基于动态环境下的说话人识别

为了解决动态环境下的说话人识别的辨认率问题,在识别阶段,把小生境粒子群算法应用于GMM之中。从实验得出,采用基于小生境粒子群的高斯混合模型提高了识别性能。     

基于改进的小生境粒子群算法在函数优化中的应用

为了克服标准粒子群算法在搜索后期中易陷入局部最优等缺点,提出了一种改进的小生境粒子群算法.通过将小生境技术引入标准粒子群算法中,保证了种群的多样性;同时在惯性权重中引入余弦函数,更改算法中认知项和社会项加速因子,加入迭代因素,并在位置更新策略中加入了飞行时间因子等策略,使其更加贴近粒子群算法的客观规律.通过对5个非线性基准测试函数进行数值仿真实验对比,结果表明改进的小生境粒子群算法在非线性的复杂函数优化中具有更好的寻优能力,避免了"早熟"现象,同时还具备收敛速度快,搜索精度高等特点.     

粒子群优化支持向量机的交通量预测方法

为了准确预测交通流量,为实施交通疏导提供参考依据,提出了一种基于小生境粒子群优化高斯小波核函数支持向量机的交通流量预测方法。首先将小波思想引入核函数,使用高斯小波核函数取代了经典支持向量机的高斯核函数。同时在支持向量机的学习算法上引入了小生境粒子群优化算法,基于小生境粒子群的多样性的优势,使得支持向量机的参数得到最优解。最后进行了预测仿真,结果表明本文方法的预测精度高于传统方法。为交通流量的预测方法提供了一种参考。     

基于CNBPSO算法的需求侧资源计划

为克服二进制粒子群优化(BPSO)算法易于陷入局部极值的不足,在粒子群算法(PSO)的速度更新公式中引入混沌参数与小生境机制,在此基础上提出了一种新的二进制粒子群(混沌小生境二进制粒子群优化,CNBPSO)算法.将新算法应用于两种不同复杂度的负荷削减需求计划问题的求解,均获得了比BPSO更好的中断方案,证实了算法的有效性,新算法具有简单、快速、均衡收敛等优点.     

用于跳频分量选取的修正适应度距离比粒子群算法

跳频信号参数估计是跳频信号截获、干扰的前提,而传统Cohen类时频分析方法存在核函数选择的瓶颈.结合匹配追踪和智能计算的思想,将多峰函数粒子群优化算法引入跳频信号时频分析领域.在分析粒子适应度和粒子间距2个影响粒子搜索行为的关键因素的基础上,提出了基于改进的适应度-距离比测度的多峰函数粒子群优化算法,并应用于跳频分量自适应选取.该方法不需要跳频信号的任何先验知识和粒子群小生境参数的人为设置.理论分析和仿真结果表明,与基于环形拓扑结构、单一共享适应度信息的粒子群优化算法相比,算法成功率和参数估计精度进一步改善,该方法的邻域搜索机制和跳频分量选取具有可行性和有效性.     

一种基于聚类分析的小生境微粒群优化算法

为了寻找多峰函数的多个极值点,在标准微粒群优化算法的基础上,提出一种基于聚类分析的小生境微粒群优化算法.采用基于密度的聚类分析方法辨识和构造小生境微粒子群,通过这种多子群方法,可以保持种群多样性,直接搜索到所有的局部/全局最优点.实验测试结果表明,该算法对一元函数优化和多元函数优化都有很好的效果.图6,参10.     

使用移动锚节点的传感器网络节点定位算法

提出一种利用移动锚节点、基于小生境粒子群的定位算法NPLA.普通待定位节点使用基于小生境思想的粒子群算法(PSO),根据接收到锚节点信号的信号强度(RSSI)值进行最优的自身位置估计.算法支持锚节点可按预定或随机路径移动,且可同时作为收集数据和管理网络的汇聚节点.所提算法具有分布式计算、实现简单及硬件需求低等特点,适合在大规模无线传感网中应用.仿真表明NPLA定位精度较以往算法有明显提高.     

基于卷积神经网络的鲁棒性说话人识别方法

为了提升说话人识别技术在复杂噪声环境下的识别性能,提出了一种基于高斯均值矩阵和卷积神经网络的鲁棒性说话人识别方法,应用于纯净语音训练出的模型上测试含噪语音的场景.其中高斯均值矩阵是采用最大后验概率(MAP)对传统的梅尔频率倒谱系数(MFCC)特征进行自适应操作得到的,这一操作增加了帧与帧之间的关联性,使特征携带更丰富的说话人身份信息.同时采用卷积神经网络进一步对帧层面的信息进行对准,并从数据中学习到更有利于说话人识别的特征表示,从而提升说话人识别的鲁棒性.实验结果表明在Libri语音数据集上,所提出方法的鲁棒性优于GMM-UBM和GSV-SVM算法.     

基于频响函数和PSO算法的结构损伤识别

为了验证粒子群算法(PSO)在结构损伤识别领域的有效性和可行性,提出了一种基于频响函数和粒子群算法的结构损伤识别方法。以单元刚度折减因子为优化变量,采用实测频响函数和计算频响函数的相关系数来构造粒子群算法的优化目标函数和适应度函数,通过该算法对IASC-ASCE SHM Benchmark结构损伤进行识别。结果表明,即使考虑一定测量噪声水平的影响,仍然能够将结构的损伤识别出来。     

粒子群优化算法在皮革排样中的应用

该文针对皮革排样优化中保持种群个体多样性和全局寻优存在的问题,研究了粒子群算法、基于小生境的粒子群算法及基于免疫原理的粒子群算法这3种方法,分别对其算法的原理和操作步骤进行阐述,增强了研究者对粒子群算法的理解,提供了研究粒子群的比较系统的算法研究现状,最后对粒子群的应用方向进行列举,使学者对粒子群算法的应用及发展有进一步了解。     

基于仿生模式识别的眉毛识别方法

在人类的眉毛已经作为一种独立的生物特征进行身份识别和前人所做的研究的基础上,本文提出了一种基于仿生模式识别的眉毛识别方法.通过实验结果表明,在一个有120人的眉毛信息库上,该方法具有较高的识别率,最高识别率可达91.67%.     

基于字符识别的门牌号识别算法研究

以门牌号为对象,利用现代图像处理技术,研究基于字符识别的门牌号识别算法,给出了算法的计算机实现方法．计算机仿真结果证明了所提算法的有效性．     

语音识别中基于MCE准则的CHMM学习方法

研究了用于ＣＨＭＭ的ＭＣＥ学习方法,提出了简单形式的识别函数、误差函数、扣池数等的定义方法以及总损失函数的最小化方法。通过对非特定人汉语连续语音识别实验,证明了提出了的函数形式和损失函数最小化方法对ＣＨＭＭ的ＭＣＥ学习的有效性。     

油气藏模式识别方法

应用地震和钻井试油资料进行模式识别研究,对油气藏分布的确定是十分有用的。本文详细介绍了作者研制的油气藏模式识别系统的方法原理。油气藏模式识别系统可以提取4类地震特征参数,进行4种地震特征变换,设计3种分类器。     

软件无线电系统中的调制识别系统组成及识别方法

在软件无线电系统中,调制识别部分由预处理、特征提取和选择、识别分类三个环节组成,其功能就是准确提取已调信号的频率、相位和幅度这三个参数的瞬时特征值,以便正确地解调出已经调制的信号,三个参数是对已调信号解调的关键.软件无线电系统中调制识别有决策论方法和统计模式识别方法两大类.     

基于图像识别技术的马氏体识别模型研究

建立了一个基于计算机图像识别技术的马氏体计算机识别系统,采用的方法是:首先对图像进行消噪处理和二值化处理,从而除去噪声并得到包含对象物和背景的二值图像,然后再对该二值图像进行灰度特征和密度特征的数学研究,从而建立马氏体的识别规则.初步评价结果表明,该规则对马氏体的识别精度较高,该系统有一定的应用价值.     

流线型主梁断面的气动导纳互谱识别

气动导纳是描述大跨度桥梁断面抖振气动力的关键环节,现存的各种导纳函数识别方法以及经典的Sears函数均与试验结果存在着不小的误差。本研究摈弃相关的假定,引入了考虑六个导纳的互谱识别方法,对于流线型主梁的典型断面进行了气动导纳识别,并分析了栏杆、紊流度、攻角等对识别结果的影响。     

车辆牌照字符识别

介绍了一个牌照字符识别系统的字符串图像提取部分和字符识别部分 .前者采用基于纹理的分割阈值选取方法 ,即先对牌照图像进行纹理分析 ,然后对取得的直方图采用模式识别中的最大最小准则决定分割阈值 ,其效果优于传统的直方图方法 .后者采用多个简单识别器融合方法进行字符识别 .这一方法根据不同类型识别器的特性 ,采用串、并联混合的方案将它们组合在一起 .与单一识别器相比 ,不仅大幅提高了识别率而且缩短了识别耗时 .这一系统对牌照汉字、数字和字母的识别率均大于 96%,总的牌照识别率为 82 %.     

基于支持向量机的步态识别新方法

为了能更好地提取步态识别参量，克服目前常用步态识别算法的不足，提出了基于频域特征提取与支持向量机（SVM）识别的新方法．首先提取下肢关节点的两维空间运动数据并进行离散傅里叶变换，然后在频域进行窗口滤波，提取中间频段的幅值和相位，以此作为步态特征识别量输入至SVM进行分类识别．使用中国科学院自动化研究所的步态数据库，分别以SVM和人工神经网络（ANN）进行识别，其正确识别率分别为84％-93％和77％-88％，表明本文的新算法具有更好的识别性能．     

基于新的模式识别方法和函数的研究

介绍了一种新的模式识别的方法（和函数方法）,证明了有限有色点组成的图形与和函数的一一对应关系,从理论上为图形识别提供了一种比较直观、简单、便于理解和实现的模式识别方法,并为计算机图形识别提供了一种方便的数字化手段。