语意理解中的性质语意

针对计算机自然语言－语意理解和语意理解中的语意歧义问题，提出了一种新的方法———性质语意，和对中西文进行性质语意的认知模型分析，确定出句子中的主体、客体以及主体对客体的语意指向，建立起一个由数字０１构成的形式化字符串，以便计算机的识别。并提出了计算机的语意识别过程，建立起性质语意下的语意理解模型。     

一种用于语音识别的神经网络

在研究了现有用于语音识别的一些典型人工神经网模型后,综合了几种典型神经网模型的优点,提出了一种适于语音识别的人工神经网络模型,该模型运算简单,学习速度快、易于大规模集成电路的实现,且具有相当的灵活性,计算机仿真对０－－９十个汉语数字语音进行识别,并把其识别结果与ＨＭＭ模型的识别结果作了比较,证明这两种方式是可比较的,揭示了该神经网络模型的潜在力。     

基于性质语意的协同方法

针对自然语言的理解,提出为数据库系统建立自然语言理解界面的基于性质语意的协同方法,也就要对应为多智能体性质数据库系统与传统数据库系统的语义约束和语义平衡的研究.对此提出了由数据库语义一致性的影响将性质语意分类,从而建立新的多智能体性质数据库系统的协同调度的非可串行语义合成正确性准则和"性质语义协议"的协同存取控制原理和方法,以及全局性质语义调度和匹配的算法和性质语义协议的正确性证明.     

基于HMM和PNN的语音情感识别研究

语音情感识别是从语音的角度赋予计算机理解情感特征的能力,最终使计算机能像人一样进行自然、亲切和生动的交互。提出了一种融合隐马尔科夫模型（hidden markov model,HMM）和概率神经网络（probabilistic neural network,PNN）的语音情感识别方法。在所设计情感识别系统中,提取出基本的韵律参数和频谱参数,利用PNN处理声学参数的统计特征,利用HMM处理声学参数的时序特征,运用加法规则和乘法规则融合了统计特征和时序特征的识别结果。实验结果显示,所提出的算法在语音情感识别中具有有效的识别能力。     

计算机辅助色彩设计系统的构造方法研究

从工业设计中关于产品色彩设计的理论和知识出发,研究了基于语意的色彩设计方法,在风格词汇语意空间的基础上,提出了一种解决风格描述词汇集内部语意冲突的方法。将色彩方案从产品色彩设计问题域中抽象出来,采用面向对象的方法定义了色彩方案的类结构,实现了色彩设计与材质设计相分离,并建立了色彩方案库,在此基础上提出了一个采用基于语意的色彩设计方法的计算机辅助色彩设计系统架构。     

混合抗噪语音识别模型的设计与仿真

为解决语音识别过程中的抗噪声及抗干扰问题,提高系统的识别精度,利用隐马尔可夫模型HMM优异的时序建模能力及小波变换可以对信号进行多尺度分析并有效提取信号的局部信息的特点,建立了混合语音识别模型.考虑到在语音信号识别过程中信号的非平稳性,采用并行的识别方法分别获取分类信息,根据混合模型的识别算法做出识别决策,减小了系统对环境的依赖性,提高了其自适应能力.仿真实验结果表明,混合模型识别结果比单一HMM模型或小波模型识别结果更佳,提高了整体的识别速度和识别率.     

混合抗噪语音识别模型的设计与仿真

为解决语音识别过程中的抗噪声及抗干扰问题,提高系统的识别精度,利用隐马尔可夫模型HMM优异的时序建模能力及小波变换可以对信号进行多尺度分析并有效提取信号的局部信息的特点,建立了混合语音识别模型.考虑到在语音信号识别过程中信号的非平稳性,采用并行的识别方法分别获取分类信息,根据混合模型的识别算法做出识别决策,减小了系统对环境的依赖性,提高了其自适应能力.仿真实验结果表明,混合模型识别结果比单一HMM模型或小波模型识别结果更佳,提高了整体的识别速度和识别率.     

产品语意学在工业设计中的应用

产品语意学是研究人造物体的形态在使用环境中的象征特性，并且将其中知识应用于工业设计上的一门新学科，它在提高人机沟通效率、提高产品品质、提供更好的服务上发挥着作用.在探讨产品语意适用范围的基础上，提出了产品语意学的两个重要特性，并阐述了其在设计中的作用，得出：充分利用语意学的特性，把语意学的象征性与指示性两大要素融入到产品设计中，从而实现语意学的“产品识别”和“产品传播”两大特征，使产品能够传达足够的信息，准确地表达内容和形式之间的有机联系.     

基于隐马尔可夫模型的语音单字识别研究

本文针对线性模型在语音识别中的不足，进行了隐马尔可夫模型（HMM）在语音单字识别中的研究，主要对观察输出概率求解、最佳状态序列寻找、参数估计和模型参数的选择进行了探讨。     

基于CDHMM的语音识别程序行为检测方法的研究

为了减少语音识别中的检测误判,提高语音识别的正确率,提出了一种基于连续隐马尔可夫模型(CDHMM)语音识别程序行为检测改进方法,通过一种简化的、处理多维离散语音符号的程序行为检测方法,使得连续隐马尔可夫模型可以同时接收多种不同的特征序列,解决了语音认证系统识别率随时间推移而下降的问题。实验表明,减少了语音拒绝率,提高了语音识别系统的自适应性。     

基于语音识别的朝鲜语语音检索方法

针对基于语音识别的语音检索方法对语言模型的强依赖问题,通过改进声学模型学习框架提出了一种新的朝鲜语语音检索方法.该方法首先修改KoSpeech框架的网络模型,通过训练得到了朝鲜语的声学模型; 其次通过语音文档分割方法构建了语音文档索引库; 最后利用编辑距离匹配的方法实现了语音检索.实验结果表明,改进的朝鲜语声学模型学习框架降低了语音检索方法对语言模型的依赖和大规模数据集的要求.当k取9时, top -k评价方法的检索均值平均精度达到86.74%, 召回率达到95.25%, 该结果表明本文提出的方法是有效的,具有一定的实际应用价值.     

基于能量的汉语语音音节自动划分方法的研究

针对智能化计算机中汉语语音识别这一重要研究课题,利用小波分析方法,以神经网络为基础,提出了基于能量的汉语语音音节划分的自动实现的方法,这是实现汉语语音识别的基础和前提。     

采用连续混合密度隐马洋柯夫模型的语音识别

介绍了采用连续Ｍ元高斯混合密度的隐式马尔柯夫模型的语音识别实验系统，对语音特征矢量用非线性归一化算法进行预处理。另一，还提出一种基于语音识别的模型初始化方法。实验证明：语音的预处理和模型初始化方法都取得了较明显的效果。     

设计语意学与语言学的比较研究

将传统的语言学与现代设计的语意学进行比较,我们可以发现其间有着深刻的内在联系.通过借鉴语言学的研究方式、方法及成果,探讨产品造型语言这一新的课题,有助于我们更好地理解、掌握、应用造型语言,从而建立起完善的产品符号学体系.     

基于全信息自然语言理解的语音识别后文本处理

将全信息(自然语言的语法、语义和语用信息)自然语言理解应用到可靠语音功能的研究中，提出在语音识别之后增加一个全信息自然语言理解的文本后处理功能，通过深入分析词语的语法信息（位置、识别稳定度）、语义信息（语句目标含义）和语用信息（语境和谐度）对语音识别结果语句进行评估、检错和纠错，最终输出优化语句。实验结果表明，增加全信息自然语言理解后处理可使识别正确率获得较好改善。     

基于全信息自然语言理解的语音识别后文本处理

将全信息(自然语言的语法、语义和语用信息)自然语言理解应用到可靠语音功能的研究中，提出在语音识别之后增加一个全信息自然语言理解的文本后处理功能，通过深入分析词语的语法信息（位置、识别稳定度）、语义信息（语句目标含义）和语用信息（语境和谐度）对语音识别结果语句进行评估、检错和纠错，最终输出优化语句。实验结果表明，增加全信息自然语言理解后处理可使识别正确率获得较好改善。     

基于HMM/ANN混合模型的带噪语音识别

对于含噪语音信号的有效特征提取是语音识别至关重要的一步.该文提出了利用小波调制尺度对语音进行特征提取,结合隐马尔可夫和人工神经网络混合模型进行识别的方法,可进一步反映语音信号的动态特性、增强抗干扰能力和提高识别率.实验证明,该模型适合于对噪声背景下的语音进行识别,同传统的HMM模型相比,具有更好的抗噪鲁棒性,在信噪比较低情况下,识别率比传统的HMM模型有明显的提高.     

基于TSG110的语音识别控制器

目的研究用自然语言向智能家居系统进行信息输入和对相关设备的控制及语音识别控制器设计．方法通过对语音信号特点和识别技术的分析，对语音识别系统的语音特征提取、声学模型与模式匹配、语言模型与语言的处理，阐述了HMM算法和DP匹配的语音识别算法，指出孤立词识别系统结构的特点．结果利用TSG110芯片，给出语音识别控制器的识别技术和系统硬件结构、软件设计及组成方法．结论语音识别技术运用于智能家居系统的语音识别控制器，使其具有语音分析、识别和系统控制等功能，实现信息输入与控制．     

新型计算机语音识别系统

俄罗斯科学院无线电与电子技术研究所科研人员开发出一种全新的计算机语音识别系统。这一独特的语音识别系统最主要的是考虑了语音的分级体系．从中辨别语音中最基本的成分，就像鉴别音乐中的音调一样。分辨出语音中最基本的具有思维性质的声音频谱。     

语音技术在CTI系统中的应用

CTI技术代表的是电话与计算机网络的集成，具有广泛的运用前景，而VAP技术则代表了通过语音技术进行信息处理的能力，文章阐述了语音合成和语音识别以CTI系统中的应用。