说话人识别中简化的信道因子估计

在与文本无关的说话人识别研究中,因子分析是减少信道影响的有效的方法之一,但是因子分析在估计信道空间时需要大量的数据以及复杂的EM(expectation maximization)运算,在测试的时候对数似然度函数的计算量非常大.该文采用主成分分析的方法来简化信道因子的估计过程,首先采用混合Gauss模型的均值超矢量估计出信道因子所在的空间,然后通过特征映射的方法在特征参数域中减去信道因子的影响.在美国国家标准与技术研究所(NIST)2006年lconv4w-lconv4w数据库上,采用该文方法的系统等错误率相对基线系统降低24％.采用本文中的信道因子估计和特征映射的方法,能够在保持高识别性能的前提下,大大简化运算的过程,对系统的实时实现有重要的意义.     

动物生理学实验中尿的分泌实验方法的改进

<正>动物生理学是生命科学中实践性极强的学科之一,它具有自己独特研究方法。在动物生理学课程教学工作中,其实验课教学对学生理解和掌握本学     

基于核主成分分析的话题跟踪系统

话题跟踪是信息处理中的一项重要技术,如何提取鲁棒的话题样本特征是其中的研究重点。针对样本中的话题偏移问题,提出一种基于核主成分分析的算法。该算法首先利用开发集的先验知识构建加权矩阵;然后采用核主成分分析对样本进行话题偏移补偿,从而有效地去除了话题偏移的影响,提升了样本特征的鲁棒性;最后通过K-最近邻(K-nearest neighbor,KNN)和Rocchio算法进行分类。在Fisher英文数据库的话题跟踪测试结果表明,相对于基线系统,该系统在检测代价上有15%～18%的相对降低。     

采用UBM更新量作为支持向量机特征的说话人确认

在采用支持向量机的文本无关的说话人确认中,针对传统的均值超向量特征区分性不够明显的情况,该文提出采用相对背景模型的权重更新量以及均值更新量形成超向量,用这个超向量作为支持向量机的特征函数,在线性核函数的情况下,能够取得优于均值超向量和传统的Gauss混合模型一通用背景模型(GMM-UBM)的方法.在2006年美国国家标准与技术研究所说话者识别(NIST SRE)lconv4w-lconv4w数据库上,该方法相对于基线的GMM-UBM系统等错误率降低了22％.实验结果表明:权重参数在支持向量机中具有重要的作用,在不考虑与UBM的耦合性的情况下超向量能够取得更强的分类能力.     

高倍吸水树脂对抑制粉尘污染的研究

空气污染即空气中含有一种或多种污染物,其存在的量、性质及时间会伤害到人类、植物及动物的生命,损害财物、或干扰舒适的生活环境.比较常见的空气污染物包括悬浮微粒、一氧化碳、硫氧化物、氮氧化物和碳氢化合物等,大多是由人为因素而产生的. 我国处于城市化、工业化加速发展时期,基础设施建设项目多,建设项目投资规模庞大.公路、铁路、房屋、市政、大坝等大型工程施工现场遍地开花;矿山开采场、物料堆场、沥青拌和站、混凝土搅拌站、撤迁场地、弃物堆放场地随处可见.抑制粉尘污染成为当前亟需解决的问题之一.     

用于SVM说话者确认系统的序列核

为了更好的将区分式分类方法应用于说话者确认系统中,该文提出了一种应用于支持向量机(supportvector machine,SVM)说话者确认系统的新型序列核,通过Gauss混合模型训练出每个说话人模型超向量作为支持向量机的输入样本,然后根据Gauss混合模型之间的Kullback-Leibler距离度量构造的SVM序列核函数对超向量进行训练和判决.在美国国家标准与技术研究所(NIST)2004和2006年说话人识别数据库上的实验证明了该核函数能在一定程度上提升整个说话者确认系统的识别精度和鲁棒性.结果表明,本文提出的应用于说话者确认系统中的核函数不仅具有明确的物理意义,而且改善了识别系统的性能.     

基于物理的阔叶植物仿真

提出了一种基于物理的阔叶植物实时模拟算法,利用改进的半刚体结构对叶片进行建模并绘制出较为真实的动画.该方法根据阔叶植物的自然属性,在其枝干、茎、叶等分层处理的基础上,通过叶片平行脉位置方向的对角线弹性约束关系来有效控制叶片在风中的形态,并针对本模型的特点建立了具有特殊的风力模型.通过与其他模拟系统进行比较,该算法的模拟效率较高且模拟结果较为真实.     

基于动态贝叶斯网络的虚拟盆景仿真研究

虚拟植物盆景仿真是虚拟现实(VR)技术在植物生长模拟方面的应用。它既能真实地反映盆景植物的生长变化,又能逼真地模拟其外部形态。利用动态贝叶斯网络对不确定预测问题具有较强的描述能力的特点,分析植物的生理生态特征并生成虚拟植物生理生态的网络模型,通过组件接口控制其形态生长模型。由参数L系统和时变L系统结合构成的形态生长模型保证了盆景植物连续的生长特性。实验表明本系统模拟效果真实,生成的虚拟植物形态逼真。