基于支持向量机的变异语音分类研究

变异语音的训练样本有限，采用传统的分类方法进行分类，效果不够理想，而支持向量机方法在有限样本情况下可以保持很好的分类推广能力．采用支持向量机方法进行变异语音分类，提取基频和TE0基频作为变异语音分类的特征，讨论了样本预处理和参数选择等问题．提出了直接截取和DTW规正两种方法来解决语音样本特征向量长度不一致的问题．基于TE0基频特征，采用指数径向基函数(ERBF)内核，对应力(G—force)影响下的变异语音进行分类，分类正确率可达到99．2％，比传统的贝叶斯分类器和HMM分类器，分类性能分别平均提高了12．6％和6．0％．实验结果表明，采用支持向量机方法进行变异语音分类是可行的．     

神舟三号飞船搭载水稻种子M1代变化的分析

为研究空间环境处理对水稻生长发育的影响,筛选有益的突变体,在神舟三号飞船上搭载10个不同熟期水稻品种的干种子．种子返地后栽培,考察发芽率、分蘖数和抽穗期等性状,并进行显著性分析．结果表明空间环境对不同基因型品种的分蘖有刺激和抑制两种效应,不同熟期的品种抽穗期变化的方向与基因型有关．空间处理M1代亦出现5株株高变高的个体,其生物学性状与对照有明显差异．     

网络节点重要性的多指标综合评价方法

给出了网络节点重要性的一种多指标综合评价方法。从网络的备选路由数、网络被分割的程度和网络性能三方面考虑节点的重要性,分别引入"改进的生成树数目"、"改进的网络连通性"和"改进的剩余节点对距离和的增量"三个指标,并根据变异系数法,确定其权重,以其线性加权值作为节点重要性的测度。最后,利用该方法对一个无向图的节点重要性进行分析,并与节点删除法进行比较,该方法可行有效。     

从“快餐”称谓的演变看社会文化对语言变异的影响

语言不是脱离社会而存在的孤立的抽象符号系统,它是随着社会的发展而发展,随着社会的变化而变化的。一定社会的政治、文化可以影响语言,而语言反过来也会反映一定社会的政治、文化。在此以"快餐"相关词汇为例,从四个方面论述社会政治、文化对语言的影响。第一方面论述了汉语的"快餐"由来及发展,主要是从语言学角度加以区分的。第二方面从语言民族性、语言人文性两个方面阐述了"快餐"诸多词汇形成的社会文化基础。第三方面从文化传统和生活的实际要求看社会文化对语言的影响。这种影响可以从两个方面加以分析,即传统文化要求的"慢餐"和实际生活中切实需要的"快餐"。第四方面是从"快餐"词汇的变迁看中国社会经济文化的发展。从以上四方面可以得出结论:社会的不断发展和社会分工的精细化以及人们生产生活的快速化,必然导致快餐的出现和快餐称谓的不断演变。从它身上可以看到社会政治、文化对语言所产生的影响,因为它是社会政治、文化影响语言的见证。     

基于混合粒子群优化算法的改进Kriging插值法

在简单克里格插值的基础上,利用混合粒子群优化算法对变异函数的球型模型进行加权最小二乘拟合,提出了一种基于混合粒子群优化算法的改进Kriging插值法,实现了高精度的拟合,参数的全局寻优。基于黄土沟壑点云数据的实验结果表明,相较于普通克里格和遗传克里格插值法,改进算法插值精度有效提高了克里格插值精度。     

青年水库站推流方法分析

青年水库站原来使用临时曲线法定线推算流量,由于水文测验和闸门开启控制等原因,再继续使用该方法推算日平均流量已经无法达到《水文资料整编规范》精度要求.经分析采用了实测流量过程线法推算日平均流量,推算成果满足《规范》规定的精度要求.     

城市化引起的水文效应

城市化的快速发展对城市区域水文状况产生了重要影响.从城市化过程中的地表水文过程变化、城市化与地表水环境、城市化与城市水资源等方面论述了目前国内外的研究现状,并分析了目前研究中存在的不足,提出了城市水资源可持续利用对策.     

引入变异算子的粒子群优化算法

粒子群优化算法是求解函数优化问题的一种新的进化算法,然而它在求解高维函数时容易陷入局部最优。为了克服这个缺点,文中提出了一种引入变异算子的粒子群优化算法,即每次粒子更新后对种群最优位置随机选取其中一维进行变异操作,以增强算法跳出局部最优的能力。通过对5个基准函数的仿真实验,结果表明了新算法的有效性。     

水文自动测报系统常出现的故障分析

阐述水自动测报系统的组成,并对雨量终端机,遥测终端机,遥测中继机,前置机,调制解调器等常出现的故障进行了分析,提出了处理措施。     

Self-adaptive learning based immune algorithm

A self-adaptive learning based immune algorithm (SALIA) is proposed to tackle diverse optimization problems, such as complex multi-modal and ill-conditioned problems with the high robustness. The SALIA algorithm adopted a mutation strategy pool which consists of four effective mutation strategies to generate new antibodies. A self-adaptive learning framework is implemented to select the mutation strategies by learning from their previous performances in generating promising solutions. Twenty-six state-of-the-art optimization problems with different characteristics, such as uni-modality, multi-modality, rotation, ill-condition, mis-scale and noise, are used to verify the validity of SALIA. Experimental results show that the novel algorithm SALIA achieves a higher universality and robustness than clonal selection algorithms (CLONALG), and the mean error index of each test function in SALIA decreases by a factor of at least 1.0×10⁷ in average.