基于PCA和多约简SVM的多级说话人辨识

提出一种基于主成分分析（PCA）和多约简支持向量机（SVM）的多级说话人辨识方法。首先用PCA对注册说话人进行快速粗判决,再用多约简SVM进行最后决策。此多约简SVM有两个约简步骤,即用PCA和样本选择算法分别减少训练数据的维数和个数。理论分析和实验结果表明：该方法可以大大减少系统的存储量和计算量,提高训练和识别时间,并具有较好的鲁棒性。     

嵌段型聚醚/氨基硅油的结构表征及应用性能

在铂催化剂的作用下,利用端含氢硅油与烯丙基缩水甘油醚(AGE)的硅氢加成合成了端环氧硅油中间体,然后用端氨基聚醚胺解开环,制得新型嵌段聚醚/氨基硅油(BPEAS),用傅里叶红外光谱与核磁共振对其结构进行了表征.将BPEAS应用于棉织物整理,用KES风格仪等测定应用效果.结果表明:黏度为6.7 Pa·s,氨值为0.600...     

浅谈供电营业厅优质服务营销战略的实施

优质服务是供电企业发展的源泉,供电营业厅是客户体验优质服务的第一线。因此在供电营业厅实施优质服务营销战略尤为重要。文章从营销观念、团队建设、流程体系、服务形象、运行机制、服务模式、评价机制、监督体制八方面论述了优质服务营销战略的具体实施。     

国际结算的发展趋势及对策

随着国际贸易的深入发展,银行信用的信用证(L/C)结算方式已逐步为各种商业信用的结算方式所代替。而我国对外贸易中仍以信用证结算方式为主。笔者在文中分析了其中的原因,并提出了发展商业信用结算方式的思路。     

一种实用的说话人特征提取方法

针对稀疏核主成分分析方法在特征提取中的不足,提出了一种基于核K-均值聚类的稀疏核主成分分析（Sparse KPCA）的特征提取方法用于说话人识别。通过核K-均值聚类的方法对语音帧进行聚类,由于聚类的中心能够很好地代表类内的特征,用中心样本帧取代该类,减少了核矩阵的维数,然后再采用稀疏KPCA方法对核矩阵进行特征提取。该方法能够减少存储空间和计算的复杂度,它保证约简后的数据能够很好地代表原始数据并且在约简过程中信息损失最小。实验结果验证了提出的方法在不影响识别率的前提下提高了识别速度,满足了说话人识别的实用性要求。     

基于VPRSM的音频特征选择

在音频索引中保持音频特征非常重要,但是在很多情况下特征数量又很庞大,直接处理这些海量数据是非常耗时的.特征选择作为数据挖掘的一个处理步骤,在特征维数的减少和非相关数据的约简方面已经有很成功的使用.提出了一种基于变精度粗糙集模型(variable precision rough setmodel,VPRSM)的音频特征选择算法.实验结果表明,该算法能够得到最小约简,并且最大程度地保持了音频数据的特征,提高检索效率.     

改进PSO-SVM在说话人识别中的应用

为了加快粒子群优化算法的收敛速度,增强全局的搜索能力,通过对粒子群优化算法中惯性权重和全局最优值的分析,提出了一种根据迭代次数而自适应变化的惯性权重的粒子群优化方法。改进后的粒子群算法在防止陷入局部最优的能力方面有了明显的增强,同时,给出了应用粒子群优化算法训练支持向量机的方法,并将其应用于说话人识别。实验结果证实了在说话人识别中改进PSO-SVM方法比其他传统方法能获得更好的识别精度和识别速度。     

基于PCA和核Fisher判别的说话人确认

针对核Fisher判别技术在说话人确认中实时性较差的问题,提出了一种基于PCA和核Fisher判别的说话人确认方法.利用PCA进行特征向量的降维、去冗余,以减少后续计算的复杂度,提高说话人确认的速度,使用基于核函数的Fisher判别技术对说话人进行确认,从而在整体上提高系统的实时性.并通过实验验证了该方法的有效性.