基于ISFLA的K均值聚类算法

针对K均值聚类算法和基于混合蛙跳( Shuffled Frog - Leaping Algorithm,SFLA)的K均值聚类算法的一些缺点,提出了基于改进混合蛙跳(Improved Shuffled Frog- Leaping Algorithm,ISFLA)的K均值聚类算法.该算法首先将生物学中吸引排斥机制应用在S...     

结合密度峰聚类的K均值图像分割算法

针对K均值聚类算法在图像分割应用中的不足,结合密度峰聚类算法对原有算法进行改进,得到了一种图像分割效果较好的改进K均值算法。K均值算法需要人工指定聚类中心数目,并且聚类中心的随机初始化对最终的图像分割结果有很大影响。针对以上缺点,对K均值算法进行改进,通过密度峰聚类算法自动确定了图像分割的聚类中心数目和较为准确的初始聚类中心。为了衡量色差在人眼中的感知情况,在算法中引入了NBS距离作为距离测度。实验结果表明,改进后的图像分割算法在分割图像时具有稳定的性能和较好的效果。     

K均值算法实现遥感图像的非监督分类

K均值算法在高光谱遥感影像的非监督分类中具有较强的实用性,表现出了良好的优点.首先采用了最大最小选心法确定初始类别中心,然后使用了K均值算法实现遥感影像的分类.在分类过程中采用了VC 2005作为开发平台,极大地提高了遥感影像的分类速度,同时还给出了实现K均值分类主要步骤的代码.最后在深入分析不同迭代次数下得到的不同分类图的基础上,研究了迭代次数值对最后分类结果的影响.     

基于GMM聚类的鲁棒性i向量说话人确认

针对i向量说话人确认系统识别率低且鲁棒性差的问题,提出一种基于GMM聚类的鲁棒性i向量生成算法,应用于SVM说话人识别系统。该算法根据话者GMM模型间的巴氏距离,对说话者GMM模型进行聚类,将N个说话人模型划分为K类,再根据聚类中心模型,应用MAP算法提取聚类超向量,采用联合因子分析方法提取其i向量,对得到的i向量应用线性判别分析和类内协方差归一化技术对其进行信道补偿和降维。将该i向量用于训练SVM以判定目标说话人,仿真实验验证了该算法的有效性。     

改进K均值聚类算法在电厂工况划分中的实现

本文介绍了改进K均值聚类算法的基本原理及应用。通过优化了初始聚类中心和可自适应调整到最佳值,改进的K均值聚类法和原始K均值法相比具有更高的分类准确率及更强的无监督自学习能力。并将此方法应用于基于实时数据的电厂工况划分,实验结果理想。     

基于改进密度峰值聚类的航空发动机故障诊断

针对快速搜索发现密度峰值聚类(CFSFDP)算法存在的密度中心选择不方便、聚类精度不高的问题,提出基于马氏距离的自动搜索发现密度峰值的聚类算法。该算法将马氏距离引入距离测定中,提高了聚类精度;提出聚类中心判定参数γ,自动获得了聚类中心。采集航空发动机转子模拟振动信号实验数据,分别采用传统CFSFDP算法、改进后的CFSFDP算法、K均值聚类和模糊C均值聚类进行分析,结果表明,所提算法能够很好地改善聚类精度,其聚类精度相比K均值聚类和模糊C均值聚类有很大优势,且在故障特征的分类与识别上均优于其他两种算法。     

基于PSOA聚类和KMP算法的说话人识别方法

在说话人识别领域,MFCC特征参数得到了广泛的应用,但是MFCC特征参数包含了语义信息、语种信息和说话人信息等多种信息,所以存在参数中说话人个性特征信息不明显的问题,而且将MFCC应用于SVM分类器时受Mercer准则的限制.针对以上问题,提出了一种将PSOA聚类与核匹配追踪算法(KMP)相结合的说话人识别方法,首先通过PSOA聚类算法将MFCC特征参数进行变换处理,得到精简的MFCC特征参数,然后利用KMP算法对核函数形式没有任何限制的特性,对精简后的MFCC特征参数进行分类训练和识别.实验结果表明,基于PSOA-KMP的说话人识别方法相比GMM-UBM识别方法,在EER性能上相对提高了38％.     

基于自适应高斯混合模型与静动态听觉特征融合的说话人识别

对特征参数和高斯混合模型进行改进,提出了一种特征域和模型域混合补偿的方法用于解决说话人识别特征受噪声影响较大以及高斯混合模型随训练样本长度减小而性能下降的问题.通过模拟人耳听觉,给出了基于伽马通滤波器的伽马通滤波倒谱系数;考虑其只反映了语音的静态特征,提取了能够反映语音动态特征的伽马通滑动差分倒谱系数.基于因子分析技术,利用移动因子表示高斯混合模型的自适应过程,通过训练语料较充分的说话人模型中的均值向量补偿受训练语料长度影响较大的分量的均值向量.仿真实验表明:在纯净背景下,本文方法的识别率达到了98.46％;在不同噪声环境下,本文提出的混合补偿方法能有效提高说话人识别系统的性能.     

一种改进的VQ算法在说话人识别上的应用

本文介绍了一种基于动态权值改进的矢量量化(VQ)方法。根据不同环境下不同说话人语音特征各阶差异较大的特点.对矢量量化算法进行了改进。经实验结果证明.该方法提高了说话人识别系统的识别率。     

基于段级特征的快速说话人识别算法及DSP实现

本文在TMS320C6701EVM板的基础上实现一种快速的说话人识别系统.提出一种基于段级语音特征的说话人识别的快速算法,该算法在传统的GMM算法的基础上使用段级语音特征对测试语音进行数据量压缩,以减少计算时间.并基于车比雪夫和不等式提出了基于协方差模型的段级特征的失真测度描述.根据实验选择了段级特征语音段长度,实验表明该算法在不显著影响识别率的基础上有效地减少了算法延迟,提高了识别速度.     

动态多目标优化的运动物体图像分割

对小区背景下运动物体图像进行分割时多使用单目标或多目标优化方法,这类方法不能有效适应目标的动态变化,因此本文提出一种动态多目标图像分割优化方法。该方法将时间及环境动态因素作为动态因子,利用K均值(KMeans)算法和和模糊C均值(FCM)聚类算法构造多目标函数;结合动态多目标粒子群算法(DMPSO),使用背景差分法定义环境变化规则,实现动态多目标的图像分割。根据DMPSO算法优化后的聚类结果,分别与K-Means和FCM聚类方法得到的结果进行了对比。结果表明,动态多目标优化的Pareto最优解集分布均匀,图像分割准确率可达到95%,对图像识别的准确率可达到90%,具有较高的识别能力,能满足确定背景下运动物体的准确识别。     

基于稀疏表示分类的说话人识别算法及其在智能考勤系统中的应用

智能考勤系统在企业对员工的出勤考查中具有十分重要的作用。为了提高语音考勤系统的准确性,提出基于稀疏表示的说话人识别算法。该算法在通用背景模型的基础上提取说话人语音的高斯混合模型超向量,采用线性判别分析技术对超向量进行信道补偿和降维,再由低维超向量形成稀疏表示的过完备字典。根据话者测试语音在过完备字典上的重构误差,对话者的身份进行验证。实验结果表明,基于稀疏表示分类的语音考勤系统具有良好的性能。     

一种基于受限玻尔兹曼机的说话人特征提取算法*

基于总体空间差异模型的身份认证矢量(即i-vector)已经在说话人识别任务中得到了广泛应用。本文提出了一种基于受限玻尔兹曼机(RBM)的说话人特征向量提取方法来替代总体差异建模的特征提取方法。该方法通过训练得到RBM的模型参数,之后利用隐层输出来表征输入语音超向量的说话人信息。文中比较了不同结构和模块(包括构建RBM的2种单元分布、线性判别分析等)对说话人确认性能的影响。所提方法作为一种新的i-vector特征表示方法,在NIST SRE 2008上取得了和ivector说话人基线系统相当的性能。通过与i-vector基线系统进行融合,系统性能进一步提升。在NIST SRE 2008女性电话语音测试集和男性电话语音测试集上的等错误率分别降至6.83%和4.73%。     

Real-time cutting tool state recognition approach based on machining features in NC machining process of complex structural parts

Cutting tool state recognition plays an important role in ensuring the quality and efficiency of NC machining of complex structural parts, and it is quite especial and challengeable for complex structural parts with single-piece or small-batch production. In order to address this issue, this paper presents a real-time recognition approach of cutting tool state based on machining features. The sensitive parameters of monitored cutting force signals for different machining features are automatically extracted, and are associated with machining features in real time. A K-Means clustering algorithm is used to automatically classify the cutting tool states based on machining features, where the sensitive parameters of the monitoring signals together with the geometric and process information of machining features are used to construct the input vector of the K-Means clustering model. The experiment results show that the accuracy of the approach is above 95% and the approach can solve the real-time recognition of cutting tool states for complex structural parts with single-piece and small-batch production.     

Novel pseudo-divergence of Gaussian mixture models based speaker clustering method

Serial structure is applied to speaker recognition to reduce the algorithm delay and computational complexity. The speech is first classified into speaker class, and then searches the most likely one inside the class.Difference between Gaussian Mixture Models (GMMs) is widely applied in speaker classification. The paper proposes a novel mean of pseudo-divergence, the ratio of Inter-Model dispersion to Intra-Model dispersion, to present the difference between GMMs, to perform speaker cluster. Weight, mean and variance, GMM's components, are involved in the dispersion. Experiments indicate that the measurement can well present the difference of GMMs and has improved performance of speaker clustering.     

基于i-vector局部加权线性判别分析的说话人识别

基于i-vector的说话人识别系统通常采用LDA来消除训练和测试语音之间信道失配,不能保证样本在待识别语音近邻区域内具有最佳的分离度,这就使得目标说话人和其近邻间的得分差异较小,进而导致识别准确性下降。针对该问题,提出基于i-vector局部加权线性判别分析的说话人识别方法(LWLDA)。在计算类内和类间散度时,增加待识别语音近邻样本权重。在此基础上,通过提高待识别语音近邻域局部类间的分辨能力,尽可能减少因信道差异而产生的识别错误。在不同语音库上的实验结果表明:LWLDA在复杂信道环境下能够保持良好的鲁棒性;在交叉信道条件下的识别准确率比LDA平均提高3.6%。     

噪声鲁棒性说话人识别语音高频加权MFCC提取

本文提出了一种可提高噪声环境下的说话人确认识别率的语音MFCC参数高频加权方法.由于Mel频率与线性频率成对数关系,频谱能量在高频部分分辨率逐减,而语音经过基音同步可变窗长加窗后的语音会在一定程度上避免语音信号的谐波泄露,从而保留更多高次谐波信息.将语音频谱能量高频部分进行加权,则可使语音增强,提高语音鲁棒性.该方法被用于基音同步预处理MFCC参数提取中,并进行了说话人确认实验.实验结果表明,即使在信噪比较低的情况下,该方法都会在一定程度上提高多种噪声环境下的说话人确认识别率.     

基于特征音素的说话人识别方法

本文提出了一种基于特征音素的说话人识别方法,并在低成本门禁系统中获得实现。首先利用清音和浊音悬殊的数字特征将语音信号中的清音和浊音分离,再将分离后的几个浊音的特征频率和相对强度作为特征参数组成30维特征向量。在PC上进行了高阶谱分析和快速傅里叶变换,比较了2种方法声韵分离的效果。然后分别用神经网络识别算法和模板比对法进行识别实验,主要应用目标为单住户语音门禁系统,具有自学习功能,能随着家庭成员的年龄和生理变化不断调整特征向量模板,该方法已在低成本单片机系统中实现。