检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于遗传算法的声学模型拓扑结构优化

计算机工程与应用 2014年第14期50卷 5-8,63页

作者：包希日莫高光来张璟内蒙古大学计算机学院呼和浩特010021 西安理工大学计算机科学与工程学院西安710048

针对当前创建语音识别系统时只能采用经验式或启发式方法选择声学模型拓扑结构的情形,提出了一个基于标准遗传算法的声学模型拓扑结构优化算法。与以往的类似应用相比,该算法具备同时优化模型状态数与各状态高斯核数和摒弃高斯核均匀分... 详细信息

针对当前创建语音识别系统时只能采用经验式或启发式方法选择声学模型拓扑结构的情形,提出了一个基于标准遗传算法的声学模型拓扑结构优化算法。与以往的类似应用相比,该算法具备同时优化模型状态数与各状态高斯核数和摒弃高斯核均匀分配的特点。连续数字串TIDigits语料上的以贝叶斯信息准则为目标函数的实验表明,与传统方法创建的基线系统相比,模型拓扑优化的系统能够以较低的复杂度获得较高的识别率,这说明该算法是声学模型拓扑结构优化的有效工具。

关键词：隐马尔可夫模型遗传算法语音识别声学模型拓扑结构贝叶斯信息准则

基于欠定盲源分离的双路音频信号噪声自适应分离

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

现代电子技术 2024年第24期47卷 68-72页

作者：蓝壮青广西民族大学广西南宁530006

当多个源信号同时存在于同一频段或时间域内时,它们可能会相互干扰,导致信号混叠。这种情况下使用双路音频传感器进行捕捉,无法准确地捕捉到所有源信号的信息,导致分离过程具有不确定性。对此,提出一种基于欠定盲源分离的双路音频信号... 详细信息

当多个源信号同时存在于同一频段或时间域内时,它们可能会相互干扰,导致信号混叠。这种情况下使用双路音频传感器进行捕捉,无法准确地捕捉到所有源信号的信息,导致分离过程具有不确定性。对此,提出一种基于欠定盲源分离的双路音频信号噪声自适应分离方法。首先,构建欠定盲源分离模型,基于小波包变换分解和重构信号获取信号分量,并依据信号和分量之间的互相关系数筛选分解后的分量,删除其中的冗余分量后生成新的观测信号;然后,依据贝叶斯信息准则的奇异值分解方法估计该源信号的数量,将其转换为正定白化信号;最后,利用快速独立成分分析法将该信号分类,实现双路音频信号噪声自适应分离。测试结果显示:所提方法能够在保证信号质量的前提下完成信号变换处理,信干比均在15 dB以上;筛选后保留的各个分量相关系数均在0.65以上,有效地完成了对信号噪声的分离。

关键词：欠定盲源分离双路音频信号噪声自适应分离小波包变换分解贝叶斯信息准则

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

流形学习算法中邻域大小参数的递增式选取

计算机工程 2014年第8期40卷 194-200页

作者：邵超万春红赵静玉河南财经政法大学计算机与信息工程学院郑州450002

流形学习算法能否成功应用依赖于邻域大小参数的选取是否合适,但该参数在实际中通常难以高效选取。为此,提出一种邻域大小参数的递增式选取方法。按照流形的局部欧氏性,邻域图上的所有邻域都呈线性或近似线性,邻域大小参数若合适,此时... 详细信息

流形学习算法能否成功应用依赖于邻域大小参数的选取是否合适,但该参数在实际中通常难以高效选取。为此,提出一种邻域大小参数的递增式选取方法。按照流形的局部欧氏性,邻域图上的所有邻域都呈线性或近似线性,邻域大小参数若合适,此时所有邻域的线性度量可聚成一类;而邻域大小参数若不合适,邻域图上就会有部分邻域不再线性,其线性度量也不能聚成一类。对邻域图上的每一个邻域执行加权主成分分析,用重建误差对其线性程度进行度量,并计算相应的贝叶斯信息准则,以探测其聚类个数,从而实现对邻域大小参数的递增式选取。实验结果表明,该方法无需任何额外参数,具有较高的运行效率。

关键词：流形学习邻域大小局部欧氏性加权主成分分析重建误差贝叶斯信息准则

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于因子分析的说话人分离技术研究

基于因子分析的说话人分离技术研究

作者：李锐中国科学技术大学

学位级别：硕士

高速发展的计算机水平和音频处理技术,使得人们对于从海量数据中获取到感兴趣的人声,越来越有需求。另一方面,如何对获取到的各类音频进行合理有效的管理,也是目前存在的一大挑战。在此背景下,为了满足上述需要,说话人分离这一关键技术... 详细信息

高速发展的计算机水平和音频处理技术,使得人们对于从海量数据中获取到感兴趣的人声,越来越有需求。另一方面,如何对获取到的各类音频进行合理有效的管理,也是目前存在的一大挑战。在此背景下,为了满足上述需要,说话人分离这一关键技术应运而生,其主要涉及两个过程：说话人分割和说话人聚类。说话人分离系统几乎无任何可供参考的先验信息使用,容易受环境或者建模方法的影响,使得分割和聚类时说话人片段的类纯度得不到保证。另外,基于距离准则的层次聚类方式一旦出现聚类误差,会一直的向上传递。因此本文主要在说话人分割和聚类的建模方法以及类别提纯上展开了探索和研究,主要工作和创新点如下：第一,说话人分离前端语音端点检测(Voice Activity Detection, VAD)和类别提纯方面的研究。针对基线系统中存在的低能量语音难以召回以及噪声难以去除的情形,引入了深度学习的方法,在分离前端进行改进。针对层次聚类时出现聚类误差向上传递的情况,提出了基于贝叶斯信息准则(Bayesian Information Criterion, BIC)的短时类别提纯方法,削弱由层次聚类带来的误差向上传递的影响。实验结果表明,基于深度学习的语音端点检测,能有效的降低说话人分离时的虚警和漏警,并且降低说话人分离错误率,且基于短时BIC类别提纯的方法,能更新部分聚类错误的说话人片段,提高后续说话人聚类的类纯度。第二,说话人转折点检测建模方法的研宄。探索了基于深度神经网络(Deep Neural Network, DNN)的建模方法在说话人转折点检测中的应用,利用其强大的模型表达能力,提高说话人分割的准确性。实验结果表明,这种基于深度学习的转折点检测建模方法相比于传统的BIC建模方法,无论是在转折点检测的准确率和召回率,还是对整个系统的分离错误率(Diarization Error Rate, DER)来说,都获得了一定的效果提升。第三,说话人聚类时的因子分析建模方法研究。传统的以贝叶斯信息准则作为相似性度量的说话人分离技术,在短时对话的分离任务中能取得较好的效果,但是随着对话时长的增加,BIC的单高斯模型不足以描述不同说话人数据的分布,且层次聚类时区分相同说话人和不同说话人的门限值难以划定。针对此问题,本文尝试基于短时BIC和长时概率线性判别分析(Probabilistic LinearDiscriminant Analysis, PLDA)融合的方法,充分利用BIC在短时聚类的可靠性和PLDA在长时段上的优异区分性,来实现说话人聚类过程。实验表明,因子分析框架下的说话人信息建模方法能有效的降低说话人分离错误率,使得性能相对提升34.2%。第四,说话人聚类过程中的变分贝叶斯(Variational Bayesian, VB)调优方法研究。通过与因子分析框架下的全差异空间相结合,将传统的层次聚类方式转化为在保证最优化目标函数的前提下,对某个片段属于某个说话人的最大后验概率估计的一种软聚类方式。依据此方法,将层次聚类时因误差上传而出现错误的说话人片段进行重新调优,达到提高后续PLDA聚类的初始类纯度,进而降低说话人分离错误率。

关键词：说话人分离贝叶斯信息准则深度学习因子分析概率线性判别分析变分贝叶斯

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多块建模策略的故障监测方法研究

基于多块建模策略的故障监测方法研究

作者：顾炳斌江南大学

学位级别：硕士

保障平稳的过程运行状态与高效的产能一直是现代工业亟需解决的两个重要问题,而故障监测技术是解决上述问题的有效途径,因此一直是过程控制领域的研究热点之一。随着传感器技术与集散控制系统的大力发展,基于数据驱动的故障监测技术得... 详细信息

保障平稳的过程运行状态与高效的产能一直是现代工业亟需解决的两个重要问题,而故障监测技术是解决上述问题的有效途径,因此一直是过程控制领域的研究热点之一。随着传感器技术与集散控制系统的大力发展,基于数据驱动的故障监测技术得到了比较广泛的应用。多块模型作为近年来提出的一种集成模型框架,能够有效的针对分布式与复杂工况下的流程工业过程进行监测。论文在多块建模的框架下进行了故障监测方法研究,主要研究内容如下:（1）针对传统的主元分析（Principal Component Analysis,PCA）模型容易忽略过程局部信息的问题,提出了一种基于主元分解的子块划分策略。在不具备过程机理知识时,根据过程变量在不同主元上的贡献率将其排序,并利用累积贡献率法选取变量,形成不同组合的变量子集。这些变量子集中包含了各自的局部信息,在此基础上建立监测模型能够更加容易监测到过程的局部异常状态。最后通过贝叶斯信息准则将不同子块的监测结果进行融合,获得统一的BIC监测指标。通过TE过程的仿真实验表明,该方法相较于PCA模型获得了整体监测性能的提升。（2）为了改善多块建模策略中子块划分方法解释意义不明确且监测信息单一的问题,提出了一种基于多元信息提取的故障监测方法。不同于以往的变量子集划分方法来提取过程的局部信息,该方法侧重于从原始的观测值信息中进一步提取出累积误差信息与变化率信息,组成单独的信息子块。累积误差信息针对于一些微小与缓变故障更加敏感,变化率信息在一些变量振荡剧烈的异常情况下更容易提取出故障特征。因此各子块对各自敏感的故障类型具有良好的监测性能。接着通过贝叶斯方法将子块的监测结果进行融合,整合了各子块模型的优势,有效提升了过程故障的监测精度。并将贡献图方法拓展至多块建模策略中,通过引入加权的形式进行故障诊断,分离出引发故障的相关变量。（3）针对PCA监测算法中主元选择不够合理的问题,提出了基于敏感主元的多块PCA故障监测算法。传统的PCA故障监测方法将方差贡献较大的主元用于主元空间中进行监测,但方差贡献大的主元并不一定对故障监测更加有利。因此,从PCA监测算法的性能指标出发,将故障拆分成若干个分量,针对每个故障分量定义故障敏感系数与故障敏感主元,接着在每个子块模型中放入对每个故障分量最敏感的主元,以此保证每个子模型针对各自的故障分量最敏感,最后采用贝叶斯方法进行融合,获得全局的监测结果。该方法在未获取故障数据集的条件下定义了故障敏感主元的概念,有效地提升了故障监测的性能,并且提升了模型的泛化能力。

关键词：故障监测多块模型主元分析贝叶斯信息准则信息提取故障敏感主元

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

说话人分段与聚类技术研究

说话人分段与聚类技术研究

作者：张力解放军信息工程大学

学位级别：硕士

说话人分段与聚类主要解决“谁在什么时候说话”的问题，即在一段音频数据中区分出不同说话人的说话区段，并将其一一标注出来。说话人分段与聚类技术在很多领域都有广泛的应用，是目前研究的热点之一。本文主要从语音/非语音检测、说... 详细信息

说话人分段与聚类主要解决“谁在什么时候说话”的问题，即在一段音频数据中区分出不同说话人的说话区段，并将其一一标注出来。说话人分段与聚类技术在很多领域都有广泛的应用，是目前研究的热点之一。本文主要从语音/非语音检测、说话人分段与聚类算法等方面展开研究，主要研究成果如下：针对基于模型的语音/非语音检测方法需要大量训练语料且鲁棒性不强的问题，本文提出了一种鲁棒性层次化语音/非语音检测方法。该方法采用层次化的检测结构，首先，在第一层利用基于模型的语音/非语音检测方法对测试数据进行粗分类;其次，在第二层利用粗分类结果，通过计算短时平均能量和高过零率比率特征，从中选取训练数据建立静音和可听非语音初始模型，再利用维特比分段后的数据建立语音检测模型;最后，更新三个自适应检测模型进行语音/非语音检测，并根据BIC准则对结果进行修正。与传统基于模型的检测方法进行对比测试表明，该方法检测性能更高且鲁棒性更强。针对说话人分段与聚类算法中先验知识不足的问题，利用基于IB准则与基于HMM/GMM模型的方法间的互补性，提出了一种基于特征层融合的说话人分段与聚类算法。该算法，首先将基于IB准则算法的输出结果进行对数变换和PCA降维处理;然后利用变换后的特征与传统MFCC特征分别训练说话人GMM模型，并在得分域对说话人类别间的ΔB IC得分进行加权融合;最后根据融合的得分，进行基于HMM/GMM模型的说话人分段与聚类。实验表明，融合后的特征可以为系统提供更多的先验信息，有效降低说话人误配率。针对说话人分段与聚类过程中说话人模型间的相似度高、容易混淆的问题，提出了一种基于MMI准则的说话人分段与聚类方法。该方法在MLE准则的基础上，利用MMI准则训练说话人模型。在此过程中，改进了竞争集的选择方式，只将难以区分的语音数据划分到竞争集中，减少了运算量;同时对聚类的停止准则进行变换，使得BIC准则与MMI准则能够更好结合并应用于说话人分段与聚类中。实验结果表明，该方法能够增加说话人模型间的区分性，有效地降低说话人误配率。

关键词：说话人分段与聚类 HMM/GMM模型语音/非语音检测贝叶斯信息准则信息瓶颈准则区分性训练最大互信息准则

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于内容的音频分割与分类

基于内容的音频分割与分类

作者：胡小强华中科技大学

学位级别：硕士

随着网络技术和存储技术的发展,以及多媒体应用的普及,互联网上音频数据的数量迅速增长。广播、音乐、电影/电视伴音、教学录音等音频资源目前都可以通过互联网获取。如何有效地对这些音频资源进行组织和管理,使人们能够方便地找到所需... 详细信息

随着网络技术和存储技术的发展,以及多媒体应用的普及,互联网上音频数据的数量迅速增长。广播、音乐、电影/电视伴音、教学录音等音频资源目前都可以通过互联网获取。如何有效地对这些音频资源进行组织和管理,使人们能够方便地找到所需要的音频片段已经成为一个迫切的需求。基于内容的音频分割和分类技术是音频索引和检索的基础,它可以应用于基于内容的音频检索、音频监控、音频转录、音频内容理解等领域。在音频分割方法方面,对DISTBIC提出了若干改进。如果一个候选分割点的BIC差值为负,DISTBIC就会将其从候选分割点集合中移除,这种做法过于激进,会造成真实分割点的丢失。针对这一问题设计了一种新的BIC确认方法,该方法使候选分割点有多次机会被确认。DISTBIC在对候选分割点进行BIC确认时,惩罚因子采用一个固定值,这个值过大会导致分割方法准确率高、查全率低,过小则会导致准确率低、查全率高。针对这一问题,提出一种惩罚因子自适应方法以提高分割方法在准确率和查全率两方面的综合性能。在音频分类方面,通过互相关和信息增益两种算法进行特征选择,使用二叉树音频分类方法将音频分为音乐、纯语音、环境音、非纯语音和静音五种类型。实验结果表明,提出的改进算法有效地提高了音频分割方法的综合性能,大大降低了分割方法对惩罚因子的敏感度,使其在实际使用中更容易达到最佳性能。实验结果还表明特征选择能够在降低特征维度的同时提高分类任务的识别率。

关键词：音频分割音频分类贝叶斯信息准则惩罚因子

伽玛跳跃扩散过程的极大似然估计及其实证研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

伽玛跳跃扩散过程的极大似然估计及其实证研究

作者：朱思姣华中师范大学

学位级别：硕士

Black-Scholes期权定价模型是由Black和Scholes在1973年提出来的,自其问世以来,在金融经济学和金融业掀起了一场革命。随着金融市场的不断完善,尤其是当金融市场中出现重大的消息时,如突发事件、自然灾害、政策调整等发生时,人们发现B-... 详细信息

Black-Scholes期权定价模型是由Black和Scholes在1973年提出来的,自其问世以来,在金融经济学和金融业掀起了一场革命。随着金融市场的不断完善,尤其是当金融市场中出现重大的消息时,如突发事件、自然灾害、政策调整等发生时,人们发现B-S模型并非能完全适合金融市场,主要原因在于B-S模型的一系列不符合现实的假设。于是研究者对B-S模型进行了进一步的推广,1976年,Merton提出了跳跃扩散模型。随后在跳跃扩散过程的基础上,基于不同的假设,如跳跃幅度分布的选取,产生了一系列的跳跃扩散模型,比较有代表性的是Kou提出的双指数跳跃扩散模型,Rarnezani和Zeng提出的帕累托-贝塔跳跃扩散模型,这些模型都能反应资产收益率分布的尖峰厚尾的特征。本文是在跳跃扩散模型的基础上,将跳幅的分布设为伽玛分布,并将该模型(简记为GJD模型)与几何布朗运动(简记为GBM模型)和对数跳跃扩散模型(简记为LJD模型)进行比较,然后研究了这三种模型对中国股票市场的适用程度,选取深圳证券交易所和上海证券交易所的八只股票和两个重要指数的对数收益率作为研究对象,利用Nelder-Mead方法求得模型中未知参数的极大似然估计值,并采用贝叶斯信息准则对三个模型进行了选择。结果表明,对于反映中国股票市场运作变化的两个股票指数,LJD模型和GJD模型比GBM模型的效果要好,对于个股来说,GJD模型拟合高峰度数据的效果要好,总体而言,LJD模型拟合效果要比GJD模型要好。

关键词：跳跃-扩散模型极大似然估计贝叶斯信息准则尖峰厚尾

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

含有隐变量的高阶马尔科夫模型的理论及应用

含有隐变量的高阶马尔科夫模型的理论及应用

作者：张胜娜电子科技大学

学位级别：硕士

马尔科夫模型自20世纪提出到现代,已被广泛应用到各个领域的预测分析中,然而传统马尔科夫链的一阶相关性极大地限制了该模型的预测能力。虽然高阶马尔科夫模型大大提升了马尔科夫模型的预测精度,但在实际应用中,该模型并不被人们所看好... 详细信息

马尔科夫模型自20世纪提出到现代,已被广泛应用到各个领域的预测分析中,然而传统马尔科夫链的一阶相关性极大地限制了该模型的预测能力。虽然高阶马尔科夫模型大大提升了马尔科夫模型的预测精度,但在实际应用中,该模型并不被人们所看好,因为它的参数个数随阶数的增加呈指数形式增长。这样不仅增加了状态空间的复杂度,同时还降低了参数的预测精度。1985年,Raftery提出了一种基于高阶马尔科夫链的简约模型,即混合转移分布模型(Mixture Transition Distribution model,简称MTD模型)。MTD模型是由多个基于不同步差参数的马尔科夫链混合而成,其参数个数远远低于高阶马尔科夫模型。在MTD模型的基础之上,进一步引入隐马尔科夫模型的思想,构造了一个隐过程服从一阶马尔科夫链的MTD模型。本论文主要研究了含有隐变量的高阶马尔科夫模型及其参数估计问题。在现有研究的基础上,对含有隐变量的高阶马尔科夫链做进一步研究及讨论。主要内容包括:1.在以往的研究基础上,继续对该模型进行改进,即将隐过程由一阶马尔科夫链推广为高阶马尔科夫链,构造了一个由两个互相关联的高阶马尔科夫链构成的双链模型。此改进的目的就是让含有高阶隐过程的MTD模型能够适应更多的实际情况。2.对于含有高阶隐过程的MTD模型来说,列表说明该模型不仅仅是隐过程阶数上的拓展。在满足一定的条件下,该模型可以演变为其他简单的马尔科夫模型,这些简单的模型被称为该模型的嵌套模型,并以图表的形式更清晰地说明了各个模型的嵌套关系。3.本文仍然采用最大期望(EM)算法给出各个参数的估计式,并在参数估计过程中,引入放缩法的思想,使得每步的系数被放大,以致在利用计算机编程实现时,不会出现越界被视为零而导致结果失真的情况。4.通过对电力线通信信道的脉冲噪声的实测数据做数值实验,将本文中的改进的模型—含有二阶隐过程的MTD模型与其各个嵌套模型的预测结果做出对比,并给出分析结果。

关键词：高阶马尔科夫链混合转移分布模型最大期望算法贝叶斯信息准则电力线通信