语言符号任意性原则视角下的辞格应用--以莫言《蛙》为例

修辞手法的使用是一种语用行为。将索绪尔任意性原则与《蛙》中辞格建立有效的联系，依据能指—所指理论对修辞进行剖析，可以进一步丰富该理论，有助于分析作者使用的修辞手法。所作的具体阐述表明，辞格的应用是建立在绝对任意性下的相对任意性的联系。     

HTK参数对普米语孤立词识别率的影响

普米语是一种无文字的少数民族语言,目前已处于濒危状态,建立语音语料库及开展语音识别研究是保护和传承普米语的重要手段.基于HTK的语音识别中,参数的选取对不同语言的识别率有很大的影响.针对MFCC维数、HMM状态数及GMM个数这3个参数对普米语的识别率进行研究,结果表明:普米语语音识别的最佳MFCC维数为13维,最佳HMM状态数为8个,最佳GMM个数为3个.     

佤语语音语料端点检测算法

端点检测是语音信号处理的过程中非常重要的一个环节,其准确性直接影响语音信号处理的速度和结果.特别是在实际应用中因信噪比较低,使得某些高信噪比下性能好的端点检测算法准确率也比较低.为了提高在低信噪比的环境下佤语语音端点检测的准确率,本文使用了一种基于多窗谱估计谱减法和能熵比法的语音端点检测复合算法.该算法首先利用多窗谱估计谱减法去除语音的背景噪音以提高信噪比;其次再对去噪后的语音使用能熵比算法进行端点检测;最后借助Matlab工具对佤语语音进行仿真实验.仿真结果表明:对于低信噪比的环境下的佤语语音,本文使用的基于多窗谱估计谱减法和能熵比法复合算法同常规能熵比算法相比,端点检测的准确率提高了34%.     

基于SPCE061A单片机的嵌入式语音识别系统设计

设计一款嵌入式语音识别系统,该系统硬件平台以凌阳公司的SPCE061A为核心。采用离散隐马尔科夫模型识别算法对非特定人的孤立词语音识别。实验结果表明,该系统对非特定人孤立词识别率达90%以上,性价比高,可应用于许多场合,有一定的市场前景。文章阐述了该系统各个电路模块及软件流程图的设计。     

基于非特定发音人拉祜语孤立词语音识别研究

选用200个拉祜语常用词,以词为识别单元,利用语音识别工具箱HTK开展非特定人拉祜语孤立词的语音识别研究.研究发现:特定发音人的识别率比较稳定,针对非特定发音孤立词,通过增加模型的混合高斯数目,其识别率得到显著提高,使得识别正确率保持在99%以内,为拉祜语孤立词识别提供了有效方法.     

基于LDA+kernel-KNNFLC的语音情感识别方法

结合K近邻、核学习方法、特征线重心法和LDA算法,提出了用于情感识别的LDA+kernel-KNNFLC方法.首先针对先验样本特征造成的计算量庞大问题,采用重心准则学习样本距离,改进了核学习的K近邻方法;然后加入LDA对情感特征向量进行优化,在避免维度冗余的情况下,更好地保证了情感信息识别的稳定性.最后,通过对特征空间再学习,结合LDA的kernel-KNNFLC方法优化了情感特征向量的类间区分度,适合于语音情感识别.对包含120维全局统计特征的语音情感数据库进行仿真实验,对降维方案、情感分类器和维度参数进行了多组对比分析.结果表明,LDA+kernel-KNNFLC方法在同等条件下性能提升效果最显著.     

基于卷积神经网络的连续语音识别

在语音识别中,卷积神经网络( convolutional neural networks,CNNs)相比于目前广泛使用的深层神经网络( deep neural network,DNNs),能在保证性能的同时,大大压缩模型的尺寸。本文深入分析了卷积神经网络中卷积层和聚合层的不同结构对识别性能的影响情况,并与目前广泛使用的深层神经网络模型进行了对比。在标准语音识别库TIMIT以及大词表非特定人电话自然口语对话数据库上的实验结果证明,相比传统深层神经网络模型,卷积神经网络明显降低模型规模的同时,识别性能更好,且泛化能力更强。     

后屈曲复合材料加筋壁板的破坏预测方法

建立了复合材料加筋壁板屈曲和后屈曲有限元分析模型.该模型采用实体单元有效模拟筋条和蒙皮之间的连接.连接界面采用二次应力准则作为损伤起始判据、混合能量准则作为损伤扩展判据,并自定义损伤变量实现刚度非线性衰减.复合材料壁板采用断裂面准则作为失效判据,该判据能有效判断基体的失效.基于ABAQUS动态显示分析步,模拟了复合材料加筋壁板在压缩载荷下屈曲和后屈曲的过程,有限元分析结果与试验数据对比良好,证明了该方法的有效性.     

跨文化交际语境中会话含意的理解

对合作原则的共同遵守是言语交际的成功基础,实际交际中对合作原则的违反将产生会话含意。跨文化交际中文化差异直接影响着会话含意的表达和理解,当交际一方违反合作原则时,必要的文化常识有助于完整准确地理解其会话的真实意图。充分认识文化差异,对跨文化交际会话含意的理解有着重要意义。     

Geopolitical risk and global financial cycle: Some forecasting experiments

In this study, we investigate the connection between geopolitical risk (GPR) and global financial cycle (GFCy) as well as whether the former has predictive value for the out-of-sample predictability of the latter. We utilize both the historical and recent GPR data and their variants, namely, GPR act covering all “acts” that constitute GPR such as war, nuclear invasion and terrorism, and GPR threat, which represents threats of these acts. We construct a predictive model that accommodates the salient features of the predicted and predictor series while the forecast evaluation is conducted for both in-sample and out-of-sample periods. Our findings reveal that a rise in GPR discourages investments in risky assets and by implication worsens GFCy. The impact is more severe after the global financial crisis (gfc), and the GPR threat exerts more adverse effect on GFCy compared with GPR act regardless of whether historical GPR or recent GPR is used. Meanwhile, the predictive model of GFCy that accommodates the GPR data outperforms the benchmark model that ignores it both in the in-sample and out-of-sample estimates albeit with improved forecast performance during the post-gfc period and at a longer forecast horizon. However, the recent GPR data, which are broader in scope, offer better forecast accuracy than the historical GPR data. Additional analyses involving the vulnerability of global economic conditions reveal similar outcomes as GFCy.