法庭语音证据评价的新范式

随着法庭对证据技术的科学性要求的不断提高,国际上对于包括语音证据在内的法庭科学证据的检验与评价提出了新的范式,即基于似然比框架的证据评价。从国际上法庭采信证据的标准和要求出发,分析法庭证据评价范式转变的必要性,对法庭说话人识别技术的传统范式及发展现状进行评述,进而提出法庭语音证据评价的新范式,并对其基本内涵和核心要素进行解析,阐明其在法庭实践中的科学性、适用性及发展前景。     

统计回归模型及其优化算法综述

在大数据时代,正则化(惩罚)回归模型成为高维数据分析的一种有效分析工具.文中从统计模型理论和优化算法两个角度对正则化回归模型进行简要的概述,主要介绍线性回归模型、广义线性模型和分位数回归模型三种经典且重要的回归模型以及相应的正则项.对于线性回归模型,介绍最小二乘回归和l_1-正则最小二乘回归问题的优化算法;对广义线性模型和分位数回归模型,介绍逻辑回归模型和求解l_1-正则逻辑回归问题的优化算法,并展示分位数回归模型和求解相应的正则化分位数回归模型的优化算法.最后,对正则化回归模型未来的研究方向进行展望.     

高维数据挖掘中基于正则化估计的特征提取算法

文章基于高斯回归模型,利用坐标算法并结合KKT条件对已存在的正则估计方法进行了改进,提出了一种对高维数据更加有效的变量选择(或称特征提取)的正则化估计方法.该方法考虑了实际数据中存在的噪声对正则化估计的影响,并能对噪声进行有效估计,文中给出了改进算法的实施细节,并通过实验结果验证了该方法在一定数据范围内具有估计的有效性和提高变量选择(特征提取)的准确性.     

基于案件现实条件的法庭说话人识别系统验证

对法庭分析系统进行验证测试是保证其司法应用的前提和基础。国际上,不同法庭科学实验室在法庭说话人识别实践中采用的方法、系统和评价体系并不一致。然而,无论采用何种方法或系统,都应该基于被检案件的实际条件进行测试、验证和评价。首先,从国际上对于科学证据的要求出发,阐明进行法庭说话人识别系统验证的重要性和必要性;其次,介绍验证的基本原则和程序方法;最后,通过一项多系统验证评价的范例,表明司法实践中如何进行法庭说话人识别系统的验证评测,并对其中的重要问题加以总结说明。     

基于正则化逻辑回归的阿尔茨海默病早期诊断模型

提出了一种基于L_2正则化逻辑回归(LR)的阿尔茨海默病(AD)诊断算法.在该模型中使用了L_2范数对LR进行正则化处理,正则化参数通过十倍交叉验证来选择,同时使用了独立成分分析对预处理后的数据进行降维处理,最后使用了牛顿算法来求出模型的最优权值.通过这一算法可以有效分辨出AD及其早期阶段轻度认知障碍(MCI).实验在AD vs.CN,MCI vs.CN和LMCI vs.EMCI 3组分类任务中获得的分类准确率分别为95.22%,81.22%和74.35%.实验结果证明其为一种有效的诊断算法.     

基于相空间重构和RELM的短时交通流量预测

为了提高短时交通流量预测的精度,构建了基于相空间重构和正则化极端学习机的短时交通流量预测模型.首先采用C-C算法求解交通流量时间序列的最佳时间延迟和嵌入维数,进行相空间重构;然后选用G-P算法计算序列关联维数,判断出短时交通流量序列具有混沌特性.在此基础上,将重构数据作为正则化极端学习机的输入和输出来训练模型,并采用网格搜索法优化模型参数.最后以实测数据为基础,对模型的预测效果进行对比分析.结果表明,新构建模型的预测效果良好,能够有效提高短时交通流量预测精度.     

垂直激电测深二维自适应正则化反演

为了提高垂直激电测深2维反演的分辨率和稳定性,提出了一种针对垂直激电测深数据的自适应正则化反演方法.在整个反演过程中,正则化因子的选取无需人为干涉,实现了完全的自适应.给出了极化率数据的广义线性总体光滑约束反演方法,分别对极化率反演中初始模型的给定、偏导数矩阵的计算及自适应正则化因子的选取进行了研究,并编制了实用、高效的垂直激电测深2维反演软件.通过对模拟和实测的垂直激电测深数据反演,验证了方法的可行性和有效性,编制的反演软件可用于实际生产.     

半函数部分线性模型的经验似然推断

考虑了半函数部分线性回归模型的估计问题.在函数型数据下发展了经验似然方法.构造了参数分量的经验似然比函数,得到提出的经验对数似然比渐近于χ~2分布,可用此结果构造兴趣参数的置信域.同时,也给出了非参数函数的估计,在一定的正则条件下给出了其收敛速度.     

位场稳定向下延拓的波数域正则化-迭代法

向下延拓是位场数据处理与解释的基本方法;但其不稳定性限制了其在实际资料中的应用。首先对四种形式的向下延拓正则化方法进行系统研究,选出稳定性最强的正则化方法与迭代法相结合,由此实现了基于正则化迭代法的稳定向下延拓计算。同时,不同向下延拓方法的滤波特性对比分析结果表明正则化迭代法在计算稳定性和计算精度方面具有明显的优势。模型试验和实际航磁资料处理结果均证实了正则化迭代法具有较强的计算稳定性和计算精度;同时还具有保幅能力强和受迭代次数影响较小的优点。     

高维数据挖掘中的正则化估计新方法

针对高维数据的特点并基于线性回归模型,利用变量选择降维技术,提出了一种新的、有效的变量选择（或称特征提取）的正则化估计方法．新的正则化估计方法主要考虑了数据的噪声（方差）对正则化估计的影响,在寻找估计的正则化路径时能对方差进行有效估计,且基于凸优化问题的KKT条件和坐标算法思想给出了正则化估计算法的实施细节．实验结果表明,该方法能够提高高维数据集进行估计和变量选择的准确性,是高维数据挖掘中新的、有效的特征提取方法．     

位场向下延拓的正则化-迭代法

向下延拓是位场数据处理与解释的基本方法,但其不稳定性限制了其在实际资料中的应用。本文首先对四种形式的向下延拓正则化方法进行系统研究,选出稳定性最强的正则化方法与迭代法相结合,由此实现了基于正则化迭代法的稳定向下延拓计算。同时,不同向下延拓方法的滤波特性对比分析结果表明正则化迭代法在稳定性和计算精度方面具有明显的优势。模型试验和实际航磁料处理结果均证实了正则化迭代法具有更强的计算稳定性和计算精度,同时还具有保幅能力强和受迭代次数影响较小的优点。     

基于正则化方法的多元数据拟合问题

考虑了多元数据拟合过程中的不适定问题,采用Tikhonov正则化方法,在最小化泛函中引入正则化泛函解决整个辨识过程中的不适定问题,并且利用贝叶斯正则化方法迭代计算正则化参数及方程解。最后,通过数值模拟验证方法的有效性。     

判别正则化谱回归

谱回归(SR)算法是一种正则化的降维方法,通过学习获得回归框架下的嵌入函数,使其避免了稠密矩阵分解的问题.但是在谱回归的构图中,更加关注于类内信息,而忽视了很重要的类间信息.为此,提出一种新的降维算法——判别正则化谱回归(DRSR).它将数据集的判别信息和流行结构同时嵌入到正则项的构造中,期望使输出结果即保持同类样本间的内在邻近关系,同时又能将不同类的近邻样本尽可能分得开.最后,分析了这种算法的优缺点,并在两个常用的数据集(Yale和wine)上验证了算法的可行性及有效性.     

一种适合磁异常反演的正则化因子选取方法

为更精确地确定地下磁性物质的分布,结合工程勘察中的磁法探勘和位场反演特点,借鉴Zhdanov等提出的自适应正则化因子选取方式,提出一种适合磁异常反演的完全自适应正则化方法。在进行一次常规自适应算法的基础上,得到估计的正则化因子初始值,根据数据拟合的下降效率确定合适的正则化因子的计算值,并采用较大的衰减因子,通过自动衰减正则化因子在考虑计算效率的条件下得到较好的数据拟合和稳定的反演结果。模型实验表明,此方法的数据拟合效果比L曲线法更好,同时在解稳定的前提下减少了迭代次数。     

自适应双正则化支持向量机的解路算法

针对自适应双正则化支持向量机,证明了其最优解关于单正则化参数是分段线性的,并据此提出了完全正则化解路算法,最后,通过在急性白血病数据集上进行分类实验,验证了所提算法的有效性.     

决定系数与相关系数辅助的LASSO回归

现有LASSO回归方法尚未解决回归关系式中冗余特征和无关特征的去除问题,提出一个决定系数与相关系数辅助的LASSO回归方法。设给定响应变量Y和备选解释变量集X,首先设计结合决定系数的LASSO回归正则化路径求解方法,找出X中的主解释变量;然后,设计结合决定系数、相关系数和正则化路径的方法,在固定主解释变量条件下求解LASSO回归的正则化路径过程中,去除X中的无关变量和冗余变量。模拟数据集和真实数据集的实验结果表明,新方法解决了LASSO回归中冗余特征和无关特征的去除问题,在冗余变量和无关变量的去除效果上胜过对比方法。     

基于目标逼近特征和双向联想贮存器的情感语音基频转换

提出了一种用于情感语音合成的基频转换方法.该方法使用定量目标逼近(q TA)特征作为语音音节层的基频描述,并用高斯双向联想贮存器(GBAM)实现中性合成语音音节层q TA参数向目标情感语音音节层q TA参数的转换.在模型训练阶段,首先基于中性语料库和统计参数语音合成方法构建中性语音合成系统;然后利用少量情感录音数据,将从情感语音文本对应的中性合成语音中提取的q TA参数作为源数据,将情感录音中提取的q TA参数作为目标数据,进行GBAM转换模型的训练.在情感语音合成阶段,利用训练得到的GABM模型,实现中性合成语音基频特征向目标情感的转换.实验结果表明,该方法在目标情感数据较少的情况下可以取得比最大似然线性回归(MLLR)模型自适应方法更好的情感表现力.     

基于CUDA架构并行算法的带地形AMT二维反演实现与应用

并行计算是提高音频大地电磁（audio-frequency magnetotelluric method,AMT）数据反演效率的有效途径。本文在统一计算设备架构(compute unified device architecture,CUDA) 下开展带地形的AMT数据二维反演并行算法研究,旨在利用GPU强大的计算能力及并行计算技术实现高精度、快速度的AMT数据二维反演。首先利用有限元和自适应正则化反演算法实现AMT数据二维反演的串行化计算;然后在PGI Visual Fortran+ CUDA5.5环境下编写基于CPU+GPU的CUDA并行代码,将正演中的频率循环、反演中的模型灵敏度矩阵计算和反演方程正则化求解部分进行并行化处理;通过不同复杂程度的理论模型正反演模拟验证了该并行算法的有效性和准确性。不同模型和不同模式下的数值模拟结果对比表明,基于CPU+GPU的CUDA并行算法相较于传统的CPU串行算法,在灵敏度矩阵计算和反演方程正则化方面耗时更少,加速比最高可达10倍以上。最后将该并行算法应用于某矿区实测AMT数据的二维反演中,取得了较好的应用效果。     

基于变系数回归的高校大学生艾滋病新增病例的预测研究

利用2007—2016年湖南省高校大学生艾滋病新报告病例的数据,将2011—2016年艾滋病发病数据作为检验样本,以平均相对误差作为评价指标,建立变系数回归模型,并对2017年新报告病例数进行预测。经计算得到变系数回归模型的平均相对误差为0.6801%,灰色预测方法的平均相对误差达到20.9792%,以及2017年湖南省高校大学生艾滋病新报告病例数的预测区间为[209, 231]。结果表明变系数回归模型预测效果好于灰色预测,更适用于湖南省高校大学生艾滋病疫情预测。     

似然比在笔迹定量检验中的应用性研究

目的探讨似然比检验方法应用于笔迹量化检验鉴定,将检材数据量化分析后得出检验结果。方法收集300名受试者的笔迹样本,对选定的9个笔迹特征进行统计,然后计算出各特征在7个样本特征字笔迹中的出现概率,并求出似然比值。结果对比AFSP言语形式的6等似然比级别,彼此相关的特征性笔迹特征越多,则似然比的乘积值越大,则审判中的证据效力越强。结论似然比检验可以用于笔迹的量化检验鉴定。