关键词语音标引系统的实现

本文实现了一个电视台媒体资产管理中的关键词语音标引系统。系统以连续混合高斯隐马尔可夫模型为基础,采用分层构筑维特比算法进行训练和识别。为实现标引的实时性,采用实时计算的方法,录音和识别同时进行。为了减少计算量,并没有将状态持续时间分布引入Viterbi译码,而是将其作为后处理部分。对于汉语数字识别的一些易混词,采用声调作为辅助判决。以此做了一个体育赛事的词库,经测试表明,关键词标引首选识别率达到93.5%,前五选识别率达到98%。     

移动终端手势识别中DTW匹配算法研究

针对现有手势识别算法中存在的计算量复杂、识别率低和效率差等不足,提出一种基于L-ADTW的移动终端手势识别的匹配方法,利用手机内置加速度传感器进行手势识别,采用差分检测方法自动检测出有效手势序列,用改进的起始松弛点对有效手势序列进行校准,使用L-ADTW匹配算法进行有效手势序列段匹配,并将匹配结果与优化阈值比较分析。实验结果表明,提出的L-ADTW算法,在保证手势匹配高效的前提下,使等错率降到2.5%,认证成功率提高了5.37%。     

汉字的线性分类实验

本文通过实验研究了在汉字识别中应用线性分类器的可能性,考察了汉字之间的线性可分性。实验使用了两种主要的线性分类器: Fisher线性判别和感知器。实验检验每一对汉字的线性可分性。实验结果表明,汉字之间的线性分类性是相当好的。尤其是Fisher线性判别,不能成功线性分类的汉字仅占百万分之4.25 。这显示了在汉字识别中应用线性分类器是有着巨大的潜力的。同时,线性分类实验结果还可用来检验所选取特征的好坏,有利于客观的评价特征。     

基于EMD的改进MFCC的语音情感识别

人在不同情感下的语音信号其非平稳性尤为明显,传统的MFCC只能反映语音信号的静态特征,经验模态分解能够精细地刻画语音信号的非平稳特性。为提取情感语音的非平稳特征,用经验模态分解将情感语音信号分解为一系列固有模态函数分量,通过Mel滤波器后取其对数能量,进行DCT反变换后得到改进的MFCC作为情感识别的新特征,采用支持向量机对高兴、生气、厌烦和恐惧等四种语音情感识别。仿真实验结果表明：改进的MFCC识别率达到77.17%,在不同的信噪比下,识别率最大可提高3.26%。     

使用范围数据的三维物体的识别

本文所使用的系统有二个工作阶段。在知识阶段,含有单个物体的景物每次一个地示给系统,景物的范围数据可利用范围测距仪获得。根据区域特性和各区域间的关系建立每一景物的描述并将这种描述存储作为物体的模型。在识别阶段,以与知识阶段同样的方式对未知景物的特征进行描述,然后把这一描述和物体模型匹配,结果可实现成堆物体按顺序地逐个识别。为提高匹配效率,可把数据驱动和模型驱动搜索过程紧密结合。实验结果表明,这一方法是很有希望的。     

对ORL人脸数据库识别过程中的参数选择策略

对ORL人脸数据库的识别大致分为两步骤:使用PCA对训练集降维提取特征向量和使用KNN对样本集进行分类。在该过程中,有两个参数直接影响着人脸识别的准确率:PCA选取的特征向量数目n和KNN中的k值。如果对它们的选取没有一个良好的策略,就会出现正确率太低、时间复杂度太高、过拟合等问题。文章采用状态空间搜索找到准确率与时间复杂度中的平衡点,得到了有效的搜索结果。     

基于改进HOG特征值的车标检测与识别方法

车标自动识别是智能交通系统中机动车辆信息采集的关键内容。根据车标具有丰富边缘信息的特征,文章应用HOG(梯度方向直方图)的特征值,采用SVM(支持向量机)的分类工具实现了车标的快速检测与识别。并提出一种改进的HOG特征值,在车标检测识别准确率上取得了显著的效果。大量实验数据以及在智能交通系统中的应用表明,该方法具有较强的鲁棒性和实用价值。     

区域电网调度系统中维护信息对称性特征识别

为提升对区域电网调度系统维护信息对称性特征的识别效率及准确率,文中首先通过小波变换方法提取区域电网调度系统中维护信息的特征,然后运用模糊C均值算法分析特征数据的分布情况,并以此为基础,获取维护信息对称性故障特征的波形,根据Ucosθ波形特征识别结果,实现对区域电网调度系统中维护信息对称性特征的识别.实验结果表明:在不同...     

基于改进BOF算法的压板状态识别方法研究

随着电网规模的扩张以及二次技术的发展,二次屏柜的压板数量急剧上升.二次压板一旦出现保护误动或拒动,将严重威胁到电网、设备与人身安全.设计了一种基于改进图像检索算法的继电保护压板状态识别系统对压板退投状态进行识别.首先,对压板图像利用背景差分法及光流法进行前景提取;然后,采用图片增强处理、边缘检测等一系列技术识别开关的投...     

基于VMD和卷积神经网络的变工况轴承故障诊断方法

针对变工况条件下轴承故障数据无法大量获取以及诊断困难的问题,提出了基于变分模态分解和卷积神经网络的轴承故障诊断方法,使用稳态工况获取的数据训练,能对变工况下的数据实现有效诊断.首先对轴承振动信号进行变分模态分解,以获得有限带宽的固有模态函数;然后构建卷积神经网络模型,采用优化技术提高模型适应性,实现对固有模态函数的自适...