基于混合进化计算的GMM优化方法及其在说话人辨认中的应用

提出了基于进化高斯混合模型(EGMM)的说话人辨认系统建模方法.EGMM在进化算法的框架下,为改善模型的泛化性能对GMM模型的结构与参数共同进行了优化.同时,系统的优化目标中引入了其他用户的区分性信息以提高其分类精度.根据GMM的特点设计了专门的遗传算子并结合GA与EP提出了一种新的混合进化算法.初步实验结果表明,EGMM方法建立的说话人模型具有更强的泛化能力.在说话人辨认实验中,较之传统的GMM方法,基于EGMM的系统的正识率提高了近3%,并且模型具有更小的平均尺寸.     

基于混合神经网络的协同过滤推荐模型

数据稀疏性是推荐系统中严重影响推荐结果准确性的重要因素之一.针对数据稀疏性提出了融合卷积神经网络（convolutional neural network,CNN）和降噪自编码（denoisingauto-encoder,DAE）神经网络混合的神经网络评分预测模型（convolutional-denosing autoencoder,CDAE）对用户未评分项目进行预测评分，从而解决数据稀疏性问题.首先将向量化后的用户评论数据通过卷积神经网络训练得到用户特征向量矩阵，其次将用户特征向量矩阵作为降噪自编码神经网络的初始权重，结合用户评分数据经过降噪自编码神经网络训练，得到用户-项目预测评分，然后在此基础上进行基于用户的协同过滤推荐.最后使用movielens-1M实验数据集对比验证了提出的混合神经网络协同过滤推荐（convolutional-denosing autoencoder collaborative filtering,CDAECF）模型.实验证明，所提出的CDAECF模型能够有效地结合隐性反馈和显性反馈数据，具有较高的推荐准确率.     

基于MFCC与GFCC混合特征参数的说话人识别

针对说话人识别中单一参数表征不够全面的特点,将抗噪性能一般的传统MFCC参数与鲁棒性更强的GFCC参数相互融合,并结合它们的动态特性构成一种新的混合参数.针对特征参数维数过高造成的冗余,研究了每种特征参数各分量与识别结果的关系,舍弃其中贡献较低的分量以实现特征参数降维的目的,并将混合参数应用于基于高斯混合模型的说话人识别系统.仿真实验表明,该混合特征参数具有更好的识别性能和抗噪性.     

基于M-GCHMM步态识别研究

步态识别是通过人走路方式来识别人的身份方法.该文采用高斯多元混合输出模型,改进CHMM在步态识别中的应用.首先,采用背景减除法进行步态检测,用边缘跟踪法提取出步态图像的边缘轮廓,训练得到的关键帧用多元高斯混合输出连续隐马尔可夫模型来表示,最后用近邻法进行识别.在不同视角下,利用CASIA数据库对该算法进行验证,取得了较高的识别率,该算法对视角的变化有一定的鲁棒性.     

基于多情感说话人自适应的情感语音合成研究

提出了一种基于多情感自适应的情感语音合成方法,其创新点在于,通过SAT过程从多个说话人的情感语音语料中获得情感语音的平均音模型,对目标说话人的情感数据进行自适应变换,构建目标情感的声学参数模型,从而达到合成出目标说话人的情感语音的效果.实验表明,本方提出的方法能够获得自然度和情感相似度均较好的合成情感语音.     

利用复合特征进行模式识别的探雷研究

根据对探地雷达回波信号的分析,提出了一种利用复合特征训练神经网络并用其进行地雷探测的新方法.整个过程包括有预处理、特征提取及神经网络分类三个步骤.在特征提取的过程中,选取时域、频域、小波域能量及其统计量,以及Welch功率谱密度估计作为地下埋设目标的特征,在此基础上使用WILKS准则采用逐步判别的方法抽取关键特征,从而降低特征维数并将特征送入神经网络训练.使用地雷目标与其相近物体的数据进行对比试验和神经网络测试,结果表明,使用复合特征训练的神经网络可有效地将地雷与其他干扰物分开,提高了地雷的探测率,同时降低了虚警率.     

神经网络在车辆目标识别中的应用

提出了利用神经网络技术对战场侦察雷达目标回波的时域或频域信号进行处理,以实现对车辆目标进行分类识别的一种新算法.首先对目标的回波信号作时域或频域分析,从中提取信号的特征向量,然后利用所建立的神经网络模型对目标信号作训练识别,最后与经典谱分析的方法作比较,并采用实际数据验证这种识别算法是有效的.     

一种基于轮廓和混合高斯模型的运动车辆视频检测方法

针对光线突变对视频中运动目标检测的干扰问题,根据光线变化对事物轮廓没有直接影响的特点,提出了利用轮廓边缘元素建立自适应混合高斯背景模型的检测方法,有效地解决了由于光线突变造成的背景建模失真和前景目标难以准确提取的问题．实验表明该方法能够准确、实时地检测出复杂天气条件下的运动车辆目标,具有很强的鲁棒性．     

基于GMM-LSTM的车辆切入意图识别研究

【目的】为了能准确识别出他车的切入意图，同时解决由爆发性增长的无标签行车数据所引起的识别模型落地难的问题。【方法】本研究提出一种双层无监督的车辆切入意图识别模型，该模型由聚类模块及意图识别模块组成。聚类模块采用高斯混合模型对基于NGSIM构造的无标签数据集进行聚类分析，并挖掘其内在的数据关系，从而获取切入时不同驾驶行为对应的特征标签。意图识别模块用于识别车辆切入意图，该模块是基于LSTM搭建的。该模块先结合聚类模块来获取特征标签及无标签数据集，构造新的有标签训练集及测试集，然后将其输入到神经网络中进行训练与测试。【结果】该模型在基于真实路况的NGSIM数据集上表现较好，对驾驶意图的识别准确率达到97%，精度较高。【结论】该模型在无标签数据上具有较好的识别能力。     

基于水印神经网络的可溯源DNN模型保护方法

针对深度神经网络（deep neural networks, DNN）模型安全与版权认证的问题,提出了一种多用户溯源的水印神经网络模型,通过密钥驱动生成水印图像,将其不可见地嵌入待保护目标模型的输出图像中,实现DNN模型的知识产权保护和版权追踪。在待保护的DNN模型中添加一种编解码器网络实现水印的嵌入,并使用双流篡改检测网络作为判别器,解决了模型的输出图像中可能出现的水印残留问题,提升了水印嵌入过程的不可感知性,减少了对DNN模型性能的影响,增强了安全性。此外,通过本文设计的双阶段训练法针对不同用户分发不同的含水印模型,当发生版权纠纷时,使用另一个残差网络可以从输出图像中提取水印图像。实验证明,本方法分发含水印的模型效率较高,并且即使对多个用户分发了嵌入相似水印图像的DNN模型,水印神经网络依然可以成功对模型进行溯源。     

基于空间和时间特性的动态背景中的运动物体检测

基于高斯混合模型(GMM)的方法在运动物体检测中应用广泛,并且取得了很好的效果.然而这种方法在动态背景中,例如摇曳的树枝、喷泉、照相机的抖动等,其效果受到严重影响.主要的原因是忽略了像素间的空间相互关系,这种关系对处理动态背景十分关键.提出一种新颖的运动物体检测方法,通过同时运用空间和时间信息,有效地处理了动态背景.实验效果表明在动态背景中,新方法的效果明显好于传统的GMM方法.     

基于抗非线性SVM的几何整形可见光通信系统

非线性效应限制是高速可见光通信系统性能提升的一大瓶颈问题，为此提出将支持向量机（support vector machine，SVM）监督学习算法应用于几何整形可见光通信系统接收信号星座点的分类判决，将信号的同向分量和正交分量作为特征向量，建立最优分类界面，以降低非线性条件下星座点变形带来的符号误判，同时比较几种几何整形设计的性能.仿真分析和实验结果表明，SVM提升了非线性条件下系统的性能，在数据速率为1.2 Gbit/s的高速可见光通信传输中，圆-169几何整形16正交幅度调制（quadrature amplitude modulation，QAM）的符号误码性能最优.     

GIS数据约束的海岸带SAR图像多尺度分割

针对海岸带区域地理信息系统(geographic information system, GIS)矢量数据和合成孔径雷达(synthetic aperture radar, SAR)图像所表达信息的不同,探讨多尺度GIS矢量数据约束下的高分辨率SAR图像多尺度割. 在县级GIS矢量数据约束下,利用分形网络演化分割方法对高分辨率SAR图像进行分割,得到第1层分割结果. 然后在省级GIS矢量数据约束下,对第1层分割结果进行聚合,得到第2层分割结果. 该方法既能实现GIS矢量数据约束下的高分辨率SAR图像多尺度分割,获得满足GIS矢量数据约束和根据后向散射特征聚合的多尺度分割结果,又能消除瞬时SAR图像海岸线不确定的不足. 利用一幅天津地区的SAR图像进行实验,证实了该方法是一种有意义的图像多尺度分割方法,且得到的分割结果可用于有特定需求的图像分析和统计.     

PDM与ERP集成的技术及其实现

分析了产品数据管理(PDM)和企业资源计划(ERP)的区别，指出了将两个系统集成的必要性；介绍了集成原理，并探讨了一种基于COM的集成方法，强调只有符合企业实际的与ERP的PDM集成才是最好的集成．     

基于区块链的精准扶贫数据保护方案

针对目前数据管理中普遍存在的中心化存储、防篡改性弱、可追溯性差、缺乏安全有效的共享渠道等问题,借助区块链技术的去中心化、不可篡改等特性研究了一种基于区块链的精准扶贫数据保护方案。以个人档案的形式记录扶贫数据,依托智能合约和星际文件系统等技术使数据以数字档案形式进行新增、更新、验证、共享。将公有链和联盟链结合,以锚定数据快照信息的方式保障数据的安全性。在智能合约构建过程中,采用安全多方计算（secure multi-party computation,SMPC）技术增强合约的执行安全性,解决资金转账等敏感问题。改进Raft共识算法,将各节点的性能、可靠性、地区影响力等维度作为综合性能,设计基于节点综合性能的Raft共识算法,解决数据存储和数据处理效率的问题。利用Postman、JMeter等工具对系统的存证、吞吐量进行测试,所得结果能满足系统的需求。     

电信行业客户关系管理的数据仓库系统建设

本文将数据仓库的理念与电信行业管理决策以及支持信息的需求结合,根据企业业务系统的条件,来探讨和设计各个业务系统数据的整合及数据仓库的构建．将管理的理论与方法、基础分析模型引入到数据仓库系统,这些工具与OLAP(On-Line Analytical Processing)分析和数据挖掘的灵活结合,使数据仓库的效能得到有效的发挥,有利于数据仓库的投资回报尽快得到体现．     

机载高分辨率SAR图像数据建模

目前对高分辨率陆地合成孔径雷达图像数据特性尚缺乏充分研究. 该文提出K-S检验的改进方法并设计组合假设检验,验证高分辨率农田合成孔径雷达图像数据与球不变随机向量模型的相容性,提出一致区域概念对数据进行局部化处理,以简化数据的高阶统计特性分析. 实验表明,K-S检验改进算法对不独立样本数据具有良好的健壮性,农田的高分辨率合成孔径雷达图像数据与球不变随机向量模型是相容的. 通过对农田数据的分析验证了一致区域概念的合理性,并确定了给定数据集的一致区域空间尺度.     

多维数据仓库系统中高性能DCA-Tree Cube的研究

提出了利用R^*—tree改进的DCA—tree(data cube aggregate—tree)来创建高性能的DCA—tree cube聚集cube，阐述了创建DCA—tree cube、DCA—tree cube增量更新和MOLAP快速查询等关键技术．算法分析表明，所提出的DCA—tree cube在查询和更新效率方面要比以往DDC等方法创建的cube要高，解决了在插入新维数据时cube增量的更新维护．     

非同步CDMA系统的低复杂度迭代多用户检测算法

研究了基于非同步CDMA系统的低复杂度迭代多用户检测算法,给出了并行‘软’干扰消除随机数据联合(P-SC-PDA)和串行‘软’干扰消除随机数据联合(S-SC-PDA)两种算法,它们的计算复杂度均为o(K³)(K表示用户数).计算机仿真结果显示S-SC-PDA算法的性能明显优于P-SC-PDA算法.如果利用S-SC-PDA算法对被检测用户进行排序检测(根据译码器提供的信息先检测具有较高检测可靠度的用户,然后检测具有较低检测可靠度的用户),则系统的性能能进一步提高.