语音合成系统中波形拼接过渡算法的研究

在现代的汉语语音合成的波形拼接合成方法中,没有考虑前后音节的声学影响,导致在音节连接处出现协同发音的低质合成,这大大降低了合成语音的自然度.为解决这一问题,提出了一个根据汉语语音韵律特征的研究,通过修改音节的韵律特征参数,实现音节之间韵律特征参数波形拼接平滑过渡的算法.实验表明本方法的有效性,其语音合成的自然度更高,对...     

固体声谐振子扰动的理论和实验研究

为进行快速无损检测(NDT),研究了固体声谐振子扰动和声学特征变化的关系.用有限元方法分析了存在和无缺陷样品的振动频率和振型,用数字信号处理技术,实验研究了样品中缺陷对声学特征的影响.实验和理论结果一致性很好,为用声学特征进行无损检测提供了理论和实验指导.     

篮球视频中基于AdaBoost分类器的运动员检测方法

针对篮球视频中运动员的检测识别问题,提出一种基于AdaBoost分类器的检测方法 .首先,从视频中获取有用帧,并通过SampleCreator软件来标记运动员,提取出全身和上半身矩形图像.然后,基于积分图技术从对象图像中提取Haar特征.接着,利用AdaBoost算法选择出具有较强分类性能的特征,训练一系列的弱分类器,并将其进行级联来构建最终的强分类器.最后,通过强分类器对Haar特征进行判别,从而检测图像中的运动员.实验结果表明,该方法能够准确检测并识别视频中的运动员.     

上下文相关汉语自动分词及词法预处理算法

提出了一种适合于汉英机器翻译的上下文相关汉语自动分词及词法预处理算法.该算法采用正向多路径匹配算法和基于上下文相关知识的歧义切分消解算法,充分利用汉英机译系统词典库中的大量语法和语义等知识进行上下文相关的规则推导消歧,使自动分词的准确率达到了99%以上.同时,该算法还对汉语中意义冗余的重叠词和可以与中心词离合的虚词等进行了词法预处理,从而一方面可以减少系统词典的收词量,另一方面方便于对句子的分析处理.     

时间词语在汉语语篇中的重要性考察

通过对时间词语的介绍,以及时间词语衔接特点的定义与分析,论述了时间词语在汉语语篇中的衔接作用;基于时间词语的衔接作用,进一步论述了时间词语对汉语语篇的整体理解作用。结合《现代汉语高级教程》中的内容,分析时间词语在汉语语篇中的衔接作用与对汉语语篇的整体理解作用,充分体现了时间词语在汉语语篇中的重要性,为对外汉语教学和留学生的汉语学习奠定基础。     

基于OpenCV运动中可变特征目标的检测和跟踪

利用OpenCV计算机视觉库实现运动中目标的检测和跟踪,其目标特征允许发生变化,在运动的情况下实现上述功能要求设计的程序代码注重实时性。使用摄像头对目标物体所在场景进行图像采集,按Haar特征的积分图运算方式,快速地产生含有当前和预估下的目标特征的级联分类器用于目标检测识别。在整个检测过程中,加入了自主学习的模块,通过不间断地对目标进行新特征采样和学习、更新级联分类器,解决在运动状态下识别产生新特征的目标。实验结果表明,本设计在目标物体或摄像头各自运动过程中能实时地有效地对目标实现检测和跟踪功能。     

基于MOABC算法的分类器研究和设计

在智能算法优化分类器参数时,经常采用加权方式将分类率和特征数目作为单目标优化。为提高分类性能和解决权值设定问题,本文提出一种基于MOABC算法的分类器设计,将分类率和特征数目作为两个优化目标,并通过相关数据进行验证。结果表明,通过多目标优化可以得出多组最优解,供决策者选择,并且分类效果明显优于作为单目标处理时所得的结果。     

固体声谐振子振动的理论和实验研究

为进行快速无损检测，研究了固体声谐振子扰动和声学特征变化的关系。用有限元方法分析了存在和无缺陷样品的振动频率和振型，用数字信号处理技术，实验研究了样品中缺陷对声学特征的影响。     

基于AdaBoost分类器和特征脸的人脸检测与识别

本文在人脸检测与识别技术理论研究的基础上,提出了一种有效的人脸检测与识别机器学习方法.该方法采用了海尔特征级联的AdaBoost分类器进行人脸检测,使用了特征脸的主分量分析法进行人脸识别.实验结果表明该方法能较快地定位并跟踪人的脸部,然后通过比较人脸数据库能较好地识别出待检人物的身份.     

基于MFANet和上下文特征融合的遥感影像目标检测

针对遥感影像背景复杂、目标尺度变化较大、类间相似性较高等特点而导致目标检测效果欠佳的问题,提出一种基于Faster R-CNN的有效且鲁棒的遥感影像目标检测方法.首先,引入可变形卷积、调制机制和空洞卷积,构造调制的特征自适应网络,提取更准确、更完整的目标信息.其次,构造上下文特征金字塔网络,提取更丰富且更具判别性的特征...     

基于人体关键部位的不良图像过滤

肤色过滤不良图像的方法对于皮肤裸露较多但不含关键部位或类肤色区域较多的图像容易产生误检,为此设计了一种基于人体关键部位的不良图像过滤系统. 首先提取人体关键部位灰度分布的Haar-like特征,采用Adaboost学习算法训练得到人体关键部位分类器;然后通过此分类器得到人体关键部位候选区域,提取其梯度
直方图特征、基于灰度共生矩阵的纹理特征和基于颜色矩的颜色特征,使用支持向量机(support vector machine,SVM)进行训练;最后将训练得到的SVM分类器二次过滤人体关键部位,以提高系统整体的精度. 实验结果表明,该系统能准确地检测出人体关键部位,有效地降低不良图像的误检率.     

月面灰度图像中的陨石坑检测

提出了一种从灰度图像中自主检测陨石坑的方法. 通过Census变换对原始图像块进行转换,用获得的图像灰度直方图作为特征向量. 利用主分量分析对特征空间进行压缩,消除直方图冗余,并利用支持向量机构建模式分类器. 最后对连续缩放陨石坑候选区域不同尺寸的陨石坑区域进行检测. 相关实验表明,该方法可有效检测出尺寸大于20×20 的陨石坑区域.     

结合背景先验和对象先验的显著性检测

提出一个结合背景先验和对象先验的显著性检测方法.首先,基于背景先验计算两个互补的测地线显著图,即基于纹理特征的测地线显著图和基于颜色特征的测地显著图;然后,计算基于对象先验的显著图;最后,训练一个贝叶斯分类器,并将这3个显著图融合,得到最终的结果.在当前使用最广且最大的用于显著性检测方法评价的公开数据集ASD和MSRA5000上的实验结果表明,该方法优于目前已有的15种方法.     

基于高维特征正则化的JPEG图像隐写分析

隐写分析是信息安全的重要内容。为提高JPEG图像隐写的检测能力,建立了散度矩阵的特征谱,提出了一种对载体和含密图像的训练特征进行变换的新方法。首先根据特征谱的分布规律进行建模,划分为3个区域：特征值下降区、平稳区、特征值为零的区域,然后通过白化处理得到白化特征向量,进而对处于3个不同区域的特征向量使用自适应正则化方法。经这几步处理得到特征转移矩阵,也就是输入特征的变换矩阵,最后取变换后特征的前t个向量完成特征选择。并将这些特征数据Fisher线性判决（Fisher linear discriminant,FLD）集成分类器进行训练。结果表明,通过对图像特征进行排序、正则化和选择,FLD集成分类器对JPEG图像隐写的识别准确率得到了提升。     

闽南语量词与日语助数词的异同比较

闽南语是汉语方言之一,相当完整的保留了汉语量词的词性与语法特点.日语量词称助数词,是随汉语文字传到日本的,迄今大多数仍沿用汉语字(词);它虽基本保留了汉语量词的词性和某些语法特征,但构词方式和用法却发生了明显的变化.本文时闽南语量词与日语助数词的异同比较,不仅有助于了解汉语作为母语或母语之一,其量词在闽南语和日语中的不同表现型态及其变化,也可从中窥见闽南语的地域特征与日语植根民族文化的独特性,有利于辨识掌握闵南语量词与日语助教词的异同及其用法.     

基于支持向量机的多特征选择目标跟踪

目标判别跟踪方法一般以单一跟踪结果(正样本)和部分负样本训练分类器,并只用单一的特征描述目标,因此在目标发生遮挡、光照变化、形变等情况下很容易导致跟踪的失败. 为了克服单一正样本和单一特征训练的分类器导致跟踪不稳定的问题,提出一种基于支持向量机的多特征描述、多个正负样本进行分类器训练的目标跟踪方法,用训练分类器对所有候选粒子的不同特征进行判别和选择,并将具有最大置信概率的粒子确定为跟踪结果. 在跟踪过程中,利用子空间学习的方法实现正样本的更新,并以更新后的正负样本训练分类器. 实验结果表明,该方法在目标存在遮挡、光照变化、形变等情况下均可以取得较好的跟踪效果.     

英汉语篇的结构差异与汉译对策

在翻译实践中,译者常常会在英汉语篇结构方面遇到不秒的差异,如:形合与意合、主动与被动等差异问题.从语篇分析的角度探讨这一问题有利提出变通对策.     

论功能语篇分析在阅读中的运用

功能语篇分析是在系统功能语言学理论基础上发展而来的一种语篇分析模式,实例分析证实它具有分析语篇的可行性.文章借助语篇实例,从文化语境(Context of culture)、情景语境(Context of situation)和语言三个方面,就Mark Twain的一篇叙事美文进行分析,旨在说明对语篇进行功能分析有助于读者从文本的袁层结构进入文章的深层结构,从而全面、深入的理解语篇.     

相同步及支持向量机在意识任务识别中的应用

提出一种衡量相同步方法,用于提取与想象运动相关的脑电信号特征量,并用支持向量机作为分类器对意识任务进行分类.特征提取与分类结果证明了该方法的有效性.     

结合transformer多尺度实例交互的稀疏集目标检测

为改进稀疏集目标检测方法存在的特征图缺乏空间细节信息、目标特征没有做到全局上下文实例交互、全局语义信息没有得到充分学习等问题，设计了一种结合自适应特征增强和实例特征交互的稀疏集目标检测算法。自适应特征增强模块在特征提取过程中利用不同尺度的池化和卷积来丰富高级语义信息，减小低级语义信息背景噪声的干扰，降低目标错检率和漏检率。实例特征交互模块在边界框回归设计中结合transformer的多层注意力，并融合通道注意力和动态卷积网络对建议框的通道信息进行增强，改善了目标的边缘信息，提高了网络的实例特征交互效率。最后在COCO2017数据集与原始网络进行实验对比，平均精度提升了4.2%，其中在大目标上提升了4.6%，在PASCAL VOC数据集上提升了2.7%。