基于韵律特征和语法信息的韵律边界检测模型

韵律短语边界的自动检测,对语音合成中语料库的韵律标注以及语音识别中韵律短语的自动划分都有重要意义。本文通过对影响韵律短语边界的声学、韵律等参量的分析,得到和韵律短语边界关联性较大的一组声学特征参数、韵律环境参数和语法信息;同时引入语音合成中的韵律预测思想,在假定所有音节边界均为非韵律短语边界时,预测每个音节的基频。最后使用决策树模型,将音节边界处的韵律环境信息、语法信息以及预测结果作为决策树的输入,利用决策树综合判定当前音节边界是否为韵律短语的边界。实验表明,这种方法对于基于确定性文本(text-dependent)的语音韵律短语边界的检测,具有较好效果,同时可以显著提高语音合成中语料库的标注效率和标注结果的一致性。     

多预测子融合实时连续语音识别输出词正误判别

本文在采用堆栈译码词网重估输出作为识别最终输出的连续语音识别实时解码条件下,利用决策树方法将多个预测子融合,对识别输出词进行正确和错误的判别。本文首先构造了词后验概率、词长、相邻词的后验概率、词的声学和语言得分等共13 个预测子,然后利用决策树方法,通过选择不同的预测子组合方式和适当的决策树建树参数,筛选出预测子的最佳组合,建立优化的决策树进行输出词的正误判别。实验结果表明:利用局域词图计算的词后验概率与词长、相邻词的后验概率等几种实时预测子融合后,对识别输出词的正误判别能力得到提高,并且在实时性和分类效果两个方面优于n - best 输出的相应结果,相对于基线系统, 则分类错误率下降41. 4 %。实验结果也表明本文提出的相邻词的后验概率是相对重要的预测子。     

针铁矿法沉铁过程Fe2+浓度预测建模

针铁矿法沉铁过程中反应器出口的二价铁离子浓度无法在线检测,影响到生产过程的实时优化控制.为此需要建立二价铁离子浓度预测模型,以系统入口参数和控制参数等输入条件为依据,实现预测反应器出口二价铁离子的浓度值.基于化学反应动力学理论与实验研究确立预测模型的结构;对于模型中难以确定的参数,采用蕴含大量工况信息的实际生产数据辨识得到.通过参数输出灵敏度矩阵分析参数模型的敏感度,并将灵敏度信息引入模型参数辨识的目标函数,以提高模型参数的辨识精度.仿真结果表明:预测模型具有较为明确的物理意义,预测结果能很好地跟踪现场生产数据的波动,模型的精度可以满足生产需要.     

基于极端学习机的MANET移动性预测模型

针对移动自组织网络移动性在管理无线网络带宽资源可用性方面的重要性,为了更好地规划连续服务可用性和有效能源管理以提升网络的整体服务质量,提出了一种基于极端学习机的MANET移动性预测模型。利用ELM对MANET中的任意节点进行建模;假设已知每个移动节点当前的移动性信息（位置、速度和运动方向角度）,以这种方式预测节点未来的位置和相邻节点之间未来的距离;基于几个标准移动性模型,产生更加真实、精确的移动性预测,从而更好地捕捉任意节点直角坐标系之间现有交互/相关性。使用标准移动性模型的仿真结果验证了所提模型的有效性,实验结果表明,提出的预测模型明显改进了传统基于多层感知器的模型,此外,当预测相邻节点之间未来距离时,避免了当前算法对预测精度的限制。     

软件可靠性预测的增强贝叶斯组合模型

针对当前可靠性预测模型的预测精度问题,提出一种增强贝叶斯组合的短期软件可靠性预测模型。该模型以基于小波分解的单个可靠性预测模型作为基本预测模型, 根据当前相邻几个失效时间间隔的预测精度,更新组合模型中各个基本预测模型的权重,解决了贝叶斯组合模型权重计算采用全部历史数据而导致某个基本预测模型权值占主导地位的缺陷,提高了贝叶斯组合模型对软件可靠性的预测精度。实验结果表明,增强贝叶斯组合预测模型的预测精度不仅优于单一的预测方法,而且也优于传统的软件组合预测模型,能显著提高软件可靠性预测的精度和模型对数据的适应性。     

一种拒绝服务攻击的离散概率分布预测模型

首先对聚类问题进行了描述,然后采用遗传算法实现聚类方法的优化;在优化聚类的基础上得到样本数据中网络流量-攻击数量映射关系的多种类别,建立了拒绝服务攻击的多个预测子模型,并基于Bayesian方法推导出各子模型输出对应取值概率计算方法,得到拒绝服务攻击离散概率分布预测模型.     

高效的图模型点模式匹配算法

点模式匹配的概率图模型具有很好的匹配精度,但是计算复杂度较高,当隔离子中包含异常点（outlier）时匹配精度会受到较大的影响。为了提高匹配的速度和精度,提出了一种由粗到精的图模型点模式匹配算法。利用包含特征点的窗口,用标准化互相关方法对特征点进行粗匹配,以减少异常点的数量,提高后续匹配方法的速度和精度。提出了一种新的点模式匹配的概率图模型,这种图模型能综合利用特征点的位置信息和包含特征点的邻域的灰度信息。利用提出的概率图匹配方法对粗匹配所得到的点对进行分段匹配,得到精确的匹配结果。对光学图像和遥感图像的匹配实验显示该方法能显著减少点模式匹配时间,提高匹配的精度。     

目视检测损伤检出概率BP神经网络预测模型

为了获得更可靠的检出概率,提高目视检测结果准确性,保证航空维修安全,根据检测环境影响因素实验结果,选取照明条件、检测距离、检测角度、损伤深度作为检测结果影响因素,采用反向传播（ BP）神经网络,以4个影响因素作为输入层神经元,检出概率作为输出层神经元,通过网络训练对样本数据进行仿真,建立检出概率预测模型,通过比较预测和实验数据对模型进行检验。结果表明,模型预测与实验所得检出概率值均方百分比误差为4.79',模型预测结果是有效可行的。根据目视检测损伤检出概率BP神经网络预测模型可以选择符合要求的检测条件。     

基于小波变换和ESN的P2P流量预测模型

为了提高P2P流量预测的精度,提出一种基于小波变换和回声状态网络的流量预测模型.将原始P2P流量分解为不同尺度的高低频分量,根据不同分量的流量特性匹配不同参数的ESN模型分别预测,将多路预测结果整合输出.通过对不同P2P软件的流量预测结果表明,该模型的流量预测精度可达到98％以上,显著优于传统的ESN模型和最小二乘支持向量机模型.     

考虑语速和前后环境的基频Target模型及实现

本文通过一些实验和数据分析,对以音节为单位的基频target模型(认为音节的实际基频是一个有语音学意义的隐藏的目标target和前后环境作用的结果)的实现进行修正,并结合数据挖掘的方法自动得到了一个实用化的target基频模型。文中指出,音节的target必须不受语速影响,但同时受前后语言环境影响,实际的基频曲线是在前后的韵律曲线作用下向target的一个逼近过程。文章的主要任务就是如何假设一个合理的target,实现基频的target参数自动提取,最后进行基于机器学习的模型训练,成功实现了完全自动化的完整句子的基频预测和合成。集外测试结果预测的均方误差为22Hz,相关系数为0.72。