音素隐马尔可夫模型的训练及分布共享

在语音识别中,为了得到分布共享的异音模型,先要知道与发音语境无关的音素模型．在本文中,给出一种用于训练与发音语境无关音素模型的方法,然后利用这种音素模型完成对异音模型的训练、以及对异音模型的输出分布的二值决策树聚类．实验结果表明,使用给出的方法,可以实现对与发音语境的无关音素模型,以及异音模型的可靠训练．     

基于遗传算法的人脸跟踪研究

提出了一种快速的、鲁棒的人脸定位及跟踪研究方法，定义了一种新的运动能量表示方法，利用该方法可以很快地检测出图像中的运动区域。在检测到的运动区域内，利用人的头部及面部结构知识确定出人脸区域，再将检测到的人脸区域作为模板，利用遗传算法在新的图像序列中动态地进行模板匹配，以确定人脸在新的图像序列中的位置。实验结果表明，该方法不但检测速度快，而且对光照、人脸姿态、表情及其他噪声具有较强的鲁棒性。     

2D广义中值滤波

给出了广义中值滤波的基本定义和数学模型，导出了有关性质，证明了一些滤波定理，最后在此基础上讨论了有关应用问题。     

多模态人机交互中基于笔输入的手势识别

为研究多模态人机交互系统的理论及构造方法 ,提出了一种快速的、单笔划手势识别方法 .该方法通过提取手势轨迹的关键点及各关键点的运移方向 ,形成特征码 ,然后与标准手势符号的各种可能的特征码进行匹配 .其中方向特征用于预分类 ,而关键点位置信息用于细分类 .实验结果表明该方法速度快、识别率高 .     

基于差分计盒维数的分形图像编码方法

提出了一种利用差分计盒维数(简称DBC,一种估计分形维数的方法)新的分形图像编码方法,该方法利用DBC来寻找一个与值域子块在分形维数上最接近而且与其差别小于某一预定阈值的定义域子块.这种方法的优点在于能够有效减少搜寻对应于某一值域子块的最佳定义域子块及最佳变换的搜索空间.     

自主虚拟人真实感行为与运动建模的研究

提出一个构建具有高度自主性虚拟人的集成框架,在实时虚拟环境中创建具有类人的真实感行为特征与运动能力的虚拟人.在集成框架中,感知系统使虚拟人能够获取虚拟环境中视听觉信息,对虚拟环境进行自主探索;基于决策网络的行为决策系统模拟真实人类决策的复杂性与不确定性,根据所感知的周围虚拟环境信息,做出合理的行为决策;层次式运动控制系统实现虚拟人在虚拟环境中路径规划与Steering控制,实时合成出真实感的虚拟人运动动画.实验结果表明,该集成框架能够在实时虚拟环境中有效地构建出具有高度自主性、环境感知能力以及智能行为决策与运动控制功能的真实感虚拟人.     

一种快速相关匹配搜索算法的实现及应用

相关匹配是图象处理,计算机视觉及模式识别中常用的处理方法.由于图象的数据量十分庞大,因此,相关匹配的计算量非常大,在处理中也相当费时,在实际应用中受到一定限制.为解决这一难题,前人曾做过大量的研究.本文提出一种快速相关匹配搜索算法.实验表明,利用该算法可以实现高准确度和高速度的相关匹配处理,特别是在相关系数分布呈多峰状态时其处理性能优于已有的其他算法.在实验中,模板尺寸为128×128个象素,匹配图象大小为512×512个象素,实验采用微机PC/AT 286(时钟频率为12MHz),其匹配精度可达到2个象素.处理时间为3s,如果利用传统方法,在相同的条件下,处理时间要30 min.所以,这是一种高速度、高准确度的相关匹配算法.并且,在相关系数分布为多峰状态时不会出现错匹配现象.     

信号参数模型的递推方法

本文介绍有限阶另极点模型信号的参数递推计算方法。使用文内介绍的方法确定模型参数以及信号频谱所需信号取样点数目比采用FFT或其他谱估计方法所需数目少若干倍,因而加快了信号分析的速度。     

一种进化Agent计算模型

提出了一种具有进化功能的多Ａｇｅｎｔ计算模型。Ａｇｅｎｔ作为自主活动的实体，在求解空间内具有自复制、扩散及死亡等进化行为。通过Ａｇｅｎｔ的不断进化，获得问题的最优解。详细叙述了Ａｇｅｎｔ的进化行为，给出了实现该模型的算法流程，并讨论了该算法在图像边缘检测中的应用。实验结果表明，该模型算法具有快速，高效等优点，特别适用于特征提取及检测问题。     

智能信息查询系统的研究与实现

介绍了多媒体技术支持下的智能信息查询系统，该系统可使用图象、语音、文本等多种媒体对知识库进行查询．文中提出一种用于多种媒体知识表示的混合型知识表达方法．系统可接受的查询问题形式不受限制，输出的回答内容丰富、形式多样，而且系统具有学习能力．