基于动态贝叶斯网络的大词汇量连续语音识别和音素切分研究

提出一个新颖的单流多状态动态贝叶斯网络(Single stream Multi-states Dynamic Bayesian Network, SM-DBN)模型,以实现大词汇量连续语音识别和音素切分.该模型在Bil m es等人提出的单流动态贝叶斯网络(Single stream Dynamic Bayesian Network, Phone-sh ared,SS-DBN-P)模型(识别基元为词)基础上,增加了一个隐含的状态节点层,每个词由它的对 应音素组成,而音素采用固定个数的状态描述,状态和观测向量直接连接.它的识别基元为音 素,描述了音素的动态发音变化过程.大词汇量语音识别的实验结果表明:在纯净语音环境下 ,SM-DBN模型的识别率比HMM和SS-DBN-P模型的识别率分别提高了13.01%和35.2%,而 音频流的音素切分正确率则分别提高了10%和44%.     

基于多流动态贝叶斯网络的音视频连续语音识别

针对说话时发音和口形的异步问题,提出了一个多流异步动态贝叶斯网络(DynamicBayesian Network,DBN)模型,以实现基于音视频特征的连续语音识别,在这个模型中,音频流和视频流在词节点同步,而在词节点之间,音视频流有各自独立的拓扑结构以及节点变量之间的条件依赖关系,同时词转移节点变量由音视频流共同确定,模型在词级别上体现了音视频流的异步性.采用连续数字音视频数据库的实验结果表明,在信噪比为O～30 dB的测试环境下,比较单流DBN模型和多流隐马尔可夫模型,平均识别率分别提高了8.68%和10.07%.     

汉语语音识别研究与实践

本文介绍了汉语语音识别及其实例—电话声控查号系统,并在该系统中采用了高效压缩信息的“分块四值化法”提取特征,信息压缩率达100:1;利用分级识别,提高识别率;设置辅助功能键,保证报号完全准确。     

基于仿生模式识别的小词汇量连续型语音识别的研究

提出了一种基于仿生模式识别理论的非特定人连续语音关键词识别的新算法.该算法无需对待识别连续语音进行端点检测和分割,通过直接对特征提取后的连续语音进行动态搜索,得到待识别连续语音到各类关键词训练网络的距离随时间变化的曲线,通过动态搜索距离曲线上谷值的大小和数目来判断有多少关键词.通过对小词汇量、不同语速条件下的连续语音的测试,得到了良好的识别结果,验证了此方法的有效性.     

基于贝叶斯最小错误率的一种语音端点检测算法

提出一种基于贝叶斯最小错误率的语音端点检测算法．说明短时平均幅度和短时平均过零率两种语音特征的选取方法,根据最小错误率的贝叶斯决策分别确定了合适的门限值,并将该方法在作者建立的语音数据库中进行了语音起点和终点测试．实验结果证明,与仅用幅度或能量特征的方法相比,本文方法能够提高语音端点检测的准确性．     

基于神经网络的汉语孤立词语音识别

研究了基于神经网络的中文孤立词语音识别技术;将时间规整算法与神经网络相结合,组成一个混合级联神经网络语音识别系统. 在这个模型中,第一级是时间规整神经网络. 其作用是完成时间规整功能,从输入不等长的语音信号特征矢量序列中提取固定长度的特征矢量;然后将这组特征矢量馈入后一级BP网络完成语音识别. 利用该方法对小词表汉语孤立词进行语音识别实验,获得了98.25%的正确识别率. 实验结果表明,该系统不仅利用神经网络解决了语音识别中的时间规整难题,而且识别性能明显得到改善,识别率和训练速度均优于采用线性时间规整的神经网络语音识别方法.     

高噪声环境下的语音识别

本文介绍多码本离散隐马尔可夫模型用于含噪声语音识别的研究成果.特定人识别系统对孤立数字的识别率,在低噪声环境下可达100%,在高噪声环境下(信噪比 SNR 低于-7 dB)达63.9%.     

普通话智能测试系统的语音识别网络研究

现行的计算机辅助普通话水平测试系统主要采用隐马尔科夫模型的对数后验概率算法来衡量考生的发音质量,但是HMM模型之间易混淆。为提高系统测试的效度和信度,将普通话发音中的语言学知识引入测试系统,重构算法的识别网络,对算法的概率空间进行优化。实验结果表明,改进后的识别网络能够显著缩短系统的运算时间,有效降低概率空间对评分的影响,提高系统的评测性能。     

蚁群算法在语音识别中的应用研究

提出了一种新的基于蚁群算法的语音识别中的动态时间规划方法——蚁群动态时间规划算法,并详细介绍了其基本原理、信息素更新规则,给出了系统流程图。经过理论分析与实验测试,证明了蚁群算法在这个系统中比传统的DTW算法更能提高识别率且更有效率。     

基于贝叶斯理论的房地产投资风险决策研究

由于房地产投资受政策、社会环境、经济环境、管理水平等诸多因素的制约，因而投资成败的不确定性极大。将贝叶斯决策理论应用于房地产投资决策中，建立了房地产投资贝叶斯风险决策模型，分析了决策模型中各种参数的确定方法，并阐述了该模型对降低决策风险的作用。     

区间值决策表的决策风险最小化属性约简

针对目前海量数据分析较多情况下从传统的单条记录转变为一个区间对象,将决策粗糙集中风险的概念引入至区间值决策表中,给出了区间值决策表决策风险的定义,并提出了决策风险最小化的属性约简方法.该方法可以保证所得到的约简集合相对于决策属性具有较强的分类能力,同时保证约简集合的决策风险最小.区间值决策表的决策风险最小化约简使得定义的约简具有更强的理论性和可解释性.     

一种基于最小风险假设检验的图像盲水印算法

数字水印技术是数字作品版权保护的重要手段,为了增强水印的安全性和鲁棒性,提出一种基于最小风险假设检验和人眼视觉特性的彩色图像盲水印算法.首先对原始图像进行小波分解,然后利用人眼视觉特性,在图像的中频系数中嵌入水印,在提取水印时,利用最小风险假设检验知识进行水印的提取.实验结果表明,该方法能够较好地抵抗一些常见的图像攻击,具有较强的鲁棒性和不可见性.     

改进贝叶斯算法在未知恶意软件识别中的研究

为改进朴素贝叶斯(naive Bayes,NB)算法在识别未知恶意代码过程中学习速度慢的缺点,在分析研究朴素贝叶斯算法、复合贝叶斯(multi-naive Bayes,MNB)算法的基础上,提出了一种改进贝叶斯(half-increm entnaive Bayes,HNB)算法.算法采用特征集增量学习方式,在保证分类精度不降低的前提下,学习速度提高约30%.实际样本测试表明,分类精度达到了96%,其中对已知恶意代码的分类精度达到99%.     

An Improved Minimum Distance Method Based on Artificial Neural Networks

MDM（minimum distance method)is a very popular algorithm in state recognition.But it has a presupposition,that is ,the diatance within one class must be shorter enough than the distance between classes.When this presupostion is not satisfied,the method is no loger valid.In order to overcome the shortcomings of MDM,an improved minimum distance method (IMDM) based on ANN(artificial neural networks)is presented.The simulation results demonstrate that IMDM has two advantages ,that is ,the rate of recognition is faster and the accuracy of recognition is higher compared with MDM.     

基于Java字节码的混淆技术研究

混淆是一种可以用于对移动代码和软件知识产权进行保护的程序变换技术。本文首先介绍了逆向工程和混淆技术原理,然后针对Java语言的跨平台性,对基于Java字节码的混淆算法进行了研究,该方案增加了生成字节码文件的复杂性;增加了抵抗攻击者动态分析的能力,增加了反编译的难度。     

认知网络中基于小波分析的切换判决

基于小波分析和模式识别理论,提出一种认知网络中的切换判决算法. 对基站得到的移动台信号进行多分辨分析,得到移动台信号的基本信号强度和噪音信号强度;在此基础上通过人工神经模糊推理系统对得到的结果进行模式识别;通过模糊推理做出切换判决. 仿真结果表明,该算法在信道信噪比不断降低的情况下依然可得到较好的判决结果,实现了认知网络通过感知环境变化而做出自适应调整的功能,并具有较好的可靠性.     

基于最小流的交通网络设计问题诡异现象

分析网络最小流与Braess诡异现象的联系,定义了网络的正向弧和反向弧,通过实例分析改变网络中各条弧容量及网络新增弧对网络最小流影响的灵敏度。结果表明在对路网进行改扩建时,只要避免扩大网络的反向弧或新建反向弧就可以有效地避免Braess诡异现象的出现。     

基于决策规则的属性约简算法

属性约简是粗糙集的核心问题之一。本文基于决策规则给出属性约简相关结论和属性重要性,提出启发式约简算法,引入黄金分割法思想,提高算法效率,并以实例验证算法有效性和正确性。     

基于RBF神经网络的语音情感识别

介绍了径向基函数神经网络的原理、训练算法,并建立了RBF神经网络的语音情感识别的模型。在实验中比较了BP神经网络与RBF神经网络分别用于语音情感识别识别率,RBF神经网络的平均识别率高于BP神经网络3%。结果表明,基于RBF神经网络的语音情感识别方法的有效性。