基于双字典自适应学习算法的低采样率CT重建

在医疗诊断中,稀疏采样能减少CT扫描过程中辐射对患者的伤害.但直接对稀疏采样后的投影数据进行重建,会使CT重建后的图像出现失真、伪影等问题.为保证低采样率下重建图像的质量,提出了双字典自适应学习算法,参照Sparse-Land模型的双字典学习框架,将K-SVD算法与双字典学习算法框架相结合得到补全投影数据,利用FBP算法进行重建得到高质量的重建图像.实验结果表明,在低采样率下使用所提方法进行CT重建的图像质量优于COMP双字典学习算法和MOD双字典学习算法,并且此方法有效提高了CT图像重建在低采样率时的性能.     

多发音字典在维吾尔语方言语音识别中的应用

基于标准语音的识别系统在识别带有发音变异的口语语料时,识别率较低。针对这一问题,提出了一种在标准维吾尔语发音字典的基础上生成多发音字典的方法。采用基于专家经验和数据驱动相结合的方法分析了维吾尔语方言口音发音变异规则,构造发音变异集合,生成初始的多发音字典,并运用了自动数据处理算法和门限阈值法,使得能够从方言口音训练语音数据中自动获得精简的多发音字典。实验结果表明:该方法对维吾尔语方言口音的识别性能有提升作用。     

支持协同仿真的模型库管理技术研究

根据协同仿真中对于模型管理的需求，研究了基于CORBA的模型库管理系统的三层体系结构，提出了基于模型字典和模型结构相结合的改进面向对象的模型表示方法，研究和实现了模型的版本．配置、操作等管理技术，最后以汽车姿态控制系统为例，对以上设计思想的可行性加以验证。     

工资管理系统的分析与设计

本系统是针对工资管理业务实施计算机信息化处理开发的软件,主要模块包括月工资计算、年度分红计算、员工基本信息、津贴、考勤等子模块组成,功能基本能满足普通企业的工资管理业务.企业应用本系统,可以有效的提高工资管理水平.     

剖首检索不应设置查未笔和中间笔画

国家“八五”重点图书《现代汉语规范字典》(简称《规范字典》)已于 1 998年面世 ,这对辞书的规范化建设将会开创一个新局面。但《规范字典》部首检索某些汉字仅查末笔 ,如“暨乓乳”三字各查末笔“一、乙”等共计 1 4个字 (见附表 )是否规范 ?引起了笔者对八部现代通用辞书 (见附表 ,简称八书》有关笔画检索的全面深入了解。八书的笔画检索 (其中有 1 998年发行并严格按国家最新规范标准修订的《新华字典》) ,查末笔外 ,还有查中间笔画、“多开门”的笔画兼部首之混合检索等设置 ,对此 ,有必要进行检讨。为了便于讨论 ,文中将统称的“部首…     

基于交易字典的通用动态交易程序构件的研究与实现

为了提高银行综合业务系统中交易程序开发的效率,减少开发人员的开发工作量,解决交易程序在开发过程中对具体交易的流程控制以及对交易数据的一致性、安全性和完整性等方面依赖性过大的问题,本文介绍了一种基于交易字典的通用动态交易程序的设计与实现方法,利用构件技术封装了通讯接口、流程控制和交易数据的维护和管理功能,把交易程序开发人员从处理繁杂的交易流程控制和交易数据的维护和管理中解脱出来,使交易程序的开发对程序员来讲既简单灵活又易于掌握.     

L_1范数字典约束的感兴趣区域CT图像重建算法

针对现有全变分(TV)约束感兴趣区域(ROI)重建方法易产生块状伪影、细小结构丢失的问题,提出了一种L1范数字典稀疏约束的ROI低剂量CT医学图像重建算法。首先将ROI医学图像重建问题转化为最优化问题,以罚加权最小二乘函数为保真项,L1范数字典稀疏表示为约束项构建目标函数;然后将目标函数分解为图像更新和字典稀疏表示两个子优化问题,并交替求解上述两个子优化问题,实现ROI图像重建。胸腔模体仿真实验结果表明,在分别添加光子数为1×105、5×104和1×104泊松噪声投影情况下,与TV约束重建方法相比,图像结构相似度(SSIM)分别提高约0.103 5、0.113 1和0.125 8,峰值信噪比分别提高4.88、4.93和5.44dB。山羊肺部实际CT扫描实验结果进一步证明,本文算法能够有效地去除块状伪影且较好的保留细小结构。     

基于非负字典训练和鲁棒主成分分析的语音增强算法

在鲁棒主成分分析中引入非负矩阵分解学习得到非负语音字典,提出了一种非负字典训练和鲁棒主成分分析相结合的非监督单通道语音增强算法.算法采用交替方向乘子计算优化解.采用客观感知语音质量评估方法(PESQ)对增强效果进行评估.评估中采用了TIMIT标准语音和20多种噪声在不同信噪比下进行混合得到的带噪语音信号.评估结果表明:本文提出的方法优于典型的非负矩阵分解方法和鲁棒主成分方法.     

结合过完备字典与PCA的小样本语音情感识别方法

针对稀疏表示识别方法需要大量样本训练过完备字典且特征冗余度较高的问题,提出了结合过完备字典学习与PCA降维的小样本语音情感识别算法.该方法首先用PCA降维方法将特征降维,再将处理后的特征用于过完备字典训练与稀疏表示识别方法,从而给出了语音情感特征的稀疏表示方法,并确定了新算法的具体步骤.为验证其有效性,在同等特征维数下,将方法与BP、SVM进行比较,并对比、分析语音情感特征稀疏化前后对语音情感识别率、时间效率以及空间效率的影响.试验结果表明,所提出方法的识别率比SVM与BP高;与采用稀疏化前的特征相比,稀疏化后的特征向量更便于处理,平均识别率提高约15%,时间效率提高近原来的1/2,空间效率提升近原来的1/3.