纳西语语音合成的初步研究

本文初步建立了一个纳西语按规则语音合成系统，该系统采用共振峰语音合成技术，以３５０个左右的无调单音节和４种声调模式为合成基元，该系统不仅适用于纳西语文－语转换系统，而且也是一个研究纳西语语音的有力工具。     

连接数字串语音识别

 介绍了语音识别的一般方法,基于隐马尔可夫 (HMM )统计模型和HTK工具包,声学层选用单音子和二音子识别单元,给出了一个简单的,母语为非汉语的非特定人连接数字串识别实验.     

基于FPGA的动态优先轮询策略在Ad Hoc网络数据采集系统中的研究与应用

Ad Hoc网络具有自组织和动态拓扑的特性,因此可采用动态优先轮询策略对其进行数据采集.该文对Ad Hoc网络数据采集系统中的数据链路层进行了详细分析和研究,通过运用动态优先轮询策略访问网络中各节点,解决了网络链路中资源竞争和分配机制中存在的问题,提高了信道的利用率及系统的稳定性.该系统利用FPGA的可重构性和灵活性,采用硬件描述语言VHDL进行设计,使用QuartusⅡ8.0进行综合和布线,最终以Altera公司的EP2C35F672C6芯片为下载目标进行测试,整个硬件设计结构简单、可靠性高、实时性好.可广泛应用于传感器网络、移动通信网络等领域.     

基于音频信号的广告检索和定位

音频信息的检索是多媒体检索技术中的一个重要方面，本文讨论一种基于音频信号的广告条目检索和定位方法，它利用短时平均过零率和互相关函数从实时音频数据流中快速检测和定位广告条目。     

加权多尺度复合窗指纹方向场建立及分级平滑

为了有效重建低质量指纹图像的脊线信息及真实的奇异点位置,提出了一种加权多尺度复合窗的指纹方向场(orientation field,OF)建立及其分级平滑算法.方法包括加权多尺度复合窗的指纹OF建立和后续的分级平滑两步.a.建立一系列不同尺度复合窗下的OF信息;通过平方梯度一致性指标确定各个尺度在整个系列中的权重;通过权重将一系列OF信息整合得到一个较为准确的粗OF.b.将粗OF量化为两种方向模式,消去孤立的方向模式得到滤波掩膜,根据滤波掩膜对OF进行二方向模式滤波;将得到的OF量化为三种方向模式,消去孤立块得到掩膜,根据掩膜对OF进行三方向模式滤波;最后得到准确且平滑的OF.对提出算法和同类算法进行实验比较,实验结果表明:提出算法能有效重建低质量指纹图像的OF,修复错误的脊线结构并保证真实的奇异点位置不偏移.     

复杂道路监控场景下的车辆检测与跟踪数据集

针对现有大部分车辆检测与跟踪数据集通常存在的采集场景单一、数据集长尾分布以及图像采集环境简单等问题,本文构建一个车辆数据集VeDT-MSS,用于城市以及乡村监控场景下4种车辆类别（小汽车、卡车、公交车和摩托车）的检测以及跟踪研究。该数据集具有交通场景多样化、卡车的类内多样性大、摩托车标注实例占比高以及背景复杂程度高4个显著特性。为了验证该数据集的有效性,在目标检测以及多目标跟踪任务上进行了大量的基线实验。实验结果表明,VeDT-MSS数据集在评估现有算法的鲁棒性和泛化性方面具有实用性。该数据集的提出对促进车辆检测与跟踪研究具有相当的潜力,并为计算机视觉社区评估算法性能提供一个新的数据选择。     

基于多层特征描述及关系学习的智能图像情感识别

针对缺少标记的情感图像数据会严重影响卷积神经网络(convolutional neural network,CNN)性能的问题,利用半监督动态学习的方法建立了大规模的图像情感数据集——Large-scale deep emotion(LSDE)数据集。为了有效弥补图像特征和人类情感之间的差异,先将图像目标与背景进行分离,之后使用关系学习网络获得基于前景和背景图像的不同层级间的关系。在LSDE数据集、Twitter2数据集以及ArtPhoto数据集上的实验结果表明,关系学习网络能够有效地提取图像的多层级特征并学习到不同层级特征之间的关系,弥补图像特征和人类情感的差异,提高图像情感识别的准确率。     

用CSS＋DIV开发技术实现网页布局

常用的网页布局方法主要有：表格和布局表格,框架布局,图层布局。传统的表格技术进行网页布局简单直观、易于理解,但布局修改困难。而最新的CSS＋DIV网页设计技术与传统布局技术相比,优势十分明显,可以实现网页内容与样式定义的分离,灵活性也更高。该文给出了CSS和DIV的概念,对比了不同的网页布局方法,说明了CSS＋DIV布局的优点,并通过一个实例说明了CSS＋DIV网页布局的实现方法。     

基于音频信号的检索定位自适应方法

音频信息的检索是多媒体检索技术中的一个重要方面。本文讨论一种基于音频信号的广告条目检索和定位的一种自适应方法，它利用短时平均过零率和互相关函数从实时音频数据流中快速检测和定位广告条目．     

基于隐马尔可夫模型的非母语说话人口音识别

基于云南境内说话人母语为纳西语、僳僳语的汉语普通话语音，采用隐马尔可夫模型(HMM)，由标准普通话语音库训练得到基线系统的声学模型(HMMSTD)．然后以基线系统的声学模型为初始模型，分别用母语为纳西语、傈僳语的汉语普通话语音训练得到各自的声学模型(HMMNX和HMMLS)，对于未知语音，根据各识别系统的概率得分。采用最大概率准则进行口音的分类判决．实验表明，基于HMM的口音识别系统，其正确识别率达93％。