BP神经网络在水质参数预测中的应用

介绍了如何使用BP神经网络在已经有大量历史数据的基础上来预测未来的水质参数和如何使用函数来实现BP算法来预测未来水质参数的程序。     

一种两步判决的说话人分割算法

为了提高说话人分割(SS)准确率,该文综合考虑了静音信息和性别信息在SS中的作用,提出了一种两步判决的SS算法。在从音频流中分离出语音段的基础上,采用两步判决的方法进行SS。第1步采用基频信息为主、性别模型为辅的策略进行SS,将相邻说话人基频差异大的说话人改变检测出来;第2步采用基于性别的改进T2判决公式进行SS,实现相邻说话人基频差异小的同性别SS,为此,该文提出了一个基于块的潜在说话人改变点检测算法。实验结果表明,本文算法提高了分割准确率,F1度量值可达85.14%。对于短时长(2 s)语音段的SS,该算法和传统的贝叶斯信息判决算法相比,漏检率减少了16%。     

新闻故事中的关键说话人发现方法

为了发现新闻故事中的关键说话人,用以提高多媒体检索效率,在说话人索引的基础上,提出了关键人发现方法:根据新闻故事中说话人的特点,基于说话人频率、说话人持续时间、平均每次说话人时长和说话人位置因子4个因素,综合定义了说话人关键度,用以判断说话人的重要性,把每个新闻故事中说话人关键度最大的人作为关键说话人.实验结果表明,该种算法可以找到故事中绝大部分的关键说话人,验证了该算法的有效性和可行性.     

基于时空相关度融合的语音唇动一致性检测算法

本文在传统发音唇动分析模型的基础上,构建一个发音唇动时空模型.提出了唇动时域特征、空域特性与语音的相关度度量方法,以及融合时空度量的语音唇动一致性检测方法.利用唇宽、唇高与音频幅度变化之间的联系获得语音唇动的时域一致性评分;通过协惯量分析法获得语音与唇部空域特征的初始相关度,并提出了针对语音、唇动自然延时的相关度修订方法;最后将时空上的得分进行融合以判断语音唇动是否一致.初步实验结果表明,对于四种不一致音视频数据,与常用的协惯量方法相比,EER(Equal Error Rate)平均下降了约8.2%.     

一种基于随机段的固定音频检索方法

在固定音频检索的整体检索方法中,当检索目标较长时,检索时间会变得很长。为了减小检索时间,提出了一种基于随机段的音频检索方法。把整个检索过程分成随机段检索和整体匹配两个阶段：随机段检索是从参考模板中随机选择一段（随机段）作为检索目标进行检索;整体匹配是在随机段检索出的基础上,判断潜在目标信号是否为参考模板。把这种随机检索的方法应用到计算特征距离和直方图交集方法中,结果证明该检索方法的准确率可以达到90%以上,而且平均检索时间可以降低到随机段与参考模板的比值和整体检索时间的积。     

建立现代企业制度是国有大中型企业改革的中心任务─—浅谈洛玻集团公司的改制重组

建立现代企业制度是国有大中型企业改革的中心任务─—浅谈洛玻集团公司的改制重组杨继臣企业改制重组是现代企业制度的一项重要改革。传统企业制度所构成的生产关系已明显制约了企业经济的发展，改制重组正是实现微观经济体制变革的重要措施和必由之路。一、国有大中型企...     

基于Matlab GUI的水质信息应用系统的设计

介绍了在M atlab GUI环境下,通过访问数据库,如何对水质信息进行管理,读取水质信息,作出水质信息图像;通过观察已知数据图像,不仅可以总结过去的规律,还可以对未来水质信息发展趋势进行预测.     

热塑性聚氨酯复合纤维布料拉伸过程的超弹性和黏弹性本构模型

通过拉伸试验,分别考虑涂层的影响以及拉伸时间、拉伸速度、黏弹性应力与反作用力对初始应力的影响,建立了改进后的热塑性聚氨酯复合纤维布料及其单股纤维束的超弹性本构模型和黏弹性本构模型,预测了拉伸过程的应力-应变和应力松弛曲线,并与试验结果进行对比.结果表明:建立的超弹性本构模型能较准确地预测布料及其单股纤维束的应力-应变曲线,相对误差不超过3.5％;黏弹性本构模型能较准确地预测布料的应力松弛曲线,相对误差不超过3.21％.     

一种三层判决的说话人索引算法

为提高说话人索引准确率,提出一种三层判决的说话人索引算法。第1层使用惩罚距离公式对说话人改变进行检测,第2层采用说话人模型自举法进行初次说话人辨认,第3层采用GMM说话人超级矢量进行判决,解决说话人模型自举法中产生的数据不匹配问题。实验结果表明,采用惩罚距离公式,与贝叶斯信息判决方法相比不需调整参数,与DISTBIC方法相比F1值提高2%,使用GMM说话人超级矢量,在说话人索引准确率和数量准确率方面分别提高8.95%、18.25%。     

基于稀疏表示权重张量的音频特征提取算法

为了更好地描述非平稳音频信号的特征,提出了一种基于Gabor字典和稀疏表示权重张量的时-频音频特征提取方法。该方法基于Gabor字典将音频信号编码为稀疏的权重向量,并进一步将权重向量中的元素重新排列为张量形式,该张量各阶分别刻画了信号的时间、频率以及时长特性,为信号的联合时-频-长表示。通过对该张量进行因子分解,将分解后得到的频率因子和时长因子拼接为音频特征。针对稀疏张量分解时容易产生过拟合的问题,提出一种自调整惩罚参数分解算法并进行了改进。实验结果显示,所提出的特征相对于传统梅尔倒谱系数(MFCC)特征、MFCC特征及匹配追踪算法(MP)求解的特征联合拼接得到的MFCC+MP特征和非均匀尺度-频率图特征对15类音效分类效果分别提升了28.0%、19.8%和6.7%。