和类间区分性的特点。然后利用LSTM对特征进行时序编码,它能学习具有区分性和泛化性的空间-时序特征。在公开的唇语数据集GRID、MIRACL-VC和OuluVS上对本方法做了针对分割的单词或短语的说话者独立的唇语识别评估。在GRID和MIRACL-VC上,本方法的准确率比传统方法至少高30%;在OuluVS上,本方法的准确率接近于最优结果。以上实验结果表明,本文提出的基于LSTM的唇语识别方法有效地解决了唇语视觉信息多样性的问题。