基于DTW算法对婴幼儿语音的分析

针对婴幼儿语音分析问题,通过基音频率识别、端点技术检测、DTW算法等原理,运用MATLAB软件,识别出搜集的声音片段的性别,并对声音进行谱曲,进行误差分析。通过查阅相关资料在鉴别男女生声音的模型基础上建立出婴幼儿的性别识别模型,并对模型进行误差检验,使得模型的拟合度大大提高。     

面向语音情感识别的改进可辨别完全局部二值模式

为了研究语音情感与语谱图特征间的关系,本文研究并提出一种面向语音情感识别的改进可辨别完全局部二值模式特征。首先,基于语谱图灰度图像,计算图像的完全局部二值符号模式(CLBP_S)、幅度模式(CLBP_M)的统计直方图。然后,将CLBP_S,CLBP_M统计直方图输入可区别特征学习模型中,训练得到全局显著性模式集合。最后,采用全局显著性模式集合对CLBP_S,CLBP_M直方图进行处理,将处理后的特征级联,得到面向语音情感识别的改进可辨别完全局部二值模式特征(IDisCLBP_SER)。基于柏林库、中文情感语音库的语音情感识别实验显示,IDisCLBP_SER特征召回率比纹理图像信息(TII)等特征提高了8%以上,比声学频谱特征平均提高了4%以上。而且,本文提出的特征可以和现有声学特征进行较好融合,融合后的特征召回率比现有声学特征召回率提高1%~4%。     

基于 KanBIM 和物联网的电力工程现场安全行为识别方法研究

针对电力施工现场的安全行为问题，研究了基于KanBIM 和物联网技术的电力工程现场安全行为识别方法。对传统Faster R-CNN 模型进行改进，提高其视频监控识别的准确率，通过增加模型锚点数量、改进损失函数和特征图像插值预测的方式，提高视频监管效果。实验证明，该算法在对于安全帽管理和不安全行为的识别方面，准确率和精度均大幅提高，优势明显，可用于电力施工现场的安全行为识别工作。     

Linux内核进程调度算法的分析、研究与改进

本文分析了Linux2.4内核的主要数据结构、进程调度原理及O(n)算法。针对Linux2.4设计缺陷和调度算法上的不足之处,本文改进了Linux2.4内核调算法,修改了内核中和调度有关的数据结构,并将Linux2.4内核调度算法的时间复杂度从O(n)级改进到O(1)级。最后通过实验测试得到的数据证明了改进后的内核进程调度使系统负载更加均衡。     

基于声学特征凸显的汉语疑问句检出

疑问句在语音交际中占有重要地位,检出语音交际中的疑问句对把握语义重心和分析话语结构具有重要作用。在分析疑问语气凸显的声学特征的基础上,提出了一种基于声学特征凸显的汉语疑问句检出方法。该方法用支持向量机(SVM)对小时间粒度的疑问语气凸显进行建模,通过基于加窗机制的后处理方法判决语音是否为疑问句。在面向电话客服应用环境录制模仿的和真实的汉语对话语音库上进行了算法测试。实验表明该方法对汉语疑问句具有较好的检出性能。     

基于零和博弈的电力系统最优调度

针对电力系统的节能与经济调度问题,建立了综合考虑电网购电成本和发电煤耗的电力系统最优调度模型,并引入零和博弈思想对调度模型进行求解。首先采用零和博弈加权法将多目标调度模型等价转化为单目标优化模型,其权重系数由该博弈的混合策略Nash均衡确定,从而弥补了多目标优化加权系数法受限于决策者主观性的不足;在获得单目标模型后,提出了基于动态发现概率和步长的改进布谷鸟算法并对模型进行优化求解;验证结果表明,该方法在优化求解多目标电力调度模型时具有较高的实用性和优越性。     

电力隧道工程建设中的离散时间费用权衡问题

针对工作连续性与资源恒定性两种约束对电力隧道工程的不利影响,建立工作可间断且资源可波动的离散时间费用权衡模型(DTCTP-wr)。通过设计一种双链式整数编码和随机单点交叉算子的改进遗传算法进行求解。通过一个实际的电力隧道建设项目验证算法的有效性,并设置四种情景对工作可间断与资源可波动进行分类分析。研究结果表明：工作间断能够得到比工作连续时总工期更短的方案;资源可波动能够得到比资源恒定时总费用更少的方案;同时允许工作间断与资源波动不仅能够让施工方得到更多可行的方案而且能够为管理者提供总工期和总费用双目标优化的调度方案。     

基于声信号的抹灰墙质量检测及试验研究

利用声音传感器和采集卡搭建起来的试验系统,单点单次敲击抹灰墙试验墙体,采集声信号的时域波形图。考虑到人耳对墙体敲击声信号不同频率的感受程度,利用人耳的听觉特性,通过提取梅尔频率倒谱系数(MFCC),并采用动态时间规整(DTW)算法对信号样本进行识别分类,分析参考样本数数量的大小对识别率的影响,初步验证用声信号检测识别抹灰墙黏结缺陷的可行性和有效性。     

基于PSO算法的加权累加生成GM(1,1)模型在结构损伤识别中的应用

根据灰色系统理论中新信息优先原则,建立了基于加权累加生成GM(1,1)模型,并运用粒子群算法确定模型中的权重,对传统的GM(1,1)模型进行了改进,并将改进模型应用于结构损伤的识别与预测.实例分析表明:基于粒子群算法的加权累加生成GM(1,1)改进模型对检测数据的处理能力更强,预测数值与真值的整体吻合度更高,从而使模型能更好地应用于复杂结构及复杂工况条件下的损伤识别.     

基于深度学习的语音识别方法

本文通过对人工智能语言识别技术的现状阐述,探讨了基于人工智能深度学习的语音识别方法。改进语音识别当中的语音拾取和提取特征、模拟训练和语音识别判断,是有效提高这项技术的措施。更是推动人工智能产业发展,方便人们生活和工作的重大进步。