改进的MELP低速率语音编码器

在混合激励线性预测（MELP）语音编码算法中,语音帧的突变转换导致合成语音质量的下降成为一个突出问题。为解决该问题,提出一种基于过渡帧判决算法的改进MELP模型,提高了参数估计的准确度,有效实现了语音的降噪处理。引入动态清浊音判决（U/V判决）门限将语音帧分为3种类型：浊音帧、清音帧、过渡帧,通过区分过渡帧和清浊音帧,避免了传统的U/V判决错误和清浊音帧的突变转换。给出了改进MELP编码参数比特分配表,通过PESQ—MOS测试表明,合成语音质量尤其是高频女声合成语音质量有了明显的改进。     

自相似网络通信量的滑动平均预测

研究表明具有重尾特性的自相似性网络通信量表现出长程相关的突发性。对这种不同于传统电话网通信量的长程相关的网络通信量进行描述及预测十分重要。本文在基于对称alpha-平稳分布过程的自相似通信量模型基础上,提出了两种新的对具有重尾特性自相似网络通信量的滑动平均预测方法。一种是协变正交意义下的线性无偏预测;另一种是双曲线渐近意义下具有对称平稳新息的滑动平均预测,能使预测偏差最小化。对Bellcore实验室与Lawrence实验室的原始数据进行预测实验,预测结果表明两种预测方法准确有效。     

Doc2vec在薪水预测中的应用研究

针对互联网中在线招聘的工作广告,建立准确的薪水预测模型有助于求职者选择合适的职位。目前的研究方法都是通过词频或词向量平均化计算来获取职位的文本描述信息特征,无法全面理解文本语义。针对上述问题,本文利用文本深度表示模型Doc2vec计算文本的特征向量,能更深入地表征出文本语义特征。实验结果表明,与TF-IDF和word2vec相比,使用Doc2vec提取文本特征在对薪水进行预测的效果更好。     

基于动态环境的单个智能入侵者控制模型

为解决动态环境下携带任务的单个智能入侵者在敌对区域中实现规避障碍物、逃避防卫者追捕并成功完成任务后逃脱的问题,提出了一种智能入侵者行为控制模型,设计了传感行为、向目标移动、预测动态障碍物、安全行为和优先级执行顺序等策略,最后通过仿真实验统计了在各种围捕策略下单个入侵者任务完成的成功率及相关数据,验证了模型的可行性.     

支持向量机修正ARIMA误差的微博热点预测

微博热点预测是一类贫信息、小样本、不确定性的复杂预测问题。为了提高微博热点预测精度,提出一种基于支持向量机修正ARIMA误差的微博热点预测模型(ARIMA-SVM)。首先对微博数据进行预处理、提取主题构建网络微博热点时间序列,然后采用ARIMA建立网络微博热点预测模型,并采用支持向量机对ARIMA预测误差进行修正得到微博热点最终预测结果,最后模型性能进行仿真测试。结果表明,相对于传统预测模型,ARIMA-SVM提高了网络微博热点的预测精度,预测结果具有一定实用价值。     

多领域自然语言问句理解研究

问句理解是问答系统的主要任务之一。现有的问句理解方法大多是针对简单句的,且侧重于某种句式结构的理解。提出一种多领域问句理解研究方法,其涉及领域包括人物类、电影类、音乐类、图书类、游戏类、应用类。首先基于CRF算法对问句进行分类和主体识别,然后使用谓词词典和句法分析识别出问句的谓词,最后提出一种谓词消歧方法来解决相同问句具有不同表达方式的问题。实验结果表明,在封闭测试中,所提方法的问句分类和主体识别的平均F-measure值分别为93.88%和92.44%,谓词识别和问句理解的平均准确率分别为91.03%和81.78%。因此,所做的工作基本能满足问句理解的需求。     

太阳黑子数的小波包-小波网络混沌时序预测

太阳黑子是表征太阳活动的重要现象,影响地球、人体乃至生命环境.针对影响太阳黑子的因子难以确定的问题,引入小波包和混沌相空间重构子序列揭示太阳黑子时间序列的动力学及物理规律.该方法采用小波包分解原始时间序列,用混沌相空间重构恢复影响因子,并采用小波神经网络预测子序列,再经小波包重构获得太阳黑子的最终预测结果.其中小波神经网络采用自行开发的工具箱,其具有方便、收敛速度快、数据吞吐量大、预测精度高以及实用性强等特点,对推广小波神经网络应用具有重要作用,并为太阳黑子数的预测提供了一条新途径.     

客户流失预测数据挖掘方法对比分析

本文分析了用于客户流失预测建模的主流技术及其优缺点。探讨了客户流失预测模型的研究方向．最后提出了云模型在客户流失预测中的应用。     

类正态分布数据云模型的预测算法

类似正态分布在实际的生活与生产中分布最为广泛,精确确定的模糊概念隶属函数严重影响该类数据的预测精度.云模型把随机性和模糊性结合起来,用数字特征期望、熵和超熵,揭示随机性与模糊性的关联性.基于正态云模型设计预测算法,放宽形成正态分布要求的前提条件,把精确确定隶属函数放宽到构造正态隶属度分布的期望函数,更简单、直接地完成类正态分布的数据的预测,因而更具有普遍适用性.     

基于混合模型的中长期降水量预测

针对中长期降水量预测精度较低的问题,提出了由改进集合经验模态分解方法、最小二乘法、核极限学习机和改进的果蝇优化算法构成的混合模型来对区域年度降水量序列进行预测。首先,通过改进集合经验模态分解方法将非平稳降水量时间序列分解为多个分解项。然后,根据不同分解项的特性分别采用最小二乘法和核极限学习机对其进行预测。由于核极限学习机均存在一定的参数敏感特性,因此提出使用改进的果蝇优化算法来对核极限学习机的相关参数搜索寻优,以提高其预测精度。最后,将各分解项的预测结果叠加,从而形成最终预测结果。以广东省7个地市1951－2015年的年度降水量为例,对所提方法进行了验证,结果表明:相比于自回归移动平均模型和核极限学习机模型,混合模型预测具有更高的预测精度。