一种模糊高斯混合说话人识别模型

为了研究模糊聚类算法在高斯混合模型（GMM）参数获取方面的应用,采用模糊C均值算法（FCM）进行语音特征矢量的聚类,并结合Tabu搜索算法得到全局最优的聚类结果,进一步用EM算法得到GMM模型参数.使用TIMIT数据库中的语音进行测试,开集和闭集说话人辨认实验都表明,该方法获取的GMM参数比普通EM算法获得的GMM模型参数性能更优,能有效降低说话人辨认系统的误识率.     

基于PaddleHub的人脸口罩识别系统

新冠病毒的传播方式主要是通过呼吸道传染,人们佩戴口罩进行防护是最有效的预防感染的途径之一,而人脸口罩自动化识别可以有效监督人们是否佩戴口罩.文章设计了基于PaddleHub的人脸口罩识别系统,利用PyramidBox单阶段人脸检测器和FaceBoxes主干网络分别对目标区域进行人脸检测和口罩识别.此外,为扩展该系统的功...     

非线性多因素作用高速轴承转子系统动力学模型

为了建立符合工程实际的高转速轴承转子系统动力学模型,综合考虑油膜时变刚度和油膜时变阻尼、钢球与滚道时变接触刚度、时变接触角和时变接触力等非线性因素,建立油膜时变刚度和油膜时变阻尼模型,确定轴承时变刚度和时变阻尼计算方法;基于服役状态,计算轴承转子系统时变位移和摩擦力矩,结合JONES的高速球轴承动力学模型建立非线性多因...     

基于转角模态小波变换的连续梁损伤识别研究

针对采用基本振型进行小波变换识别连续梁支座附近损伤的困难,提出了运用转角模态小波变换识别损伤的方法.该方法在对连续梁转角模态进行有限元分析的基础上,用墨西哥帽小波做连续小波变换,并由多尺度小波分析确定损伤位置,由低尺度上的小波系数模极大值识别相对损伤程度,由小波系数线特征确.定损伤类型.通过对一具有离散裂缝、裂缝群和局部刚度下降三类损伤的连续梁做数值计算分析,验证了方法的有效性.该方法对连续梁损伤识别的工程应用具有参考价值.     

基于神经网络的驾驶员觉醒水平双目标监测法

在驾驶员疲劳状态单目标状态识别的基础上,提出了驾驶员嘴巴与眼睛状态双目标疲劳状态判别法.该方法将驾驶员眼睛和嘴巴的特征向量值按先后顺序,分别输入到修正的BP网络中,采用区域匹配算法,根据驾驶员疲劳状态量化评判标准,综合识别驾驶员的觉醒水平.采用VC++开发了驾驶员疲劳监测算法软件,并对驾驶员进行了监测仿真试验.结果表明,双目标监测系统能够实时、准确地监测和识别驾驶员的觉醒水平,具有较高的识别容错性和准确性.     

苏州市域供水水源地水质评价及分析

采用单项指标分析法和属性识别模型,对2017～2018年苏州市域各供水水源地水质进行了指标特征分析和综合质量评价分析.结果表明,苏州市域供水水源地水质整体情况良好,各水源地水质综合质量均为Ⅱ级,达到水源地水域功能标准,并且2018年的综合质量整体上要优于2017年,说明当地的保护及综合治理措施积极有效.高锰酸盐指数和氨...     

区域环境土壤重金属污染潜在生态风险的属性识别综合评价 ——以福建闽江河口湿地土壤为例

属性识别模型发展于模糊数学法理论,能够处理复杂多因素研究对象难以综合评价和定量排序的问题.提出将以变异系数法确定权重的属性识别模型耦合Hankanson生态风险指数法,对区域重金属进行生态风险综合评价和排序的理论方法,并对福建闽江河口湿地进行实证研究.结果表明,8个河口湿地监测站点的风险程度(综合得分)从高到低依次为琅...     

使用期待提高对话系统的语音识别率

在回顾了各种语言模型的基础上,针对如何更有效地构建口语对话系统中语音识别器的语言模型展开讨论,研究并实现了使用系统期待来建立语言模型的方法.在口语对话系统中,根据系统提出的问题或者系统给用户的提示,对话管理器产生对用户响应的期待,也称作系统期待.由于系统期待是建立在对话系统当前状态的基础上,所以可根据系统当前状态构建系统期待,从而建立更加优化的语言模型,并使用此语言模型来提高语音识别的识别率.     

一种图像汉字智能识别机的研究

文章将智能控制与模式识别方法相结合,提出了一种仿人识字行为的图像汉字智能识别机;采用决策控制级、模式识别级和反馈校正并行式结构。决策控制级选择最佳的识别策略和参数,模式识别级进行多分类器结果融合识别,并根据对模式识别级输出的可信度判断结果进行反馈,校正识别方法和参数,最终提高汉字的识别效率。     

一种基于视频图像的挖掘机工作状态识别方法

为了实现违法用地现象的实时监测,对土地间的挖掘机等施工机械的工作状态识别是非常重要的.实际场景下,因随机噪声和光照变化的影响,给挖掘机工作状态识别带来极大的挑战.本文提出一种基于视频图像的挖掘机工作状态识别方法,首先,对同一品牌挖掘机工作装置的各种姿态建立混合local binary features (LBF)形状回归模型并进行离线训练;其次,利用上述模型预测输入视频帧中挖掘机工作装置的形状信息,构建挖掘机的工作状态特征描述子;最后,利用support vector machine (SVM)分类器自动判别挖掘机的工作状态—-工作状态或非工作状态.实验结果表明,该方法很好地克服了多姿态导致形状变化的影响,对挖掘机工作状态识别准确率达到了93.53%.