基于GGD模型独立成分分析算法的局部稳定性分析

 基于广义Gauss概率密度模型对超Gauss和亚Gauss源混合信号进行盲分离, 在Stiefel流形的自然梯度法框架下, 分析了独立成分分析算法的局部稳定性, 并采用几种典型非线性函数验证了所得结论的正确性和适用性.     

基于混合Gauss模型的鲁棒性人脸识别算法

针对人脸图像受表情、光照、角度变化等因素影响,传统算法难以获得较理想的人脸识别结果问题,提出一种基于混合Gauss模型的鲁棒人脸识别算法.先将每副图像划分成子块,提取其方向梯度直方图特征,并加入子块相应的空间位置信息产生人脸图像的局部特征向量;再采用全部图像的局部特征向量训练混合Gauss模型生成人脸特征向量;最后采用最小二乘支持向量机建立人脸识别分类器,实现人脸匹配与识别.采用ORL,Yale和CIGIT人脸库进行仿真对比测试,仿真结果表明,该算法的人脸识别率高于其他人脸识别算法,对光照、角度、表情等有较强的鲁棒性,且可以获得更快的人脸识别速度.     

基于混合Gauss归一化的语音转换方法

针对非对称语料库情况下的语音转换,提出了一种基于混合Gauss归一化的语音转换方法。通过背景说话人模型,分别自适应训练得到源说话人和目标说话人模型。利用训练得到的模型自适应参数,提出了基于Gauss归一化的特征映射方法,为了进一步提高转换效果,进而提出了混合Gauss归一化的方法。针对说话人模型中未被更新的参数,采用KL散度(Kullback-Leibler divergence)方法进行了优化。最后通过主客观实验对提出的算法的有效性进行了仿真和验证。实验结果表明:该文提出的基于混合Gauss归一化的语音转换方法,在倒谱失真度、转换语音的目标倾向度以及感知质量上,都获得了接近基于对称语音库的传统Gauss混合模型(Gaussian mixture model,GMM)方法的效果。     

基于正交混合Gauss模型的脱机手写数字识别

在基于统计方法的脱机手写数字识别中 ,为更加有效地描述特征的类条件概率分布 ,设计出性能优良的 Bayes分类器 ,采用了混合 Gauss模型。为减少模型的参数 ,通常假设各 Gauss分量的协方差矩阵为对角阵。由于各维特征之间统计相关 ,因此需要大量的 Gauss分量才能较好地描述特征的类条件概率分布 ,使得混合模型的阶数较高。为降低模型的阶数 ,采用了正交混合 Gauss模型 ,即先对各类别的特征分别进行 KL 变换 ,再将变换后的特征用混合 Gauss模型来表示。其中混合 Gauss模型的参数可以通过 EM算法进行估计。最后 ,在 NIST (National Institute of Standards andTechnology)手写数字样本集上对该方法的识别性能进行了验证     

基于混合算法优化神经网络的混沌时间序列预测

提出了一种混合算法优化神经网络的混沌时间序列预测模型.将粒子群优化算法与模拟退火算法过程中概率突跳的思想相结合形成一种新的混合算法,并用此混合算法优化神经网络建立预测模型.该模型克服了传统的神经网络收敛慢、易陷入局部最优等不足.利用该模型对Mackey-Glass混沌时间序列和Henon映射进行实验仿真,结果表明,该模型收敛速度快,稳定性能好,预测精度高.     

基于大津算法和深度学习的开集声纹识别自适应阈值计算方法

针对开集声纹识别的自适应阈值计算问题,提出一种基于大津算法和深度学习的阈值计算方法.首先,采用三层受限Boltzmann机堆叠而成的深度置信网络从Mel倒谱系数中提取语音深层特征;其次,通过Gauss混合模型计算特征的相似度值,对特征的相似度值使用大津算法计算阈值.实验结果表明,该方法识别效果较理想,与等错误率计算阈值...     

谱聚类在汉语方言辨识中的应用

建立一种好的声学模型对汉语方言识别系统的识别率有着重要的影响.为了改善汉语方言辨识效果,提出了一种新的高斯混合模型初始化方法.该方法将谱聚类算法运用到高斯混合模型参数的初始化之中,并与传统的K-Means初始化方法进行了比较.实验结果表明,谱聚类算法能够更好地优化高斯混合模型参数,并且系统辨识率也有了相对提高.     

基于惩罚距离的混合模型分量数自动估计算法

EM算法是对有限混合模型进行参数估计的通用算法, 然而标准EM算法中所需的混合模型分量数实际上往往是未知的. 研究并改进了一种采用惩罚性最小匹配距离估计分量数的方法, 结合贪婪EM算法框架, 提出一种可以在进行参数估计的同时, 快速准确地自动估计高斯混合模型分量数的算法. 通过一元和二元的高斯混合模型的仿真实验, 验证了算法的有效性. 关键词：有限混合模型; 分量数; 惩罚性最小匹配距离; 贪婪EM; Parzen窗; 带宽     

基于小波域非对称广义Gauss分布纹理的SAR图像盲去噪

SAR图像盲去噪对后续图像处理具有重要的意义,结合非对称广义Gauss分布提出了新的Wiener滤波算法.首先广义Gauss分布函数被推广到非对称广义Gauss函数,用来描述SAR图像纹理特征.利用该纹理模型,由最大似然准则估计图像小波域的局部信号方差.实验表明非对称广义Gauss分布盲去噪算法能够有效地滤除斑点噪声同时较好地保持图像纹理信息.     

基于最优化分类的视频镜头谱聚类算法

谱聚类是目前最有效的视频镜头聚类算法之一,但是如何自动选择最优化的分类个数仍是谱聚类算法中的难题。该文提出一种基于最优化分类的视频镜头谱聚类算法,对每个镜头采用分区域的Gauss混合模型(DGMM)进行特征建模,并提取模型参数特征作为镜头谱聚类的特征向量,通过构造DGMM和谱聚类的联合评价函数来自动选择最优化的分类个数和特征空间维数。实验结果表明,该文提出的算法比原有谱聚类算法分类结果更加准确和有效。     

基于高斯比例混合模型图像Curvelet域去噪

提出了一种基于高斯比例混合模型的图像Curvelet域去噪算法,改善了图像的去噪效果.首先对图像进行Curvelet变换.然后建立系数邻域的高斯比例混合模型.最后在模型基础上用贝叶斯最小二乘估计方法对系数进行估计.算法有效结合了Curvelet变换对图像边缘的高效表示能力和高斯比例混合模型对邻域系数相关性的概括能力.实验结果表明,在主观视觉上.该算法对图像边缘进行了很好的保护;在峰值信噪L-'c上较其他算法也有所改善;特别是对纹理细节比较丰富的图像.去噪效果更加明显.     

基于因子分析的隐马尔可夫模型

状态输出概率密度为对角协方差矩阵高斯分布的隐马尔可夫模型(HMM-DG)在帧内特征相关建模方面存在缺陷．本文将因子分析方法与HMM-DG的混合高斯建模相结合,提出了一种具有弹性的帧内特征相关隐马尔可夫模型框架一基于因子分析的隐马尔可夫模型(HMM-FA)．并导出了HMM-FA的训练算法．理论分析和仿真实验都表明：在训练数据相同的条件下,HMM-FA的性能优于HMM-DG。     

基于网格的语音关键词检索算法改进

针对多候选汉语音节网格语音关键词检索任务,在Gauss混合模型以及多候选识别算法方面进行了研究改进。首先探讨了Gauss混合模型的不同简化策略并用实验进行了验证,证明了全协方差矩阵在识别性能上的优越性;随后对经典的多候选令牌传递算法做出了针对汉语特点的改进。实验表明这2方面的研究不仅提高了以音节作为输出的语音识别引擎的单候选识别效果,也大幅提高了多候选的识别性能。最后搭建了一个基于多候选网格的语音关键词检索系统,在该系统中验证了上述改进的效果。     

接触电阻计算新方法

运用模糊系统对接触电阻进行建模.首先通过全因子法进行试验,得到足量试验数据,从试验数据中选出一部分能代表整个样本空间特征的数据作为训练数据训练模糊系统,剩下的作为测试数据对模糊系统进行测试,检测系统可靠性.然后在分析基本遗传算法与递推最小二乘算法特点的基础上,将二者结合形成混合算法,混合算法是在基本遗传算法之后进行递推最小二乘算法的运算.通过训练数据分别利用递推最小二乘算法、基本遗传算法、混合算法训练模糊系统,混合算法的收敛效果优于其他2种方法.通过训练数据建立基于回归分析的接触电阻模型.利用测试数据对各模型进行测试,并比较测试结果,混合算法训练模糊系统所得模型的测试效果是各模型中最好的.测试和比较结果说明若能得到足量训练数据,用混合算法训练模糊系统的方法对接触电阻进行建模是可行的.     

基于工位约束快速启发式算法的混合装配线分段优化

基于目前许多混合装配线多为人工装配的特点,对混合装配线改造问题进行了研究.在现有搭积木模型快速启发式算法的基础上进行改进,建立了带盒子约束可重叠搭建的积木塔模型,制定了新的搭建规则,在此基础上提出了一种适用于对原有混合装配线进行改造的带有工位约束的启发式算法;并针对混合装配线提出了分段优化的策略,将大规模问题分解为小规模问题进行研究,提高了算法的求解速度.算例验证了带工位约束启发式算法的可行性及有效性.     

MLLR特征的SVM语种识别算法

为了挖掘更多语种间区分性信息进行可靠的自动语种识别,本文提出一种将自适应领域的最大似然线性回归(maximum likelihood linear regression,MLLR)矩阵作为特征的语种识别算法。该算法首先对每个语种训练Gauss混合模型(Gaussian mixture model,GMM),然后对每个语音段在所有语种的GMM上计算MLLR矩阵。将得到的多类MLLR矩阵经归一化后拼接形成超矢量作为特征输入支持向量机(support vector machine,SVM)分类器进行训练和识别。比较了均值方差和排序两种归一化方法,并将多类MLLR-SVM算法与传统GMM语种识别算法进行对比。实验表明:排序归一化算法优于传统的均值方差归一化;建立在GMM模型基础上的MLLR-SVM系统性能有9.7%的提升,并与GMM分类器有很强的互补性。     

用于SVM说话者确认系统的序列核

为了更好的将区分式分类方法应用于说话者确认系统中,该文提出了一种应用于支持向量机(supportvector machine,SVM)说话者确认系统的新型序列核,通过Gauss混合模型训练出每个说话人模型超向量作为支持向量机的输入样本,然后根据Gauss混合模型之间的Kullback-Leibler距离度量构造的SVM序列核函数对超向量进行训练和判决.在美国国家标准与技术研究所(NIST)2004和2006年说话人识别数据库上的实验证明了该核函数能在一定程度上提升整个说话者确认系统的识别精度和鲁棒性.结果表明,本文提出的应用于说话者确认系统中的核函数不仅具有明确的物理意义,而且改善了识别系统的性能.     

基于高斯-马尔可夫随机场模型的运动目标自动分割

提出了一种基于高斯 马尔可夫随机场(GMRF:GaussianMarkovRandomField)模型的运动目标自动分割算法.该算法采用有限高斯混合模型描述视频序列帧差图像的概率分布.在此基础上建立马尔可夫随机场模型,构造系统相应的能量函数.然后通过Metroplis优化算法求解能量函数的最优解,得出标记场,提取出运动目标.实验结果证明,该算法对运动目标分割具有很好的分割效果.     

基于高斯混合密度模型的医学图像聚类方法

研究了医学图像的聚类问题,提出一种基于高斯混合密度模型的K-EM聚类算法,并将此算法用于人体腹部图像数据,实现肝、肾、脾等主要器官的分类.在算法中,随机选取腹部图像像素数据,用QAIC信息准则确定训练样本的最佳类别数;用K均值聚类算法得到混合模型的初始参数;用期望最大(EM)算法多次迭代建立腹部图像数据的混合密度模型;运用贝叶斯准则,将腹部图像所有像素值划分到混合模型中相应的模型分支,得到每个器官像素值划分的正确率与误判率.试验结果表明,新算法分类的平均正确率高于85%、误判率低于10%,优于K均值算法.     

基于改进蜂群算法的项目反应理论混合模型参数估计

基于混合项目反应理论模型, 实现了对客观题组和主观测试组成项目结构的模型构建, 并给出一种改进人工蜂群算法实现该混合模型的参数估计. 在模拟数据上通过与Winbug的对比结果验证了利用改进人工蜂群算法估计混合模型参数的有效性.