基于自适应分段的语音端点融合检测

语音端点检测是语音识别预处理的一个重要环节,语音端点判断正确与否直接影响到语音识别的效果。短时能量法与过零率方法是语音端点检测的两类主要方法,融合这两类算法,并结合短时频谱峰值,归纳总结了4条语音端点检测的融合检测准则。在语音分段时提出自适应逐级分段计算,寻找满足误差要求的语音起始和终止端点。语音实验验证了本文所提语音自适应分段融合检测方法的有效性,同时,该方法没有增加语音端点检测的额外计算量。     

对各国饮食构成进行聚类分析

聚类分析是数据挖掘方面重要的研究领域.K均值聚类分析将样本分成指定的几类,并且这几类的特征目前是不知道的.K-均值聚类方法是一种简单、快速和有效的聚类方法.本文用K-均值聚类方法对各国按饮食构成进行分类.     

混沌多进制直接序列扩频信号的盲解扩

为了在混沌扩频序列未知的情况下实现混沌多进制直接序列扩频信号的盲解扩,提出了一种盲解扩方法。该方法将混沌多进制扩频信号分段,借鉴数据挖掘领域的K均值聚类算法,对分段数据按照最小簇内距离、最大簇间距离的原则分类,通过平均侧影宽度完成对延迟时间和扩频序列数量的估计。对于单用户、窄带干扰以及多用户情况,进行了数值仿真。结果表明:该方法适用于混沌多进制扩频信号的盲解扩问题。     

聚类分析及其在我国各省经济发展水平分类研究中的应用

聚类分析是一种寻求客观分类的方法,它是多元统计分析中三大实用方法之一。本文首先对聚类分析的各种算法进行分类与介绍;然后总结了聚类分析在经济、生物、电子商务、保险等方面的一些应用,并对两类应用较广泛的聚类算法进行对比分析;最后结合SPSS软件,分别运用系统聚类法和 K－均值聚类法对我国31个省区经济发展水平进行分类,发现二者分类结果相同,且与我国现阶段各省各地区经济发展现状吻合度较高。     

混沌多进制直接序列扩频信号的盲解扩

为了在混沌扩频序列未知的情况下实现混沌多进制直接序列扩频信号的盲解扩,提出了一种盲解扩方法。该方法将混沌多进制扩频信号分段,借鉴数据挖掘领域的K均值聚类算法,对分段数据按照最小簇内距离、最大簇间距离的原则分类,通过平均侧影宽度完成对延迟时间和扩频序列数量的估计。对于单用户、窄带干扰以及多用户情况,进行了数值仿真。结果表明:该方法适用于混沌多进制扩频信号的盲解扩问题。     

期货公司客户风险管理的模糊聚类分析

期货公司客户信用风险的控制和管理对期货公司发展与进步有着举足轻重的作用,聚类分析可以作为客户分类方法之一为期货公司所用,而模糊聚类是聚类分析的新方法之一.本文基于期货公司客户的实际交易数据,首先提取若干特征指标作为聚类分析的基本变量,然后分别运用K-均值聚类算法和改进的模糊聚类分析方法对期货公司的客户进行分类,最后将两...     

基于模糊聚类广义回归神经网络的网络入侵研究

采用结合模糊聚类和广义神经网络回归聚类分析的方法,对5种网络入侵行为模式进行有效的聚类.首先用模糊 c 均值聚类算法将入侵数据分为5类,再将聚类的结果中最靠近每类中心的样本作为广义神经网络的聚类训练样本进行数据训练,训练输出的结果即为该个体所属的入侵类别.实验结果表明:新算法对网络入侵途径的分类精度更高,可为预防网络入侵提供更可靠的数据支持     

基于小波包熵和聚类分析的滚动轴承故障诊断方法

为了提高滚动轴承震动信号故障诊断的准确性,该文提出了一种基于小波包熵和聚类分析的集合型故障诊断方法。用小波包对滚动轴承振动信号进行三层分解,并提取其能量特征。以振动信号的能量分布作为概率分布进行信息熵运算,提取振动信号特征。为了检测是否有故障发生,结合减法聚类的思想,提出采用密度指标最高原则优化初始聚类中心的K均值聚类算法进行聚类。为了检验所提方法的有效性,采用不同故障直径的滚动轴承数据进行实验。实验结果表明,新的聚类方法克服了传统K均值聚类对初始聚类中心敏感的缺陷,其结果可以作为滚动轴承早期故障诊断的依据。     

模湖K均值聚类分析用于染料的分类

用模糊K均值聚类分析方法研究染料分类,结果表明模糊K均值聚类分析能够提供比判别分析更为丰富的信息,便于对分析结果进行研究。同时,该方法既能聚类,又能进行判别。     

基于聚类的多进制扩频伪码序列盲估计方法*

针对多进制扩频系统伪码序列估计的问题,借鉴无监督聚类分析的思想,提出了一种基于K均值聚类算法的多进制扩频系统伪码序列估计方法。该方法首先将多进制扩频信号分段成不重叠的信号向量构造数据集合,利用数据集合的自相关矩阵的检测统计量完成信号的盲同步;其次通过搜索基于K均值聚类的代价函数来估计伪码集合规模,代价函数曲线的拐点位置为伪码集合规模的估计值;最后利用数据集合的聚类特征完成伪码序列的估计。理论分析和计算机仿真表明,该方法可以准确估计多进制扩频系统伪码时延和伪码序列值。     

基于LLE和模糊核聚类的语音可视化仿真

根据语音信号的时变特性,提出了一种具有很好分类定位能力的语音可视化方法——局部线性嵌入(LLE)和模糊核聚类相结合的算法.通过利用LLE对提取的语音特征进行非线性降维,然后再利用模糊核聚类算法对其进行聚类分析,即利用Mercer核,将原始空间通过非线性映射到高维特征空间,在高维特征空间中对语音信号特征进行模糊核聚类分析.由于经过了核函数的映射,使原来没有显现的特征突现出来,从而能够更好地支持基于位置的语音可视化.以10名男生和10名女生在实验室环境下的720个语音资料(汉语元音)作为样本进行了试验,试验结果验证了该方法的可行性和有效性.     

基于逻辑回归的企业二次创业金融数据分类方法研究

企业二次创业金融数据的优化分类能提高数据的统计分析能力,提出基于逻辑回归的企业二次创业金融数据分类方法,采用自适应无监督学习的方法进行数据统计的融合处理,构建数据分布的不规则空间聚类模型,采用相空间结构重组方法进行数据的模糊特征重构,提取企业二次创业金融数据的关联规则特征量,采用逻辑回归分析方法进行数据分类的融合聚类处理,结合模糊C均值聚类方法,实现对数据分类的自适应寻优和收敛性控制,实现数据分类优化。仿真结果表明:采用该方法进行企业二次创业金融数据分类的准确性较高,收敛性较好,特征聚类能力较强。     

基因聚类分析中数据预处理方式和相似度的选择

聚类分析是基因表达数据分析研究的主要技术之一．选择恰当的数据预处理方式和相似性度量，是获得高质量聚类结果的前提．采用具有外部标准的基因表达数据集，分别以Pearson相关系数和Euclidean距离为相似度，以校正的Rand 指数比较了使用分层聚类、K-均值聚类和SOMs聚类算法对经过行标准化、列标准化和对数化处理后数据的基因聚类质量．结果表明：K-均值聚类和SOMs聚类质量显著优于分层聚类，SOMs聚类质量稍好于K-均值聚类．而且，分层聚类偏好于Pearson相关系数准则和行标准化处理，而应用K-均值聚类和SOMs算法时，则最好是对数据进行对数化处理、并以Euclidean距离为相似性度量准则．上述研究结论将为基因表达聚类分析的实施提供有价值的参考依据.     

快速准确的自动音乐/语音分段方法

自动音乐/语音分段是语音识别技术的重要部分。该文采用回声器时频分析计算平均能量谱及定长片段的优化短时低能量比,用Bayes分类器判定类型,并根据内容连续性对分段结果修正;最后采用振幅包络匹配滤波器求所有起始点,对分段结果进一步优化。实验基于多语种电视电台录音和国内电话录音数据展开,结果显示该方法的性能FMeasure可达0.987,较已有分类系统性能有大幅提升,同时处理速度也有大幅度改进。     

酿酒葡萄的等级判别方法研究

针对酿酒葡萄分类问题,在没有明确分类情况下,提出模糊C均值聚类和自主神经网络算法,在已知葡萄酒质量评分结果的前提下,首先对酿酒葡萄的理化指标和葡萄酒质量的数据进行极差归一化处理;运用模糊C均值聚算法得到分类隶属度矩阵和分类中心,并用自主神经网络无监督的学习方式成功地将酿酒葡萄分为三个等级．可以作为葡萄酒生产的参考。     

模糊K均值聚类分析在化合物酸碱性分类研究中的应用

选用化合物中影响酸碱性的 5个参数,运用模糊 K均值聚类分析方法对化合物进行酸碱性分类研究,得到了比判别分析等方法更为丰富的信息,有利于对分析结果进行研究.结果表明,模糊 K均值聚类分析既能聚类,又能进行判别,是一种具有优势的模式识别方法.     

红斑鳞状皮肤病的聚类分析

针对红斑鳞状皮肤病鉴别诊断难题,提出利用聚类分析进行诊断;采用3种k-均值、2种k-中心点、最小生成树以及密度峰值点快速搜索聚类算法对该疾病数据进行分析,比较各算法对该疾病的聚类误差平方和、聚类结果 Rand指数、Jaccard系数、调整Rand指数以及聚类准确率;比较各算法对预处理的数据子集的聚类结果与文献中采用k-均值算法对未预处理的该数据子集的聚类结果。结果表明:邻域k-中心点算法对红斑鳞状皮肤病有很好的聚类效果,聚类准确率、聚类结果 Rand指数、Jaccard系数、调整Rand指数均优于对比算法,密度全局k-均值算法的聚类效果次之,全局k-均值算法取得最佳聚类误差平方和;k-均值算法对预处理数据子集的聚类准确率最高,邻域k-中心点与密度全局k-均值算法的聚类准确率相等;数据预处理可提高k-均值算法对该疾病的诊断准确率。     

基于KM-PCA稀疏信号的盲源分离算法

欠定盲信道估计是欠定盲源分离的关键组成部分,其估计精度直接影响到源信号的估计精度.基于充分稀疏假设,在K均值聚类的基础上,提出一种新的欠定盲信道估计算法——K均值与主成分分析方法(KM-PCA算法).该算法首先对观测数据进行K均值聚类,然后对聚类分析结果分别进行主成分分析,修正其聚类中心,从而提高混叠矩阵的估计精度.采...     

一种面向数据缺失问题的K-means改进算法

文章针对聚类分析中部分数据缺失问题,提出了一种改进的K均值聚类算法,即改变原算法中计算每个数据到各簇距离的度量方法和新中心点生成方法,从而屏蔽空值数据的影响;通过选择UCI中Iris数据集,随机抽空部分数据进行测试表明,该算法可直接对存在数据空缺的数据集合进行聚类分析,并能有效屏蔽数据空缺对聚类结果的影响.     

煤矿安全生产水平分层聚类分析

针对近年煤矿事故多发问题,为实现分类管理,基于分层聚类分析展开研究.建立煤矿安全生产影响因素体系,按照构造初始矩阵、数据标准化和方法选择等步骤研究分层聚类过程及数学模型,按照绘制聚类谱系图、确定各分类的数量和分类结果建议的过程对分层聚类结果进行数据分析.结果表明:分层聚类分析方法过程清晰,可为煤矿安全生产管理提供理论依据和科学方法.