一种快速准确的改进BIC说话人改变检测算法

针对BIC说话人改变检测中检测精度低,计算量大的问题,本文提出了一种快速准确的改进BIC说话人改变检测算法：通过提高可测度的方法来提高检测精度;在分析窗长度增加时,通过增加分析窗内第一个数据窗的长度来降低计算量;在寻找潜在改变点时,只在新增加的分析窗内计算和寻找;通过限制分析窗内第一个数据窗最大值的方法来解决长时间没有说话人改变点计算量不断增大的问题。实验结果表明该算法在不影响说话人改变检测的总准确率的基础上提高了检测精度,节省了计算量。     

一种改进型BIC话者改变检测算法

该文针对多人说话改变点检测问题,提出一种新的改进型BIC话者改变检测算法.该算法基于BIC准则确定初选改变点,再对其端点的变化趋势做进一步分析,得出说话人改变的分割点.该算法准确率达到90.2%,召回率达到95.8%.与传统BIC检测算法相比,计算更简便,准确率与召回率分别提高了62.5%和16%.     

基于分层熵检测的音频分割算法

音频分割是提取音频结构和内容语义的重要手段,是基于内容的音频分析、检索的基础.提出分层熵检测音频分割算法,采用定长分析窗分层结构遍历音频流,窗内根据熵变化趋势检测跳变点.实验结果表明,该算法避免了ΔBIC分割算法中的硬门限判决和数据累积问题,是一种更加有效的音频分割方法.     

基于最小规则自组织映射的入侵检测算法

为了解决入侵检测模型中海量数据处理问题,降低计算复杂度,提高检测精度,提出基于最小规则自组织映射的入侵检测算法;通过在真实的入侵检测数据集上进行仿真实验,将该算法与普通椭圆补丁算法、简单矩形补丁算法以及决策树算法进行对比.结果表明,该算法在检测精度、稳定性和计算时间方面优于对比算法,验证了该算法的有效性.     

一种基于目标函数的局部离群点检测方法

针对传统的基于密度的局部离群点检测算法对原始数据集没有进行预处理导致该算法在面对未知数据集时检测效果不理想,又由于其需要计算每一个数据点的离群因子,在数据量过多时,计算量大大增加的问题,通过对局部离群点检测算法的分析,提出了一种基于目标函数的局部离群点检测方法FOLOF(FCM objective function-based LOF).首先,使用肘部法则确定数据集的最佳聚类个数;然后,通过FCM的目标函数对数据集进行剪枝,得到离群点候选集;最后,利用加权局部离群因子检测算法计算候选集中每个点的离群程度.利用该方法在人工数据集和UCI数据集上进行了相关实验,并与其他相关方法进行了对比,结果显示,该算法能够提高离群点检测精度,减少计算量,有效提高离群点检测性能.     

离散傅里叶变换的自适应循环电力谐波分析算法

提出一种基于DFT的自适应循环电力系统信号分析算法,该算法将插值算法和相位差校正算法进行融合.首先使用插值算法估计被检测信号的频率,计算出最佳的信号整数倍周期的截断长度,然后利用相位差校正算法纠正测量分量的频率、相位和幅度等参数,信号中各频率分量在迭代循环中进行分离.仿真实验中,通过添加海明窗、汉宁窗、布莱克曼窗和莱夫-文森特窗等来展示该文方法的效果.实验结果表明,该方法相比其他算法具有较高的计算精度.     

一种加8项余弦窗FFT的谐波检测方法

加窗插值FFT谐波检测算法能够很好地克服传统检测方法存在的缺点,提高电网谐波的检测精度.8项余弦窗函数的谐波检测算法能够有效地抑制频谱泄露.采用四谱线插值修正的原理,推导了基于8项窗函数的四谱线插值修正公式,并利用MATLAB软件对该算法进行仿真.通过与加其他窗函数的插值算法的对比,仿真结果表明,8项余弦窗插值算法容易实现,计算量小且能够很好地提高信号参数的检测精度,适合电网谐波检测.     

微震信号初至拾取的AIC算法及其分析

为了提高微震信号P波初至到时的拾取精度,对微震信号初至拾取的赤池信息量准则(AIC)算法包括AR-AIC算法、VAR-AIC算法进行分析和对比,给出AR模型阶数M、特征函数、时窗长度对拾取结果影响及其选取规律。结果表明:AR模型阶数M对AR-AIC算法的计算精度和计算速度有较大影响,AR模型阶数M越大,算法计算速度越慢,AR模型阶数M应选择AIC(M)最小值时的阶数M或者选择AIC(M)最小值稍前的阶数M;特征函数、时窗长度对VAR-AIC算法的计算精度有影响,特征函数建议选择CF₄,时窗长度建议选择600～1 000个采样点,时窗结束时刻为信号最大振幅值时刻,开始时刻为信号最大振幅时刻向前移动600～1 000个采样点。     

基于互信息的特征选择在入侵检测中的优化

在处理入侵检测中的大规模数据时,冗余和不相关的特征数据长期造成网络数据流量分类问题,这种特征会降低分类效率和精度,并影响系统的实时检测率。该文提出了一种新的基于互信息的特征选择算法(NMIFS),该算法能处理线性和非线性相关的特征数据。在数据预处理的过程中,使用该算法选择出最优特征,然后结合常见的最小二乘支持向量机算法(LSSVM)对数据进行分类。采用入侵检测标准数据集KDD Cup 99对模型进行性能评估,对比其他新型的优化算法,结果表明NMIFS算法更有助于LSSVM算法实现更高的分类精度和效率,降低计算复杂度,同时提高模型的检测率。     

可变窗自适应核主元分析的化工过程故障诊断算法

针对核主元分析法(KPCA)处理非线性时变化工过程故障诊断易产生误报的问题,提出一种基于可变窗技术的快速自适应核主元分析(AKPCA)故障诊断算法.该算法在过程监控中当大量的数据块来临时,分别对KPCA模型进行迭代更新和复旧处理,通过计算SPE和T2统计量来调节滑动窗的尺寸,从而实现KPCA模型的进一步更新,克服了传统的自适应KPCA方法只能够处理某个时刻的一个观察点数据的缺点,能够有效地排除异常样本影响,从而提高时变过程性能检测的准确性.将该方法应用于酮苯脱蜡过程的监控中.与KPCA、滑动窗KPCA(MWKP-CA)的监测性能进行比较,仿真结果表明该方法能够很好地降低过程故障的误报率,对非线性时变的化工过程具有更可靠的检测性能.