基于高斯滤波器组混合特征的录音回放攻击检测研究

录音回放是目前声纹识别技术应对各种仿冒语音攻击的主要手段。针对传统语音特征无法区分真实语音和回放语音的问题,提出一种基于高斯滤波器组的Fisher比混合倒谱特征提取算法。将高斯滤波器组代替传统三角滤波器组,分别采用线性频率和逆ERB频率替换MEL频率,形成高斯线性频率倒谱系数特征（G-LFCC）和高斯逆ERB频率倒谱系数特征（G-IEFCC）两个新的特征。通过Fisher准则将G-LFCC和G-IEFCC融合,生成新的混合特征参数,该特征提高了真实语音和回放语音在高频段的区分度,同时降低回放语音在低频段因不同录音及回放设备造成的干扰。在ASVSpoof2017评测数据上的实验结果表明,该算法混合特征具有较好的区分效果,与IMFCC、LFCC、CQCC和GSV等算法相比,等错误概率分别降低21.8%、38.8%、58.3%和43.7%。     

改进麻雀搜索算法求解作业车间调度问题

针对最小化完工时间的作业车间调度问题(JSP),提出改进麻雀搜索算法(ISSA).首先设计有效的编码转换方式,形成JSP离散决策空间与麻雀搜索算法(SSA)连续搜索空间的对应关系.然后,针对SSA在求解后期易陷入局部最优,利用量子计算、正余弦搜索和警戒者数量递减策略对SSA进行改进,同时引入多邻域搜索和高斯扰动策略以弥补SSA在求解离散问题时深度发掘能力不足的弊端.最后,进行FT、LA系列10个测试问题、6种算法和2个应用实例的对比实验.结果表明,ISSA在求解JSP时,能获得更好的最小值、平均值和寻优成功率,验证了ISSA求解JSP的有效性.     

基于微分方程数值分析的机械臂运动参数挖掘模型

在目前的运动参数挖掘模型中,通常采用差异化运动原理对运动过程进行分析,缺乏实际的公式支持,在进行参数挖掘时影响性能。因此,提出基于微分方程数值分析的机械臂运动参数挖掘模型研究。首先利用微分方程数值分析的方式来对机械臂的运动过程进行模拟,列举出其中的动态特性参数。依据动态特征参数,利用神经元网络对其中的运动参数属性进行特征提取。获得运动特征后,使用贝叶斯原理进行深入的运动参数挖掘。为了验证设计的运动参数模型性能,设计仿真实验,设定模拟机械臂,并使用设计模型与文献[3]、文献[5]、文献[13]中的参数挖掘模型进行运动参数挖掘,并对比性能的优劣性。实验结果证明,设计的运动参数挖掘模型具有较高的运算速度、实时性以及准确率,证明设计的运动参数挖掘模型具有较高的性能,满足设计初衷。     

Asymmetric Gaussian Process multi-view learning for visual classification

Methods of multi-view learning attain outstanding performance in different fields compared with the single-view based strategies. In this paper, the Gaussian Process Latent Variable Model (GPVLM), which is a generative and non-parametric model, is exploited to represent multiple views in a common subspace. Specifically, there exists a shared latent variable across various views that is assumed to be transformed to observations by using distinctive Gaussian Process projections. However, this assumption is only a generative strategy, being intractable to simply estimate the fused variable at the testing step. In order to tackle this problem, another projection from observed data to the shared variable is simultaneously learned by enjoying the view-shared and view-specific kernel parameters under the Gaussian Process structure. Furthermore, to achieve the classification task, label information is also introduced to be the generation from the latent variable through a Gaussian Process transformation. Extensive experimental results on multi-view datasets demonstrate the superiority and effectiveness of our model in comparison to state-of-the-art algorithms.     

一种提取抖动视频中前景目标的新方法

提取视频中的前景目标信息是视频处理领域非常重要的问题,考虑到现实生活中会出现监控摄像头不可避免地会出现晃动或偏移情况,造成监控视频短暂抖动,此时背景图像灰度和纹理信息都会受到较大的影响,从而给后期进一步分析前景信息带来了巨大的困难。为了兼顾纹理特征提取和噪声抑制两方面的要求,针对抖动视频的前景提取问题,提出了一种有效的融合小波变换和在线混合高斯模型的方案。首先运用仿射变换在线逐帧校准,接着利用小波变换对图像去噪,并建立自适应模型迭代上述过程,最后利用在线混合高斯模型提取前景。实验结果表明,与同类方法相比,该算法无论针对单目标还是多目标视频均可以有效去除抖动,得到较好的前景目标提取效果,具有较高的准确性和鲁棒性。     

利用混合高斯和拓扑结构的人体“鬼影”抑制算法

若在建模时存在目标,部分目标像素会进入背景模型,会在检测时产生“鬼影”。为了有效抑制“鬼影”,提出一种利用混合高斯和拓扑结构(Gaussian mixture model and topological structure,GMMT)的人体“鬼影”抑制算法。算法分为两个阶段,背景建模阶段采用双通道建模,通道一利用混合高斯模型进行预检测,接着利用拓扑结构将分散的人体目标连接获得完整的目标并取其外接矩形,然后将矩形外的像素加入背景模型,经过多帧的建模得到空背景;通道二使用多帧平均法计算背景模型。通过设置建模帧数的阈值T选择建模方式,若建模帧数小于T则使用通道一建模,否则使用双通道联合建模。目标检测阶段利用改进的背景差分法实现人体分割并进一步消除 “鬼影”。经过测试,GMMT在建模阶段存在目标的情况下可有效地抑制 “鬼影”。     

极值-I型风速预测的Bayes方法

为提高极值-I型风速预测精度,在Jeffreys准则的基础上,采用Bayes估计中的Lindley近似方法推导极值-I型风速预测表达式.采用Monte Carlo法产生服从极值-I型分布的伪风速母样,基于伪风速母样分别采用基于Bayes理论和最大似然估计理论的极值-I型风速预测方法进行风速预测,并与伪风速母样的理论值进行对比分析.结果表明:与最大似然估计法相比,采用基于Bayes理论建立的极值-I型风速预测模型进行风速预测的精度更高,且精度随着伪风速母样样本量的增加而提高,位置参数先验样本数量的增加以及先验方差的增大对计算精度没有影响.     

基于复合协方差函数的多任务模仿学习算法的研究与实现

针对多任务下机器人模仿学习控制策略的获取问题,构建复合协方差函数,采用高斯过程回归方法对示教机器人的示教行为样本点建立高斯过程回归模型,并对其中的超参数进行优化,从而得出模仿学习控制策略,模仿机器人应用控制策略完成模仿任务。以Braitenberg车为仿真实验研究对象,对其趋光、避障多任务的模仿学习进行研究。仿真实验研究结果表明：与基于单一协方差函数的模仿学习算法相比,基于复合协方差函数的模仿学习算法不仅能够实现单任务环境下的机器人模仿学习,而且能够实现多任务环境下的机器人模仿学习,且精度更高。任务环境改变实验研究结果表明该方法有很好的适应性。     

在书写任务中的基于轨迹匹配的模仿学习

针对书写任务中运动轨迹较复杂的问题,引入基于轨迹匹配的模仿学习算法对书写轨迹进行表征和泛化,进而实现机器人书写技能的获取。机器人从示教者处获取示教数据,利用高斯混合模型( Gaussian mixture model, GMM)进行编码,学习示教行为的本质特征,通过高斯混合回归进行泛化处理,实现行为再现。实验结果表明：该方法具有良好的行为编码能力和抗干扰性,能够实现轨迹可连续的汉字书写,通过对GMM的扩展能够进行多任务学习,进而实现轨迹不可连续汉字的书写,泛化效果较好。     

基于可信期望的跨域访问安全性研究

访问控制作为保护信息安全的主要手段,能够有效保证用户合法地访问网络资源。随着移动互联网的发展,跨域和跨系统等多域环境下的安全问题面临严峻挑战。为了满足云计算多域环境的访问需求,基于角色访问控制技术,提出一种适用于云计算多域环境的访问控制模型。该模型利用贝叶斯理论得出访问者的可信期望值,然后与预先设定的访问阈值进行比较,决定用户的访问请求是否被允许,且访问权限随着用户可信度动态变化而改变,避免了之前获得高信任值的用户因信任度变化而进行恶意攻击的风险。实验结果表明,提出模型不仅能减少高风险用户的访问请求量,且能满足为用户动态授权的需求。因此该模型可以有效解决云计算多域环境中的安全问题。