音乐检索新方法的研究与实现

基于哼唱/歌唱音乐检索的系统架构,提出一系列的实现新方法,包括采用改进的YIN算法提取基音序列,提出一种新颖的"小阁"基音后处理方法和旋律轮廓标记、匹配方法,定义了一种相似度衡量体系实现检索。经过原型系统开发和实验分析,结果表明这种新的处理流程实现了对传统基于内容音乐检索方法的改进。     

对多声道音频文件的基于旋律的音频检索系统设计

基于音频相关属性信息进行检索的音乐检索系统具有较大的局限。近年来,基于旋律的音频检索技术的研究成为音频检索技术的热点课题,对单声道音频的旋律特征提取算法作了较深入的研究。本文在分析音乐旋律表达的基础上,研究多声道文件的旋律特征,提出了多声道文件的旋律提取方法,设计完成了面向多声道MIDI格式文件的基于哼唱的音频检索系统。结果表明,系统具有良好的检索功能。     

对多声道音频文件的基于旋律的音频检索系统设计

基于音频相关属性信息进行检索的音乐检索系统具有较大的局限。近年来,基于旋律的音频检索技术的研究成为音频检索技术的热点课题,对单声道音频的旋律特征提取算法作了较深入的研究。本文在分析音乐旋律表达的基础上,研究多声道文件的旋律特征,提出了多声道文件的旋律提取方法,设计完成了面向多声道MIDI格式文件的基于哼唱的音频检索系统。结果表明,系统具有良好的检索功能。     

一种基于全卷积网络的目标检索方法

基于预训练卷积神经网络的图像表示已成为一种新的图像检索方法,但这种图像表示方法是对图像整体特征的表示,无法适用于目标仅占被检索图像部分区域的检索,故主要研究将深度全卷积网络应用于实例目标较小、仅占被检索图像部分区域的检索.首先,利用全卷积网络对输入图像大小不受限制的优势,给定被检索图像,经过全卷积网络得到该图像的特征矩阵;其次,给定查询目标图像,利用全卷积神经网络得到目标图像的特征表示;最后,将目标特征与被检索图像的特征矩阵的每一个特征进行相似性比对,得到相似值和匹配最优位置.实验表明,本算法的检索性能优于现有算法.     

音乐检索新方法的研究与实现

为获得更高的检索准确度,在主流检索系统架构的基础上,提出对音频信号处理流程的改进,包括采用改进的YIN算法提取基音序列;提出一种新颖的"小阁"基音后处理方法,实现对基音序列的规整化操作;设计了一种旋律轮廓的标记办法和模糊匹配方法,并定义了一种相似度的衡量体系,最后完成音乐检索原型系统的开发实验结果表明,新的处理流程对于检索准确度的支持好于自相关函数、中值滤波和编辑距离匹配算法,实现了对传统基于内容音乐检索方法的改进.     

哼唱检索中旋律特征的聚类与优化方法

哼唱检索是音频检索的一个重要分支,其能够为用户提供一种方便快捷的全新体验.在检索过程中,由于同首歌的不同哼唱版本之间具有不容忽视的差异,因此对旋律特征进行精确匹配并无法得到理想的检索结果.针对这一问题,将基于优化初始聚类中心的k-means(optimized in-itial clustering center k-...     

哼唱检索中一种新的旋律模糊匹配方法

针对哼唱的非精确性,提出一种新的方法,将模糊集合及方法引入旋律近似匹配的过程,在用户查询与数据库目标数据之间构造模糊隶属函数,根据隶属度判断音高差信息的相似度,同时对音长比信息进行相似度计算,用两者加权得分作为动态规划法匹配过程中的转换代价,最终得到两个匹配序列的编辑距离,从而得到查询结果．实验结果显示模糊方法的引入提高了检索命中率,同时考虑音长特征的策略也提高了检索精度．在样本集内,检索结果的前十位命中率较原有的5阶音高差近似匹配方法提高了16%．     

基于信息检索及k均值聚类的音乐个性化推荐算法

为追求更高的推荐质量与更快的推荐效率,以音乐资源为研究目标,构建了一种结合MIR与k-means标签聚类的个性化推荐算法。选取音高变化与轮廓作为系统处理数据,利用输入、预处理、特征提取、相似度匹配和输出模块架构音乐信息检索系统,依据用户与资源的选择关系形成多模网络,通过延伸、局域范围界定以及连接优先化阶段组建检索系统的动态多维网络模型,采用k-means标签聚类搜索邻域用户,获取最近邻用户集,将解得的综合特征值设定成初始聚类中心,根据排序后的推荐资源预测结果,实现个性化推荐。针对阿里天池音乐数据开展仿真实验,采用平均绝对误差、准确率和召回率等指标验证算法性能,经实验数据比对后发现,本文算法准确率较为理想,误差较小,具备比较优越的推荐有效性。     

基于三支决策的分步约简纹身图像检索

引入三支决策,通过分步约简的方式,改进纹身图像检索算法。将待检索图像及图像库中所有图像灰度化,比较图像库中各图像与待检索图像对应像素点灰度值的差异,统计差异值小于某阈值的像素点在各图像中所占比例,据此以三支决策从图像库中筛选出相似图像并剔除不相似图像;提取其余图像的尺度不变特征变换(scale invariant feature transform, SIFT)特征并与待检索图像进行特征点匹配,再次利用三支决策选出匹配正确的特征点并剔除匹配错误的特征点,提取其余特征点邻域色调-饱和度-亮度(hue saturation value, HSV)空间的颜色特征,结合SIFT特征再次进行特征点匹配,由匹配点的多少确定相似性大小,进而实现检索。在包含3 579幅纹身图像的自建图像库中所进行的检索实验结果显示,改进算法比尺度不变特征变换算法和融合局部颜色特征算法的查准率和查全率皆有所提升,且平均检索时间更短。     

基于案例推理的矿井提升机电气传动系统的维修决策

为了提高矿井提升机电气传动系统的维修效率,确保其能够安全、稳定运行,提出将案例推理技术应用到矿井提升机电气传动系统的维修决策中.首先,根据矿井提升机复杂的结构组成特点,使用基于特征表示的案例表示方法,建立多级案例检索模型,采用加权KNN案例检索算法计算案例间的相似度;其次,采用熵权法计算案例特征属性权重值;最后以河南某矿型号为JKMD-4×4(Z)的提升机电气传动系统为例,对其实际监测数据进行分析,结果验证了该方法案例检索的有效性与可行性.     

基于模板匹配的改进型目标识别算法

针对图像处理过程中采用局部特征提取与特征匹配的目标识别算法对纹理不丰富物体识别精度差、在同一次学习过程中不能多视角识别同一个物体的缺点,提出采用基于模板匹配的改进型目标识别算法,提高对纹理不丰富物体的识别速度及准确率。利用梯度作为特征量完成模板匹配,结合DOT算法去除次要的梯度特征,只采用幅值大的主导梯度方向作为特征量进行模板匹配,融入仿射投影变换算法、将模板特征二进制化来提高在线同时识别多个不同物体、多视角识别同一个三维物体的速度及准确率。试验证明,该目标识别算法对复杂背景中纹理较少的物体,发生微小变形、微小平移和光照变换的物体识别效果鲁棒性强。     

基于DTW 和EMD的孤立词语音识别研究

针对语音识别过程中环境噪声干扰大的问题,提出一种基于经验模态分解(EMD)与动态时间规整 (DTW)相结合的孤立词识别算法。该方法利用EMD 算法,首先将提取的性能不好的语音信号分解成若干个基本模函数(IMF),去掉原始信号中的干扰和噪声。然后,基于DTW 算法,采用短时过零率和短时能量对语音信号进行端点检测,提取语音特征参数后与参考模板进行匹配。将参考模板与待测模板之间的最短路径作为识别结果。仿真结果表明,该算法能够提高语音的识别效率和识别的正确率。     

基于模板匹配和镜像延拓的两阶段经验模态分解算法

针对传统经验模态分解算法存在的端点效应问题,提出了一种适用于脉搏信号分析的基于模板匹配和镜像延拓的两阶段经验模态分解算法。依据脉搏信号的类周期特征,首先识别其特征信息,分离出单一心动周期内的脉搏信号;然后使用信号相干平均技术获取脉搏信号模板,依据模板将首尾端点处的脉搏信号扩展至整个心动周期;最后采用镜像延拓方法对扩展后的脉搏信号进行经验模态分解。实验结果表明,扩展后的脉搏信号能够较好地模拟原信号首尾端点处的变化趋势,因此新算法能够有效抑制传统经验模态方法存在的端点效应问题,适用于诸如脉搏信号等具有类周期特征的生理信号分析。     

基于混合神经网络的ECG数据压缩

提出了一种基于神经网络自适应模板匹配（ＮＮＡＴＭ）的ＥＣＧ压缩方法,利用Ｋｏｈｏｎｅｎ的自组织特征映射（ＳＯＦＭ）对ＥＣＧ波形进行分类,然后根据分类结果将心搏波形送往相应的前馈网络压缩,并生成一匹配模板,最后用ＳＡＰＡ３算法对残差信号进行处理。对以２５０Ｈｚ和１１ｂｉｔ量化的ＭＩＴ／ＢＩＨ心电波型的实验表明,该方法压缩效果好于ＳＡＰＡ３算法。     

基于归一化特征判别的日志模板挖掘算法

针对传统日志模板挖掘时需要日志聚类数目作为先验信息的问题,提出了一种基于归一化特征判别的日志模板挖掘算法.首先,对日志数据进行压缩,以提高后续处理效率;其次,进行日志聚类过程,使用归一化的日志统计特征判断聚类是否满足要求,若满足,则聚类成功;若不满足,则采用二分搜索的方式调整日志聚类的数目,重新进行聚类;最后,从聚类结果中提取日志模板,设计了一种衡量模板挖掘效果的评价指标.在真实数据集上的实验结果表明,算法的模板挖掘匹配度优于基准方法,并且具有良好的泛化性能.     

基于深度信息的动态手势识别算法

针对目前手势识别方法计算复杂、特征量提取不可靠等问题,提出基于Kinect传感器深度信息快速动态手势识别算法。通过Kinect的深度摄像头获取深度图像,利用阈值分割法对深度图像进行预处理;结合深度信息,利用OpenCV函数库来提取前景;选用动态时间规整(dynamic time warping)算法计算测试行为模板与参考行为模板之间的相似度以实现样本的分类;最终结合OpenNI和OpenCV,在VS2010环境下实现了该算法。与其他算法相比,该算法改进动态手势特征的提取方法和分类过程,能够快速跟踪手部,有效分割手势。实验结果表明,本方法对具有时空特性的动态手势有很高的识别率,在不同光照和复杂背景下具有较好的鲁棒性。     

一种基于单一视图的三维模型检索方法

针对已有研究存在的视图冗余性问题,提出采用单一视图进行三维模型形状特征度量t并通 过动态规划进行相似性计算,实现三雏模型的单一视图特征描述和匹配．算法主要由三步组成：首先,将三维模型进行姿态调整,并通过渲染得到最能表达三堆模型外形特征的主视lit．其次,对渲染得到的视图进行轮廓采样,通过内在距离扣内角提取模型彤技特征描述,最后,采用动态规剐算法计算不同模型之间的相似程度．实验结果表明：尽管只采用单一视图进行特征描述,但所提出的算法检索精度要高于一些典型三雏形状特征描述符,包括采用深度视图定义的形状描述符.     

轮廓匹配的复杂背景中目标检测算法

为解决基于形状的目标检测算法受图像复杂背景的影响,本文提出了一种新的基于轮廓匹配的复杂背景中目标检测方法,算法结合了显著性检测和模板匹配的方法.首先对输入图像在超像素级别进行预处理,应用显著性区域检测方法得到不含复杂背景的区域图像,然后在显著性区域内得到初始边缘图像,对初始边缘图像进行优化处理后利用形状描述子进行轮廓匹配,最后,通过深度优先的搜索策略识别目标的假设位置并进行假设验证来确定最终的目标位置,完成复杂背景图像中的目标检测任务.在ETHZ形状数据集的实验结果证明了本文算法的可行性,根据50%-IoU和20％-IoU标准与其它几种基于形状的目标检测方法进行对比,当误报率为0.3时,算法平均检测率是96%,误报率为0.4时,检测率已经达到99%,如果接受更高误报率时检测率可达到100%,均高于其余几种算法.算法的实验和对比分析结果表明本文方法可以提高检测精度,具有明显的性能优势,为复杂背景中的目标检测提供了新的解决方法.     

基于模板匹配的人脸识别跟踪方法研究

在对运动物体的实际追踪过程中,由于目标运动方向不确定、背景环境复杂多变等因素,增加了动态目标跟踪的难度,所以用普通识别方法较难提取出目标特征,从而无法准确跟踪动态目标。提出了基于模板匹配的人脸识别算法,分析了基于方向梯度直方图(HOG)的人脸特征提取算法和基于欧氏距离的人脸识别算法,设计出了人脸识别跟踪系统。实验结果表明通过动态目标视觉检测以及PID控制的角度输出,该系统实现了对特定目标的人脸识别和跟踪。