检索结果-南通市图书馆

作者：王富南京邮电大学

学位级别：硕士

语音作为人类日常生活交流的主要方式,承载着说话人丰富的情感信息。真正意义上的人工智能需要机器从情感层面充分理解人类的意图,因此语音情感识别在未来的人工智能领域具有广阔的应用前景。目前,在语音情感识别的基本框架下,寻找一种... 详细信息

语音作为人类日常生活交流的主要方式,承载着说话人丰富的情感信息。真正意义上的人工智能需要机器从情感层面充分理解人类的意图,因此语音情感识别在未来的人工智能领域具有广阔的应用前景。目前,在语音情感识别的基本框架下,寻找一种具有高区分度的语音情感特征和构建高效的识别模型是当今研究的热点问题,它们的好坏直接影响着整个系统的识别效果。本文针对多种情感识别的情况,从特征参数和模型两个方面出发,提出了基于特征筛选和决策树svm的语音情感识别方法以及基于DNN-决策树svm的语音情感识别方法。本文的主要研究工作如下:(1)通过对语音情感识别的研究背景以及研究现状的充分学习,熟练掌握了语音情感识别的基本框架以及常用的识别方法。本文介绍了语音情感识别领域中的常用语料库、语音预处理技术以及常用的特征参数,并分析了各类特征参数的特性。除此之外,本文还介绍了特征参数的统计变量计算方法以及归一化方法,为后续的研究工作打下了扎实的基础。(2)在多种情感的识别任务中,由于情感间的混淆度增大而导致系统的整体识别率降低。针对此问题,本文提出了Fisher特征筛选决策树支持向量机(svm)模型的语音情感识别方法。该方法首先通过计算情感混淆度的方式建立决策树svm框架,然后根据Fisher判别系数的特征筛选方法,从备选特征参数中分别为决策树中每个svm筛选出高区分度的特征参数用于训练,最后将此模型用于语音情感识别。实验表明,该方法的平均识别率高于基于传统svm的方法。(3)针对传统特征不能够挖掘语音信号更深层次的情感信息的问题,本文对比较热门的深度学习进行了研究,设计了一个用于提取瓶颈特征的深度神经网络,并构建了DNN-svm的语音情感识别系统。接下来,由于相同的特征参数对于区分不同的情感类别的贡献度不同,本文针对不同的情感分类训练不同的DNN网络来提取瓶颈特征,再将瓶颈特征分别用于训练决策树中的每个svm,提出了基于DNN-决策树svm的语音情感识别系统。实验表明,在输入参数相同的情况下,基于DNN-决策树svm的语音情感识别系统比基于svm的语音情感识别系统的识别效果有明显提高。

关键词：语音情感识别特征筛选 Fisher系数决策树svm 深度学习瓶颈特征

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于参数寻优决策树svm的语音情感识别

引用

计算机技术与发展 2018年第7期28卷 63-67页

作者：王富孙林慧苏敏赵城南京邮电大学通信与信息工程学院宽带无线通信与传感网技术教育部重点实验室江苏南京210003

在多种情感的语音情感识别中,由于部分情感状态容易混淆,导致语音情感识别的总体识别率降低;同时,对于不同的训练集,svm参数惩罚因子和核函数参数对识别结果也存在一定影响。为了有效提高语音情感识别系统的识别率,在传统支持向量机(svm... 详细信息

在多种情感的语音情感识别中,由于部分情感状态容易混淆,导致语音情感识别的总体识别率降低;同时,对于不同的训练集,svm参数惩罚因子和核函数参数对识别结果也存在一定影响。为了有效提高语音情感识别系统的识别率,在传统支持向量机(svm)的基础上,提出了一种基于参数寻优决策树svm的语音情感识别方法。该方法首先通过计算情感混淆度构建决策树svm框架,然后采用遗传算法对决策树svm中每个svm的惩罚因子和核函数参数进行寻优,最后将参数优化后的决策树svm模型应用于语音情感识别。在中文情感语音库的实验结果表明,与传统基于svm分类方法的语音情感识别进行对比,该方法可将六种情感的平均识别率提高6.5%。

关键词：语音情感识别情感混淆度决策树svm 遗传算法参数寻优

来源：

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

车辆轮胎痕迹图像增强及识别方法的研究

车辆轮胎痕迹图像增强及识别方法的研究

引用

作者：郭春陕西师范大学

学位级别：硕士

随着汽车使用量的急剧增加,我国交通肇事逃逸与利用汽车作为犯罪工具的刑事案件也随之增加,给社会的稳定和发展带来严峻挑战。车辆轮胎痕迹可以为侦破此类案件提供重要线索和证据,因此有必要第一时间将案发现场的轮胎痕迹以数字图像形... 详细信息

随着汽车使用量的急剧增加,我国交通肇事逃逸与利用汽车作为犯罪工具的刑事案件也随之增加,给社会的稳定和发展带来严峻挑战。车辆轮胎痕迹可以为侦破此类案件提供重要线索和证据,因此有必要第一时间将案发现场的轮胎痕迹以数字图像形式保存下来,以便得到最真实的现场物证信息和进行后续分析。然而,轮胎痕迹图像在获取和传输过程中,会受天气、图像采集设备、人为等因素影响而出现噪声、对比度过低或过高、图像模糊不清等图像信息被掩盖的情况。因此,在对案发现场采集的轮胎痕迹图像进行分析前,有必要进行图像增强处理,提高图像质量,以便为相关部门准确侦破案件提供更多肇事车辆相关信息。此外,车辆轮胎花纹种类繁多,导致轮胎痕迹具有多样性,这使得肇事车辆查找范围较大,增加了肇事车辆的查找难度,因此有必要对轮胎痕迹图像进行分类处理,以便快速缩小肇事车辆排查范围,从而帮助相关部门快速、准确地侦破案件,促进社会的稳定发展。本文主要研究不同质量轮胎花纹和轮胎痕迹图像的增强和分类方法,具体研究工作如下： (1)研究了轮胎痕迹图像在侦破交通肇事逃逸和利用车辆进行犯罪的案件中的重要作用,并对国内外对此的研究现状和现阶段研究存在的问题进行了总结。 (2)针对椒盐噪声的理论模型及其在图像中的分布特性,提出基于决策分析与自适应中值滤波算法相结合的轮胎痕迹图像椒盐噪声滤波方法。该方法利用决策分析思想将受椒盐噪声污染的轮胎痕迹图像像素情况进行分类,并对不同情况采用相应的方法进行处理,能在完全去除噪声的同时最大限度地保留图像信号,且适用于不同密度椒盐噪声图像滤波。 (3)基于图像矩阵奇异值的特性,提出一种将分频理论与矩阵奇异值增强相结合的轮胎及其痕迹图像对比度增强方法。该方法使用巴特沃斯低通滤波器对图像进行分频处理,对低频分量使用奇异值增强方法增强,对高频分量采用线性方法进行增强,在增强模糊图像、对比度过暗和过强的图像细节和信息熵上都取得了较好的效果。 (4)利用灰度共生矩阵(Gray Level Co-occurrence Matrix, GLCM)和非下采样Contourlet变换(Non-subsampled Contourlet Transform, NSCT)(?)目结合的特征提取方法提取轮胎花纹图像的纹理特征,根据图像特征阈值间隔距离选取图像有效特征,并根据有效特征的分离度构造最优决策树支持向量机(Support Vector Machine, svm)分类器,实现轮胎花纹图像的分类识别。提出的特征提取和特征选择方法所得图像特征具有较好的分离度,使用最优决策树svm分类识别方法对采集的轮胎花纹图像进行分类识别,获得了较高的识别率。

关键词：轮胎印痕图像增强奇异值分解特征提取决策树svm

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：