基于聚类支持矢量机的汉语方言辨识

该文提出了一种新的汉语方言辨识方法,来解决在总多辨识系统中存在的较弱辨识能力的问题,这种新方法运用高斯混合模型和N元语言模型,来产生一个全局的语言特征,然后使用聚类支持矢量机来做最后的分类。实验结果表明该方法不仅可以提高正确的辨识率,而且可以提高系统的鲁棒性。     

半监督矢量量化的汉语方言辨识

提出了一种新的方言码本模型辨识系统。该方法利用半监督的思想对方言语音数据进行矢量量化,形成具有监督信息的码本模型。有效解决了在汉语方言辨识中码本精度不高的问题,系统的识别率有了很大提高。实验结果表明带有监督信息的码本量化方法明显优于传统LBG矢量量化方法,对于汉语三种方言,辨识率可达94.23%,比传统码本辨识系统提高了近13%的正确辨识率。     

分片支撑矢量机

文中借鉴了分段线性识别的基本思想,提出了分片支撑矢量机模型.该模型首先将特征空间剖分成若干子空间,在每个子空间中基于支撑矢量机构造一个最优分类面,然后,将各个分类面链接起来构成一个分片最优分类面以逼近理论上的最优分类超曲面.同时,文中还从理论上分析探讨了其推广能力的界,为分片支撑矢量机模型提供了坚实的基础.最后,经典双螺旋线数据实验结果表明,相对于传统支撑矢量机,分片支撑矢量机的计算速度、分类能力以及推广能力均有了明显提高.     

支撑矢量预选取的自适应投影算法

支撑矢量机是一种能在训练样本数很少的情况下达到很好分类推广能力的学习算法。但其在选择支撑矢量时却进行了大量不必要的运算,对此,该文提出了一种能够预选取支撑矢量的方法———自适应投影算法,该方法在不影响支撑矢量机的分类能力情况下,大大地减少了训练样本,提高了支撑矢量机的训练速度。仿真实验结果也验证了该方法的有效性和可行性。     

一种基于近似支撑矢量机(PSVM)的交通目标分类方法

本文介绍了支撑向量机的特点,给出了实际应用中传统支撑矢量机存在的问题。为了克服支撑矢量机算法的不足,引入了一种近似支撑矢量机（PSVM）算法,并将此算法用于交通目标的分类识别。实验结果表明此算法比BP神经网络法准确率高,比传统的SVM法的效率高。     

基于支持向量机的直接逆模型辨识

在简单讨论逆模型辨识原理的基础上,利用支持向量机(SVM)对函数逼近的能力,提出了基于支持向量机的直接逆模型辨识方法.分别采用二次核函数以及高斯RBF核函数,利用训练数据对线性和非线性系统进行黑箱辨识.仿真结果表明,基于支持向量机的直接逆模型辨识方法在处理线性和非线性对象时,辨识性能都优于传统的BP神经网络,不仅辨识精度高,辨识速度快,而且泛化能力较强.     

基于小波核支撑矢量机的入侵检测方法

文中将小波和支撑矢量机相结合的技术应用到了入侵检测方面,建立了入侵检测系统.利用小波技术提高支撑矢量机的分类精度,减小误警率.仿真实验验证了基于小波的支撑矢量机用于入侵检测具有较佳的效果.     

基于小波核支撑矢量机的入侵检测方法

文中将小波和支撑矢量机相结合的技术应用到了入侵检测方面，建立了入侵检测系统。利用小波技术提高支撑矢量机的分类精度，减小误警率。仿真实验验证了基于小波的支撑矢量机用于入侵检测具有较佳的效果。     

基于回归支撑矢量机的生化变量预估模型

该文提出了一种新的基于回归型支撑矢量机(SVM)的生化变量预估模型。回归型支撑矢量机能从观测数据出发寻找数据中的模式和数据间的函数依赖规律,利用这些模式和函数能对未来数据和无法观测的数据进行分类、识别和预测。因而通过回归型支撑矢量机学习得到的生化变量预估模型有很强的预估能力。大量仿真试验表明了该文方法的有效性。     

基于词级DPPM的连续语音关键词检测

提出一种基于词级区分性点过程模型的连续语音关键词检测方法。利用时间模式结构和多层感知器计算每个音素帧级后验概率,使用区分性点过程模型将一段时间内多个音素事件形成的点过程作为整体,把关键词检测看作二元分类问题,经分段和拼接构成超矢量,输入支持向量机分类器,判断该段语音是否为待检测关键词。该方法充分考虑语音信号上下文相关性,直接以词作为基本单元建模,提高了系统检测的准确性和鲁棒性。实验结果表明,对采样的语音,其关键词平均召回率和准确率分别可达71.5%和84.6%以上,并且结合相关语言模型知识,系统性能将会进一步提高。     

多尺度组分特征和位点关联特征相融合的剪接位点识别

为了提高剪接位点的识别精度,提出一种多尺度组分和位点关联特征相融合的剪接位点识别模型（MSC-APR）。确定剪接位点序列保守性的窗口长度,分别提取序列的多尺度组分和位点关联特征,然后将两类特征组合输入最小二乘支持向量机构建剪接位点分类器,采用数据集HS3D和NN269进行仿真实验。结果表明, MSC-APR的剪接位点识别精度明显优于对比模型的识别精度。     

基于机器视觉的煤岩界面识别研究

针对现有煤岩识别方法存在煤岩界面传感器结构复杂、可靠性差、普适性差等问题,提出了一种基于机器视觉的煤岩界面识别系统设计方案,给出了系统总体结构,分析了系统识别煤岩界面的工作原理,重点讨论了图像特征选取和分类器的设计。该系统根据灰度共生矩阵理论提取煤岩图像的22种纹理特征,采用增l减r法搜索出优选特征,最后运用线性函数判别法构建煤岩分类器模型。实验结果表明,该系统的煤岩分类器模型性能稳定,具有较强的识别能力。     

基于PSoC和DP-PSO-SVM的便携式假肢控制系统

针对三自由度假肢阈值控制方式存在不直观、灵活性差的缺陷，控制效果较好的模式识别控制器存在便携性差、实用性差等问题，提出一种基于PSoC在线模式识别的肌电假肢控制系统设计方案.采用低功耗芯片PSoC作为主控制器，设计了一套便携式四通道sEMG （表面肌电信号）采集系统，采用双群粒子群优化算法改进的支持向量机（DP-PSO-SVM）构建分类识别器，并通过假肢驱动器实现假肢在线模式控制.实验结果表明：采用DP-PSO-SVM算法比采用标准粒子群SVM （PSO-SVM）算法构建的分类器识别精度提高4%，达到96.7%；该控制器对6种动作的在线识别率达到96.3%，且符合实时性要求.     

辐射源识别的模糊联想分类器设计

The fuzzy associative classifier is investigated in this paper. The design methods of the fuzzy associative classifier with genetic algorithm for training are presented. This method trains the weight and back terms to obtain classification rules automatically. Radar radiant points are classified by using of this algorithm, and the simulation results show that the method has higher identification precision than available fuzzy classifiers.     

网络流量的决策树分类

应用识别与流量分类是网络管理、安全、研究等相关事务的必要前提.随着网络的高速发展以及各种新型应用的不断涌现,基于分组传输层端口号和深度分组解析的分类技术难以满足需求.本文验证网络流量的统计特性可以有效地区分不同应用,提出一种基于C4.5决策树分类器的有监督网络流量分类方法,讨论boosting增强方法和特征选择两种改进.实验结果表明,C4.5分类器的训练复杂度适中,准确率高且分类速度快;增强方法可以进一步提高分类器的准确率,代价是训练时间大幅提高和分类时间稍微减慢;特征选择算法则提高分类速度而稍微降低准确率.     

基于混合特征参数和BP_Adaboost的方言辨识

着眼于非特定人孤立词湖南地区的方言辨识,提出一种将BP神经网络和Adaboost算法相结合的辨识模型。为反映方言的动态特性及其声道特性,采用LPCC、MFCC和各自一阶差分系数相组合作为方言特征系数。利用多个BP神经网络作为弱分类器对方言进行初步辨识,借助Adaboost迭代算法将这些弱分类器组合起来构成强分类器,得出最终辨识结果。实验证明,该混合模型较单纯的BP神经网络具有更强的噪声鲁棒性和较高的识别率。     

基于EM和GMM的朴素贝叶斯岩性识别

朴素贝叶斯分类器可以应用于岩性识别.该算法常使用高斯分布来拟合连续属性的概率分布,但是对于复杂的测井数据,高斯分布的拟合效果欠佳.针对该问题,提出基于EM算法的混合高斯概率密度估计.实验选取苏东41-33区块下古气井的测井数据作为训练样本,并选取44-45号井数据作为测试样本.实验采用基于EM算法的混合高斯模型来对测井数据变量进行概率密度估计,并将其应用到朴素贝叶斯分类器中进行岩性识别,最后用高斯分布函数的拟合效果作为对比.结果表明混合高斯模型具有更好的拟合效果,对于朴素贝叶斯分类器进行岩性识别的性能有不错的提升.     

Improving the performance of speaker and language identification tasks using unique characteristics of a class

In classification tasks, the error rate is proportional to the commonality among classes. In conventional GMM-based modeling technique, since the model parameters of a class are estimated without considering other classes in the system, features that are common across various classes may also be captured, along with unique features. This paper proposes to use unique characteristics of a class at the feature-level and at the phoneme-level, separately, to improve the classification accuracy. At the feature-level, the performance of a classifier has been analyzed by capturing the unique features while modeling, and removing common feature vectors during classification. Experiments were conducted on speaker identification task, using speech data of 40 female speakers from NTIMIT corpus, and on a language identification task, using speech data of two languages (English and French) from OGI_MLTS corpus. At the phoneme-level, performance of a classifier has been analyzed by identifying a subset of phonemes, which are unique to a speaker with respect to his/her closely resembling speaker, in the acoustic sense, on a speaker identification task. In both the cases (feature-level and phoneme-level) considerable improvement in classification accuracy is observed over conventional GMM-based classifiers in the above mentioned tasks. Among the three experimental setup, speaker identification task using unique phonemes shows as high as 9.56 % performance improvement over conventional GMM-based classifier.     

Personalized gesture interactions for cyber-physical smart-home environments

A gesture-based interaction system for smart homes is a part of a complex cyber-physical environment, for which researchers and developers need to address major challenges in providing personalized gesture interactions. However, current research efforts have not tackled the problem of personalized gesture recognition that often involves user identification. To address this problem, we propose in this work a new event-driven service-oriented framework called gesture services for cyber-physical environments (GS-CPE) that extends the architecture of our previous work gesture profile for web services (GPWS). To provide user identification functionality, GS-CPE introduces a two-phase cascading gesture password recognition algorithm for gesture-based user identification using a two-phase cascading classifier with the hidden Markov model and the Golden Section Search, which achieves an accuracy rate of 96.2% with a small training dataset. To support personalized gesture interaction, an enhanced version of the Dynamic Time Warping algorithm with multiple gestural input sources and dynamic template adaptation support is implemented. Our experimental results demonstrate the performance of the algorithm can achieve an average accuracy rate of 98.5% in practical scenarios. Comparison results reveal that GS-CPE has faster response time and higher accuracy rate than other gesture interaction systems designed for smart-home environments.     

相关向量机在车型识别中的应用研究

相关向量机是一种稀疏的贝叶斯学习算法,对非线性、高维数的小样本问题有非常好的分类效果和学习推广能力.而且使用较少的核函数,研究了用相关向量机技术进行车型识别,设计了基于相关向量机的车型分类器.实验结果表明,基于相关向量机的车型分类器不仅具有基于支持向量机的车型分类器的相同性能,而且比支持向量机使用更少的核函数,实验取得了较好的分类效果.