基于性能相似度的Buffer库压缩算法

以原库与压缩库的性能相似度为出发点,提出了一种buffer库压缩算法,并建立了虚单元、实单元和概率加权距离的概念.用环境参数对原库进行筛选,其结果构成虚单元库;对虚单元进行聚类,将中心点映射到实单元得到压缩库.将单元对环境的适应性量化,作为先验知识,为聚类中心的选择提供优先级.采用3种方案实现该算法思想,经实验证明,所得压缩库与原库的性能相似度高,误差平方和(SSE)仅为已有算法的9.6%、10.4%和6%.     

基于多源数据融合的协同推荐方法

大数据环境下,实现多源数据的高效利用是推荐服务的一个重要问题.为此,基于协同推荐方法,选取相似用户的消费行为完成推荐排序,在用户聚类过程引入预聚类单元和综合聚类单元.预聚类单元对用户—产品评分矩阵、电信业务身份、用户网络关注内容等数据,分别进行相似度计算.综合聚类单元计算数据丰度权重,进行综合相似度计算和用户聚类.同时,引入了可调节的效度权重,根据推荐结果的点击率和转化率,自动优化推荐系统.     

基于最小合成单元的维吾尔音库设计

为了实现容量小、可懂度和自然度较好的波形拼接式维吾尔语语音合成系统,结合维吾尔语的特点,完成了文本设计、录音、语音标注、以及音库建设过程。其中,把音节作为基本的合成单元建立了音节语音库;为了弥补音库中不存在音节的合成问题,又建立了音素作为合成单元的音素语音库。实验结果表明,以音节和音素为最小合成单元的波形拼接式维吾尔语语音合成系统除了音库容量相对少等特点之外,还具有良好的可懂度。     

一种结合空谱聚类的高光谱图像快速压缩算法

对高光谱图像进行快速压缩已经成为了高光谱遥感领域的研究热点.针对现有的高光谱图像数据量大和压缩所需运算量大的问题,提出了一种基于频段聚类+主成分分析(PCA)与空间分类相结合的高光谱图像快速压缩算法.首先利用最大相关度频段聚类算法(MCBC)将频段聚类,接着将每一类频段用PCA压缩,然后将压缩后的图像利用聚类信号子空间投影(CSSP)算法进行图像分类,最后在每一类内利用LBG(Linde Buzo Gray)算法通过矢量量化快速完成高光谱图像的编码.在不同的压缩比下进行实验,结果表明提出的高光谱图像压缩算法能在保证良好的图像恢复质量的前提下,大幅度降低运算复杂度,实现高光谱图像的快速压缩.     

压缩策动单元声负载的研究与仿真

声负载存在于任何类型扬声器之中,对压缩策动单元声负载的研究与仿真是非常有必要的,因为压缩策动单元里声负载的作用力通常比在其他类型扬声器里的更大.从理论角度介绍了压缩策动单元的相位塞与号角设计,阐述了从振膜表面到自由场之间的声阻抗匹配问题.运用COMSOL数值仿真对不同声负载条件下的声阻抗与声功率曲线进行模拟,通过测量频响曲线与计算特殊声阻抗的理论值验证了仿真方法的准确性.使用KLIPPEL进行功率递进试验,监控在不同声负载下的音圈温升,验证声负载对压缩策动单元承受功率的影响.证明对声阻抗和声功率的仿真有助于指导优化设计压缩策动单元.     

AR模型地震信号的FUZZY分类

本文基于一种新的FUZZY聚类方法(FUZZY PFS聚类法)对地震信号作了分类试验,获得了良好的结果。首先对地震信号进行了AR模型拟合,模型系数构成了信号的特征集,再应用KL变换对特征集进行压缩,最后对信号作分类。     

压缩策动单元声负载的研究与仿真

声负载存在于任何类型扬声器之中,对压缩策动单元声负载的研究与仿真是非常有必要的,因为压缩策动单元里声负载的作用力通常比在其他类型扬声器里的更大。从理论角度介绍了压缩策动单元的相位塞与号角设计,阐述了从振膜表面到自由场之间的声阻抗匹配问题。运用COMSOL数值仿真对不同声负载条件下的声阻抗与声功率曲线进行模拟,通过测量频响曲线与计算特殊声阻抗的理论值验证了仿真方法的准确性。使用KLIPPEL进行功率递进试验,监控在不同声负载下的音圈温升,验证声负载对压缩策动单元承受功率的影响。证明对声阻抗和声功率的仿真有助于指导优化设计压缩策动单元。     

基于模糊聚类和遗传算法的具备解释性和精确性的模糊分类系统设计

提出一种基于模糊聚类和遗传算法的模糊分类系统的设计方法.首先定义了模糊分类系统的精确性指标,给出解释性的必要条件.然后利用聚类有效性分析确定模糊规则数目,利用模糊聚类算法辨识初始的模糊分类系统.随后利用模糊集合相似性分析与融合对初始的模糊分类系统进行约简,提高其解释性;利用遗传算法对约简后的模糊分类系统进行优化,提高其精确性,该过程反复迭代直至满足中止条件.最后利用该方法进行Iris数据样本分类,仿真结果验证了该方法的有效性.     

基于参数距离的汉语普通话韵母决策树

为面向语音评测的研究构建韵母分类器,计算了汉语韵母之间语音参数的DTW距离,使用层次聚类的方法构建韵母识别路径的树状图。在此基础上,通过树状图把韵母的识别过程转换为在树状图上的二元搜索过程。使用支持向量机对每个搜索节点构建两类分类器,实现汉语韵母的分类,大部分韵母的识别率在90％以上。     

距离决策下的模糊聚类集成模型

模糊聚类是近年来使用的一类性能较为优越的聚类算法,但该类算法对初始聚类中心敏感且对边界样本的聚类结果不够准确。为了提高聚类准确性、稳定性,该文通过联合多个模糊聚类结果,提出一种距离决策下的模糊聚类集成模型。首先,利用模糊C均值(FCM)算法对数据样本进行多次聚类,得到相应的隶属度矩阵。然后,提出一种新的距离决策方法,充分利用得到的隶属度关系构建一个累积距离矩阵。最后,将距离矩阵引入密度峰值(DP)算法中,利用改进的DP算法进行聚类集成以获取最终聚类结果。在UCI机器学习库中选择9个数据集进行测试,实验结果表明,相比经典的聚类集成模型,该文提出的聚类集成模型效果更佳。