Maximum Likelihood A Priori Knowledge Interpolation-Based Handset Mismatch Compensation for Robust Speaker Identification

Unseen handset mismatch is the major source of performance degradation in speaker identification in telecommunication environments. To alleviate the problem, a maximum likelihood a priori knowledge interpolation （ML-AKI）-based handset mismatch compensation approach is proposed. It first collects a set of handset characteristics of seen handsets to use as the a priori knowledge for representing the space of handsets. During evaluation the characteristics of an unknown test handset are optimally estimated by interpolation from the set of the a priori knowledge. Experimental results on the HTIMIT database show that the ML-AKI method can improve the average speaker identification rate from 60.0% to 74.6% as compared with conventional maximum a posteriori-adapted Gaussian mixture models. The proposed ML-AKI method is a promising method for robust speaker identification.     

公平就业视角下的职业技能鉴定研究

就业是民生之本,公平就业是公民的权利,职业资格证书制度是实现公平就业的保障,而职业技能鉴定是执行这项制度的首要环节。本文从这项制度依存的法律基础,在现代企业管理制度中的重要作用,以及如何开展职业技能鉴定等问题的研究,探讨在职业技能鉴定考试中,努力保证其公正性和严肃性,从而使《职业资格证书》在公平就业中发挥作用。     

提高高校辅导员队伍素质的几点建议

建立高素质的辅导员队伍，有利于提高高校的管理水平，维护学校的安全稳定，对国家人才培养至关重要。目前辅导员队伍中存在心理学知识不系统，学历偏低及缺乏爱岗敬业等问题，必须完善管理机制，对辅导员进行岗前岗上培训，提高这支队伍的综合素质。     

L~r(r>1)混合序列一矩不等式及其应用

文章给出Lr(r1)混合序列的矩不等式,其中混合系数将具体给出,并得到了Lr(r1)混合序列的大偏差结果;这一结果与已有文献给出的关于鞅差序列的上界相同,在主要数量级上已达最优,将其应用到线性过程中,得到线性过程的一个大偏差结果。     

从语言表达看文化的民族性——以日语的含蓄为例

世界上各个国家和民族在其形成和发展过程中积累了和本民族相适应的独特的语言,语言和文化是民族个性的体现,而语言在文化的形成过程中扮演着最重要的角色。日本作为屹立于东方的在世界范围内有重要影响的国家,其语言的发展和演变一直备受人们的关注,反映了日本社会、政治、经济以及地理的结构和特征并积淀了日本民族历尽沧桑、时代变迁和异文化的碰撞,从而形成了许多具有独特个性的语言文化,本文旨在通过"曖昧語"的研究来观照日本文化的民族性。     

教师研究的品质缘何而来

时下，做一名学习型、研究型教师是教育发展的趋势，更是新时期教师自我成长的精神依托。     

智慧城市建设任重道远

"智慧城市"是个新兴事物,没有一整套现成的经验可供借鉴,中国只能自己"摸着石头过河",目前还处于试点阶段,智慧城市建设,中国任重道远。     

嵌入式GIS在卫星导航系统中的应用

基于嵌入式GIS的卫星导航系统是嵌入式GIS的典型应用。本文介绍了嵌入式GIS的特点以及应用,并重点说明了目前广泛应用的基于嵌入式GIS的卫星导航系统的组成及其关键技术。     

提高水电厂温度数据可用率的几方面

以研究提高水电厂机组温度数据可用率为目的,比较目前水电厂测温系统的几种形式,采用多点降耗法,结合实践经验选择合适的方式降低温度数据的误差,提高机组温度数据可用率。     

风速波动时基于UKF-DFNN的变桨距控制

针对风速大于额定风速时风速波动引起风电机组的功率波动及变桨距系统频繁启停的问题,提出基于无迹卡尔曼滤波(unscented Kalman filter,简称UKF)与动态模糊神经网络(dynamic fuzzy neural network,简称DFNN)相结合的变桨距控制策略.为了消除传统变桨距控制中风速作为输入信号时产生的时延,将风电机组转速及输出功率作为反馈输入量.利用UKF对反馈输入量进行实时滤波处理,且将滤波后的数据用DFNN动态调整其权重,得到精确的桨距角指令值.采用Matlab/Simulink构建仿真模型,将UKF-DFNN控制与模糊PID、径向基函数(radial basis function,简称RBF)神经网络控制进行对比分析.仿真结果表明:所提策略能提高风速波动时系统的鲁棒性、抑制桨距角的波动范围、输出稳定的功率.