汉语数码语音识别:发展现状、难点分析与方法比较

本文简述了汉语数码语音识别的发展与现状，分析了汉语数码语音识别的混淆度现象及其它困难，比较了各种实现方法，介绍了作者在实验基础上确定的一些基本参数，指出了若干改进方向。     

高校电视台节目漫谈

结合高校校园电视台的职能和特点 ,深刻剖析了高校电视台几种类型节目的特点以及对高校校园文化的作用。     

基于图像矩阵的广义主分量分析

传统的主分量分析在处理图像识别问题时是基于向量的,且没有充分利用训练样本的类别信息。该文提出了一种直接基于图像矩阵的广义主分量分析方法,该方法能够提取包含在类平均图像中的鉴别信息,与传统的主分量分析相比,具有更强的鉴别力。在ORL标准人脸库上的试验结果表明,所提出的方法不仅识别性能优于传统的主分量分析和Fisher线性鉴别分析,而且极大地提高了特征抽取的速度。     

谷物害虫图像识别中特征值提取技术的研究

本文阐述了在仓储物害虫分类识别研究中利用计算机数字图像处理技术，对谷物害虫图像的一阶灰度值直方图和图像的目标区域，自动提4取静态仓储物害虫图像的数理统计特征、纹理特征和几何形状特征的主要技术和方法。试验结果表明，该方法可以为谷物害虫的计算机自动模式识别(快速分类)提供稳定的特征参数值，有效地提高了识别率。该方法为仓储物害虫的快速鉴定和分类研究开辟了新的途径。     

基于轮廓波的纹理图像特征提取方法

文利用轮廓波分解的方向性和能量变化特性,提出了一种适用于纹理图像的特征提取方法。该方法首先通过方向可控滤波器（Steerable Filter）获得纹理图像的角度信息,然后进行轮廓波分解提取纹理在不同分解方向上的特征向量,最后将纹理的角度和方向分解的能量信息一起作为纹理的特征。由于轮廓波的方向和分解层次数目可以灵活地调节,因此特征值数量也是调节的,以达到最好的识别分类效果。本文利用简单的距离分类器对所提出的算法进行了验证,以Brodatz纹理库中的旋转纹理图像为标准,纹理分类的结果达到了满意的效果。      

Face Feature Selection and Recognition Using Separability Criterion and Binary Particle Swarm Optimization Algorithm

Discrete cosine transform （DCT） is an ef- fective method to extract proper features for face recog- nition. Discrete cosine transform can only map the re- source data to another data field instead of compress data. How to select the DCT coefficients that are most effec- tive for classification is an important problem. This paper proposes a novel method to search the best discriminant combination of DCT coefficients. A feature selection al- gorithm according to the separability criterion is used to preselect the DCT coefficients, and then follows a search algorithm based on binary particle swarm optimization and support vector machine to find an optimal combination of the DCT coefficient. The performance of the algorithm is assessed by computing the recognition rate and the num- ber of selected features on ORL database and Cropped Yale database.     

基于DCT的PCA人脸识别系统研究

人脸识别是一种重要的生物特征识别技术,它广泛应用于电脑开机、门禁系统、安全监控和重要场所的身份验证。该文提出了一种基于DCT的PCA特征提取方法,该算法先对整个原始人脸图像进行DCT变换得到系数矩阵,再提取包含原始图像大部分信息的少量系数作PCA,提取出特征脸,再进行分类识别。对ORL人脸库的仿真实验表明,该方法优于单独DCT与PCA特征提取的识别方法,并且减少了运算量。     

UWS脉冲雷达回波低信杂比识别检测算法研究

UWS脉冲雷达属于全新体制的雷达系统,低信杂比信号检测是系统关键性技术之一。现有雷达采用的相关检测理论,不适于UWS脉冲雷达系统。通过对脉冲雷达接收信号的时域特征分析,提出波形特征矢量提取及双门限识别检测理论,给出了详细的理论分析和实际算法的实验效果。基于识别检测思想,将信号检测与特征识别进行有机结合,有效减少了数据处理步骤,对于波形保真、快速处理等具有较大优势,为远距离UWS脉冲雷达的工程化实现提供了一定的理论基础。     

基于LPC分析的语音特征参数研究及其在说话人识别中的应用

对LPC（线性预测系数）参数及其派生参数进行了研究，重点讨论了各参数的计算方法，在此基础上提出了一种由LPC参数和语音帧能量构成的组合参数。利用GMM对20个说话人进行了闭集文本无关说话人识别实验。结果表明，与LPC参数的派生参数相比，该组合参数可以以较少的运算量取得与LPC派生参数相当的识别效果；与直接使用LPC参数相比，该组合参数能够在运算量增加不明显的情况下改进系统的性能，特别是在测试音长度较短的情况下，对性能的改进尤为明显。     

基于贝叶斯神经网络的垃圾邮件过滤方法

垃圾邮件过滤是当前互联网应用中急需解决的一个重要课题，日益受到人们的关注。本文提出了一种基于贝叶斯神经网络BNN(Bayesian Neural Network)的垃圾邮件过滤方法，利用贝叶斯推理和神经网络相结合的贝叶斯神经网络算法对用户给定的正常／垃圾邮件集合进行训练，得到邮件过滤模型。并且提出了一种有效的特征选择方法，采用信息增益准则，有效降低了特征维数。经过实验测试，本文提出的方法可以实现对垃圾邮件的有效过滤。