基于条件PDF的宽带ISF参数分裂矢量量化方法

宽带ISF参数的矢量量化是语音编码中的重要环节,其量化性能的高低对于解码端语音的质量有重要影响.针对宽带语音ISF参数矢量量化问题,提出了一种新的量化方法.该方法利用ISF参数帧间相关性,将相邻2帧ISF参数的条件PDF用高斯概率模型表示.与传统分裂矢量量化不同,该方法首先根据前一帧的量化结果对当前帧分类、选择合适的码书,然后对该帧在选定的码书中进行分裂矢量量化.实验表明,该算法在每帧编码比特数44时达到透明量化,且平均谱失真比利用传统分裂矢量量化时的谱失真小.     

谈简笔画的审美特性及其教学

简笔画是一种形象创作方法,以其直观、易学、易懂的特点,在师范院校教学活动中显现出应有的实用价值.应把握简笔画的审美心理特性,加强学生心智与创造力的培养.     

刚柔混合三腿六维力传感器测力性能分析

研究了一种新型的三腿六维力传感器的测力性能,基于3-RPS(转动副-移动副-球副)并联机构研制传感器样机,建立了该样机的静力模型,得到了施加在传感器上的外力与传感器本身6个单维力传感器的映射关系;对新型传感器进行了静态标定实验,根据实验结果分析传感器的测力性能,得到三腿六维力传感器的测力性能评价指标,为该传感器的优化及应用提供了参考依据和基础。     

基于改进BP算法的电力系统谐波分析

在选取BP神经网络对谐波进行分析时,考虑到BP网络存在的缺点和不足,对BP网络进行改进。通过把FFT和改进的BP网络结合起来,实现对谐波的实时分析。该方法先对采样信号进行FFT运算实现预处理,得到谐波个数和谐波次数;然后根据谐波的个数来确定神经元的个数,通过谐波次数设定神经网络参数迭代的初始值;最后对改进的神经网络进行训练,可以实现谐波的精确分析。所提出的BP改进算法有效地提高了谐波分析的精度,实时性也得到了改善。     

面向知识库的中文自然语言问句的语义理解

设计从自然语言问句到结构化查询的转换框架。该方法从自然语言问句的句法结构入手, 提出一套启发式识别实体与关系的方法, 并利用语料库建立从实体到知识库的映射, 对谓词进行消歧, 进而转化为计算机可理解的结构化查询语言。从百度知道抽取人物、地点、组织3类共 42 个问题作为标准测试集。实验结果表明, 所提出的框架能够有效地将中文自然语言问句转换为结构化查询, 为下一代智能问答系统打下良好的基础。     

试论一种新颖的能源计量数据采集方式

一、前言 能源是人类一切活动的基本依赖,然而地球上的能源并不是取之不尽、用之不竭的,为未来计,为后代子孙计,节约能源日益成为人们的自觉行为.     

改进NSGA-Ⅱ算法在涡轮叶片多光谱测温中的应用

介绍了多光谱辐射测温原理、遗传算法(genetic algorithm,GA)以及第二代非支配排序进化算法(non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ)的应用。从自适应角度出发对NSGA_Ⅱ算法加以改进,使其交叉变异算子具有一定动态调整能力,并把差分进化算法融合到NSGA_II变异算子进化中使其进化方向得以优化。作者从计算精度,稳定度,计算速度角度出发对传统的GA遗传算法、经典的NSGA-Ⅱ算法和改进后的NSGA-Ⅱ算法进行仿真实验并且利用真实四路测温实验验证,结果表明改进的NSGA-II算法具有单次计算精度高、稳定性好、计算速度略快、最后一代种群特性良好等优点,适合应用在温度范围为700~1 000℃下涡轮叶片多光谱辐射测温中。     

基于CDHMM/SOFMNN噪声背景下的语音识别方法

针对噪声背景下传统语音识别系统识别率较低的问题,提出了一种将自组织特征映射神经网络(SOFMNN)与隐马尔可夫模型(HMM)相结合的方法,训练出适应噪声的混合模型.该模型适合于对噪声背景下的语音进行识别.同传统的CDHMM模型以及直接在语音中加入加性噪声训练出的CDHMM模型相比,该模型具有更好的抗噪鲁棒性,在信噪比较低的情况下(2~12 dB),识别率比传统CDHMM模型有明显提高.     

煤层注N_2促排瓦斯时效性实验研究

为了研究煤层注弱吸附性气体强化瓦斯排放的过程和效果,利用自行搭建的煤层注气驱替实验装置,进行了注N_2驱替CH_4实验.实验结果表明:注N_2驱替煤层CH_4具有时效特性,排出CH_4体积分数逐渐衰减,流量先升后降.注气压力对驱替CH_4效果显著,注气压力越高,驱出CH_4体积分数衰减越快,驱出气体流量越大,增流效应越明显;相同时间内,注气压力越高,累计驱出CH_4体积越大,促排效果越明显.结合实验过程中二元气体物理状态变化规律,认为注N_2促排煤层CH_4机理有:气体的置换作用、气流的携载作用和气流的稀释扩散作用等.     

基于特征项扩展的中文文本分类方法

提出了一种基于特征项扩展的中文文本分类方法.该方法首先对文档的特征词进行分析,然后利用HowNet抽取最能代表主题的特征义原,接着根据这些义原对特征项进行扩展,并赋予扩展的特征项适当权值来说明其描述能力.最后利用扩展的特征项集提取特征进行分类.该文重点研究了如何抽取特征义原,如何给扩展项设定一个合适的权值.实验证明,该文方法能增加有效的特征项的数目,使分类正确率和稳定性均得到提高.