改进蚁群算法MMAS在分类规则挖掘中的研究

为深入研究和评估蚁群算法在分类规则挖掘应用中具有的特点和作用,针对目前基本蚁群算法在数据挖掘方面所存在的不足,引入了改进的蚁群算法模型最大最小蚂蚁系统（MMAS）。并根据分类算法比较原则,通过实验分析对分类规则挖掘算法进行比较。根据使用不同数据集实验结果的对比分析,从仿真的精确度、速度等方面展示和证实了基于改进的蚁群算法模型MMAS的数据分类规则挖掘工具AntMiner＋在分类规则挖掘中体现出的特点和优势。     

基于语音质量预测的Speex自适应码率控制算法

为实现IP语音(VoIP)质量的动态管理与控制,提出了一种基于语音质量预测的自适应码率控制算法。通过实时预测VoIP通话的瞬时语音质量和总体语音质量,自适应地调整Speex编码参数,从而根据需要选择最佳编码速率。实验仿真结果表明,提出的算法能够有效减少网络拥塞,提高VoIP系统的语音质量。     

基于语音质量预测的VoIP自适应抖动缓冲算法

抖动缓冲是解决VoIP系统延时抖动问题的有效方法。为实现抖动缓冲的动态调整,获得更好的VoIP通话质量,提出了一种基于语音质量预测的自适应抖动缓冲算法。算法采用Pareto分布为延时建模,通过E-Model方法预测突发丢包模式下的瞬时语音质量,以最大化语音质量为目标,自适应选择出最优的抖动缓冲区大小。实验仿真结果表明,所提算法明显优于已有算法,能够有效提高VoIP系统的语音质量。     

一种基于类融合向量的支持向量机及其在语音识别系统中的应用

支持向量机可以通过产生的支持向量来概括数据集合中的信息,其分类函数仅依赖于一小部分训练样本,即支持向量,这使得它对噪声数据非常敏感.本文采用数据融合的方法加以改进,提出了一种新的基于类融合向量的支持向量机,降低了对噪声数据和较大偏差值的敏感性,提高了算法的容噪性能,并成功地应用于语音识别系统中,取得了较好的效果.     

自动语音识别系统中的OOV快速拒识算法

在自动语音识别系统的实际应用中,词表外（Out-of-Vocabulary,OOV)语音的检测与拒识非常重要,针对语音识别的实时性要求,提出了一种新的基于支持向量机的OOV快速拒识算法,并将其应用于基于DSP实现的孤立词语音识别系统中,实验结果表明,该算法计算简单,实时性好,且效果显著,拒识率达80%以上。通过与传统神经网络方法的比较,证明该算法具有更好的性能和应用潜力。