概率神经网络在文本无关说话人识别中的应用

采用基于听觉特性的Mel频率倒谱系数作为说话人识别特征参数,对概率神经网络进行了描述,并使用该网络进行了文本无关说话人识别研究.实验表明,对20名说话人,用7秒语音训练,3秒语音识别时,该方法可达到96.7%的正确识别率.     

神经网络预测模型的说话人识别算法

将神经网络预测模型（NPM）应用于说话人识别中，经过实验，获得了较满意的结果。这说明神经网络对于说话人识别是一种很有潜力的方法。     

一种基于小波神经网络混合模型的说话人识别方法

提出一种混合模型,即将隐马尔可夫模型(HMM)和小波神经网络(WNN)相结合应用于说话人识别的模型.该方法利用HMM的时序建模能力以及小波神经网络较强的模式分类能力,进行与文本无关的说话人的识别.实验表明,采用这种混合模型可以提高系统的识别率,特别在噪声环境中具有一定的噪声鲁棒性,提高了识别性能.     

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.     

基于组合神经网络的与文本无关的说话人识别

提出了一种用于N个说话人识别的组合神经网络,由N个子网组成,每个子网完成两类模式区分,将这N个子网组合起来完成N类模式的区分.子网选用RBF神经网络,并给出了自组织选取中心的方法.实验显示,对6名说话人,识别率达到94%.对10名说话人,识别率达93.17%.     

基于实数编码的遗传神经网络水淹层综合判别

为解决油层水淹后,使用一般测井解释方法很难识别水淹层的问题,提出了一种基于实数编码的遗传BP(Back Propagation)神经网络进行水淹等级综合判别的方法.在此基础上建立的神经网络经反复训练验证,性能稳定、学习收敛速度快,同时有很强的记忆能力、推广能力和适应性.对大庆长垣7口井的资料处理表明,准确率达到87%以上,取得了很好的效果.     

基于量子逻辑线路神经网络的说话人识别方法

 由于说话人的语音信号具有时变性、随机性,其特征参数也呈现出高维及相邻帧变化较大等特点。从量子信息处理理论出发,将一帧语音信号视为一个量子态,在传统神经网络的基础上,利用量子逻辑线路构造神经网络,实现说话人语音信号的有效聚类,探索一种基于量子逻辑线路神经网络的说话人识别模型与方法。利用模型固有的大量全局吸引子,可有效降低语音信号处理的时间及复杂度。通过在经典计算机上模拟仿真,并与BP神经网络说话人识别模型进行对比,表明该方法能够加快说话人识别模型的收敛速率,对参数变化具有更好的鲁棒性,且其系统识别率比BP神经网络方法平均提高了3.34%。     

基于遗传神经网络的科研项目经费预算方法

针对科研经费预算准确性与实用性无法兼顾的难题,提出基于遗传神经网络的科研项目经费预算方法.分析了科研项目经费构成及影响预算的关键因素,建立了影响因素的量化表达式,将量化结果作为输入,项目经费预算结果作为输出,利用遗传算法优化BP(Back Propagation)神经网络的权值和阈值,通过训练遗传神经网络预测模型建立输入与输出之间的非线性关系.运用预算实例对预测方法进行了有效性验证.仿真结果表明该方法有较高的预测准确性.     

一种新型的与文本相关的说话人识别方法研究

在与文本相关的说话人识别研究中,既要包含说话人身份的识别,又要包含语音文本内容的识别.提出一种基于语音识别的与文本相关的说话人识别方法,从而建立说话人的声纹模型和语音文本模型,与传统的仅建立一种模型的方法相比,该方法能更精确地描述说话人身份信息和语音的文本信息,较好地解决了短时语音样本识别效果不佳的问题.测试实验表明,和传统与文本相关的说话人识别方法(如基于动态时间规整、高斯混合-通用背景模型)相比,由本方法建立的系统虚警概率降低了8.9%,识别性能得到了提高.     

基于神经网络的与文本相关说话人辨认系统

说话人识别是语音识别的一种特殊方式,对于各种领域的身份认证具有得天独厚的优势。以线性预测系数（Linear Predielion Coefficients,LPC）作为特征参数,采用多层感知器神经网络和BP算法建立了一个与文本相关的说话人辨认系统。实验结果表明,这种神经网络系统在说话人辨认中是有效的。     

遗传算法的新改进--扰动式遗传算法

针对基于二进制编码遗传算法的精度低及二进制编码所带来的早熟等问题提出了一种新的改进方案--扰动式遗传算法(简称DGA),该方法通过对搜索区域进行微小的扰动而实现不同群体之间的竞争来提高算法的搜索性能.改进后的算法在提高精度的同时能够达到全局收敛,并能有效地处理多极值问题.对改进的算法进行了性能分析并用典型函数进行测试,结果表明,改进的效果较为显著.     

庙台槭的居群遗传结构和遗传多样性

目的 研究庙台槭(Acer miaotaiense P．C．Tsoong)自然居群的遗传结构和种内遗传多样性。方法 选取20条RAPD随机引物对3个庙台槭居群的39个个体进行PCR扩增得到一系列0，1数据，用Popgen32，AMOVA和SPSS 9．0软件进行数据分析。结果 20条引物共检测到128个RAPD位点，庙台槭物种水平的多态性位点比率为53．13％，居群水平的多态位点比率分别为秦岭中段南坡居群42．90％，中段北坡居群18．75％，秦岭西段居群32．78％。聚类分析及主成分分析显示3个居群的个体有以彼此为中心的聚集趋势。庙台槭居群间基因流大小仅为Nm=0．7036。结论 庙台槭具有较低的遗传多样性，尤其是在居群水平上；庙台槭居群间已发生了强烈的遗传分化；庙台槭居群间的基因流很小，遗传漂变和随之而来的近交可能是刻划居群遗传结构的主要因素。     

Quantitative genetic analysis station for the genetic analysis of complex traits

The Quantitative Genetic Analysis Station (QGAStation) is a software package that has been developed to perform statistical analysis for complex traits.It consists of five domains for handling data from diallel crosses,regional trials,core germplasm collections,QTL mapping,and microarray experiments.The first domain contains genetic models for diallel cross analysis,in which genetic variance components and genetic-by-environment interactions can be estimated,and genetic effects can be predicted.The second domain evaluates the performance of varieties in regional trials by implementing a general statistical method that outperforms ANOVA in tackling unbalanced data that arises frequently in trials across multiple locations and over a number of years.The third domain,using predicted genotypic values as proxy,constructs core germplasm collections covering sufficient genetic diversity with lower redundancy.The fourth domain manages genotypic and phenotypic data for QTL mapping.Linkage maps can be constructed and genetic distances can be estimated;the statistical methods that have been implemented apply to both chiasmatic and achiasmatic organisms.Another part of this domain can filter systematic noises in phenotypic data.The fifth domain focuses on the cDNA expression data that is generated by microarray experiments.A two-step strategy has been implemented to detect differentially expressed genes and to estimate their effects.Except in the fourth domain,the major statistical methods that have been used are mixed linear model approaches that have been implemented in the C language.Computational efficiency is further boosted for computers that are equipped with graphics processing units (GPUs).A user friendly graphic interface is provided for Microsoft Windows and Apple Mac operating systems.QGAStation is available at http://ibi.zju.edu.cn/software/qga/.     

用遗传算法求解旅行商问题时遗传算子的设计

阐述了遗传算法的基本原理和实现步骤,重点介绍了利用遗传算法在解决旅行商问题时采用的交叉和变异算子的设计与实现.     

一种改进的小生境遗传算法

简单遗传算法（SGA）存在早熟收敛和后期收敛速度慢的弱点，基于小生境（niche）技术的改进遗传算法因其较好地保持了种群多样性，显示出更优的性能，但它存在操作复杂、比简单遗传算法更费时的缺陷，因此提出了一种基于自适应的小生境遗传算法。该算法在多模函数的优化中能够保持种群多样度的稳定性，获取合适的子种群规模，从而以更快的收敛速度获得更优的解。仿真结果表明该算法高效、可靠，易于实现。     

一种改进的小生境遗传算法

简单遗传算法（SGA）存在早熟收敛和后期收敛速度慢的弱点，基于小生境（niche）技术的改进遗传算法因其较好地保持了种群多样性，显示出更优的性能，但它存在操作复杂、比简单遗传算法更费时的缺陷，因此提出了一种基于自适应的小生境遗传算法。该算法在多模函数的优化中能够保持种群多样度的稳定性，获取合适的子种群规模，从而以更快的收敛速度获得更优的解。仿真结果表明该算法高效、可靠，易于实现。     

面向agent的并行GA

讨论了面向agent的并行遗传算法(GA)模型,该模型属于粗粒度的并行模型,并提出了算法的实现方法 与经典粗粒度孤岛并行GA的对比分析结果表明,基于该模型的并行GA具有通讯代价小、子群体间信息交换充分等特点 此外,该模型采用多智能体技术,用agent表示群体中的个体,简化了问题,便于实现 图2,参10     

一种改进的遗传算法

采用实数编码的遗传算法 ,在基于适应值比例和最优保留策略结合的选择、数值交叉及一致变异的基础上对算法作了两方面的改进 ,即对交叉操作采用剔除无效个体和保留父代进入选择 ,在算法出现未成熟收敛的趋势时插入混沌序列 ,增加群体多样性 ,以判断算法搜索特性。对函数优化仿真结果显示 ,新方法提高了搜索精度 ,较好地克服了未成熟收敛现象 ,取得了较满意的优化效果。