一种基于模型距离的改进的说话人识别技术

提出了一种测量高斯混合模型距离的方法。基于此方法提出一种改进的说话人识别系统:首先从语音中提取几种参数;再分别训练高斯混合模型;然后选择使说话人辨认系统模型平均距离较大的那种特征参数的高斯混合模型,作为该说话人的训练模型;最后在识别时提取此种特征参数进行识别。本文仿真了两种不同模型平均距离的特征参数的正确识别率。实验结果表明:对说话人辨认系统来说,采用使模型平均距离较大的特征参数,所对应的识别性能较好。     

R1234yf+CO2和R1234ze (E)+CO2二元混合物的比容平移Soave-Redlich-Kwong方程

采用温度相关比容平移项的比容平移Soave-Redlich-Kwong（VTSRK）方程计算新工质R1234yf和R1234ze（E）的热力学性质以及两种物质与CO₂的二元混合物性质,混合物计算采用van der Waals混合规则,二元交互作用系数由密度数据拟合得到。对纯净物计算与专用状态方程进行对比,VTSRK方程比SRK方程显著改善了液相密度表征效果。对混合物的密度计算结果与实验数据进行对比,对于R1234yf+CO₂二元混合体系方程与实验数据相对均方根偏差为1.17%,对于R1234ze（E）+CO₂二元混合体系相对均方根偏差为0.82%。结果显示,采用温度相关比容平移项的VTSRK方程应用于R1234yf和R1234ze（E）纯流体以及R1234yf+CO₂和R1234ze（E）+CO₂密度性质计算,可获得较高精度。     

一种新型遗传算法的研究

根据自然界普遍存在的进化收敛现象．本文提出了一种新型的混合遗传算法(Mix genetic algorithm．MGA)。MGA算法将生物的进化过程建模成一个在表现型与基因型两个层面上同时进行的生命过程。MGA不仅考虑了表现型层面上的进化过程，还引入了基因型层面上的进化及两个层面问的相互映射关系。本文通过二维Rosenbrock函数数值优化的例子．展示了MGA良好的在线性能指标和离线性能指标，并分析了MAG算法实际上是“r—K策略连续统”。理论分析表明．MGA算法总能以概率1收敛于最优解。MGA算法性能优良，容易编程实现，并在一定程度上克服了基本遗传算法搜索时的盲目性．有较好的应用前景。最后文中给出了计算机仿真结果。     

一种适合于宽带语音的清浊音分类算法

提出了一种在宽带语音(50-7500Hz)中进行清浊音分类的方法,该方法通过估计和跟踪信号的高频能量和低频能量提取语音信号,并针对宽带语音的特点,用特殊的高低频谱能量比和周期性水平组合参数进行清浊音分类.算法设计了一种可以在所有语音帧更新阈值的方法,在比较复杂的背景噪声条件下仍能较准确地更新阈值,从而保证清浊音分类有效进行.仿真结果表明,本文方法能准确地对宽带语音进行分类,具有一定的抗噪声性能,且算法的复杂度较低,具有一定的实用价值.     

铁矿石境外投资风险评估的模糊神经网络模型

论文将模糊理论与神经网络结合,对铁矿石境外投资所涉及的风险因素分别从资产影响、威胁频度两方面进行分析,建立了铁矿石境外投资的风险层次化结构,并构造了各因素所对应评判集的隶属度矩阵;综合运用模糊推理算法与神经网络仿真技术,对铁矿石境外投资的风险进行评估,进而判定铁矿石境外投资风险等级。最后,通过计算铁矿石境外投资的市场风险说明了算法的应用,并将结果与模糊综合评估得到的风险值进行比较,检测了模型的有效性。     

移动互联网应用安全课程线上教学创新实践

针对新冠疫情期间"停课不停学"的教学需求,分析计算机类专业课线上教学的平台及工具,结合北京工业大学的课程特点,阐述以学生为中心的创新教学实践过程,通过课程教学数据的分析,说明教学效果.     

高效容错的无线传感网事件及其边界检测算法

事件检测与事件边界检测是无线传感器网络的重要应用之一,节点故障的准确检测是提高事件与事件边界检测效率的前提.然而,目前的故障检测机制对节点故障类型分析不够明晰,导致系统可能将事件边界节点误判为故障节点,且常需要传感器节点间进行频繁通信,导致网络系统容错性能和节点利用率低下,并带来额外的能耗开销.为了达到较高的检测精度与能源利用率,提出了一种新的高效容错的无线传感网事件及其边界检测算法：利用时间相关性实现无线传感器网络事件检测,利用空间相关性实现故障检测与事件边界检测;提出了节点的信息可靠度恢复机制,使得节点能够根据网络环境的变化,自动调整节点的信息可靠度.实验结果表明,即使在故障概率较高的情况下,该策略仍然具有良好的性能表现.     

基于奇异值分解和神经网络的个性化信息模式识别

随着信息资源的持续增长,信息获取系统为特定用户提供特定信息服务的需求越来越重要。该文提出了基于奇异值分解和神经网络的个性化信息模式识别的方法,可以方便地获取用户信息需求的特征,并且利用这些特征信息完成个性化的信息识别和匹配,即实现个性化信息的模式识别,进而实现信息的个性化获取和管理。该文中的算法实现简单,可以方便地应用到目前的一些信息管理、服务系统中。     

EMS与C的文件型接口系统

早期的PC机只能寻址1M,而这1M中能给用户使用的只有低640K,高384K用于多种目的,如视频适配器,硬盘控制器,ROM BIOS等等。现在,由于硬件的升级和软件的支持,PC机已经拥有两大内存来源:EMS(Expanded Memory Specification),XMS(Extended Memory Specification)。 XMS是通过扩大寻址能力而得到的内存,它位于1M的上面,显示这是“正宗”的主存。EMS是在XMS出现之前通过加装内存板来实现的,它并不占用主存的地址空间,而是通过映射来访问的。本文只介绍EMS,因为它出现得早,是由Lotus,Intel,Microsoft三家公司联合开发的,有大量的软件支持,当没有EMS时,还可用EMM386将XMS模拟成EMS。