基于分类的头部姿态估计算法的研究

阐述了基于分类的头部姿态估计算法的基本原理,提出了在特定条件下的两种分类姿态估计方法,并且分析了这两类方法的优缺点。     

基于变分辨率频谱特征的向量机静音检测和实时混音技术

静音检测算法基于两个语音感觉特征与变分辨率频谱的Mel频率倒谱系数组合成音频特征，采用多门限过零率对静音进行初判，并通过二分类支持向量机对组合语音特征进行分类；实时混音算法使用每一路音频的短时能量作为混音权重．测试表明，静音检测算法在不同信噪比下语音识别正确率高于G．729B静音检测算法；实时混音算法听觉测试优于传统的算法，并且混音计算延时低，满足网络实时传输的要求；两种算法同时应用于视频会议系统，视频会议服务器的运算量低于使用了G．729B静音检测算法的视频系统．     

基于支持向量机和多层感知器的多病类诊断基因选择方法

超高维基因空间超小样本的基因选择问题是基因芯片技术的挑战性课题之一,对于解决维数发难问题和获得诊断基因具有重要的理论和实际意义.针对DNA微阵列数据的超高维空间和超小样本特性,提出了实现二病类样本有效分类的基于支持向量机(SVM)和leave-one-out的递增基因选择方法,并针对多病类情况的基因选择问题,提出了在区分两两病类所选基因基础上的基于多层感知器(MLP)和leave-one-out/MLP leave-4-out的递减基因选择方法.对于真实MIT数据(7129个基因、两个病类、72个样本)和NCI数据(2308个基因、64个样本、4个病类),用文中方法选择出了11个和6个诊断基因,与传统SNR方法的比较结果表明所选出的这些诊断基因有很好的诊断性能(即推广能力),既可有效诊断相应疾病,同时极大降低芯片和诊断费用,表明了该方法的有效性.     

Estimation of underdetermined mixing matrix based on support vector machine

In underdetermined blind source separation (BSS), a novel algorithm based on extended support vector machine (SVM) is proposed to estimate the mixing matrix in this paper, including the number of the active sources. Instead of traditional clustering algorithms, it mainly takes the modulus of observations and the number in each direction of arrival, without any prior knowledge about the sources except for sparsity, and it is not sensitive to the initial values. Simulations are given to illustrate availability and robustness of our algorithm.     

基于网络文本的汉语多词表达抽取方法

多词表达(multiword expressions, MWEs)是自然语言中一类固定或半固定搭配的语言单元,特别在网络文本中,多词表达频繁出现,给分词和后续文本理解带来了巨大挑战,因此,面向网络文本提出了一种双层抽取策略来实现多词表达的识别。第一层次,利用基于左右熵联合增强互信息的算法来实现多词表达的初步抽取;第二层次,在第一层次获得的多词表达候选列表的基础上,利用SVM分类器,构建上下文和词向量特征,进行多词表达与非多词表达的分类,实现多词表达候选列表的进一步过滤。经过实验测试,在5 000条微博语料上,第一层次获得的多词表达的F值为84.92%,第二层次多词表达识别的F值为89.58%,相比于基线系统,性能有很大的提升。实验结果表明,双层抽取策略能够实现网络多词表达的有效抽取,并能有效改善分词结果。     

基于虚拟仪器技术的VQ-SVM并行说话人识别系统

摘要：说话人识别混合方法是目前研究的热点,基于虚拟仪器技术并融合说话人识别技术,提出矢量量化和支持向量机方法结合,依托MATLAB实现运算,由LabVIEW以多任务管理和调用MATLAB来实现说话人并行识别处理。经自建小样本语料库仿真实验,结果表明：系统识别率98.54%、误识率5.28%、识别时间0.25秒,较单一矢量量化和支持向量机方法识别率分别提高了3.66%和1.16%,误识率分别降低了6.01%和4.43%;随着样本数的增多,矢量量化方法识别率呈上升趋势,而支持向量机方法识别率呈下降趋势。由此可见：两种方法优势互补实现并行识别可提高系统主体性能。     

基于RBF核函数的集成分类AdaBoost算法研究

基于径向基函数的神经网络、支持向量机已被广泛应用于模式分类。为了进一步提高分类的精度,将径向基函数应用于集成的AdaBoost算法,即以RBF神经网络和以RBF核函数的支持向量机分别作为AdaBoost的弱分类器,集成更高精度的强分类。通过对标准数据集的分类实验性能对比,证明了其算法解决分类问题有效性。     

基于混沌粒子群优化小波支持向量机的汇率预测

目前,支持向量机( SVM)常用的参数寻优方法存在易陷入局部极值的缺点,而其常用的核函数的逼近精度也有待提高.基于混沌映射的遍历性与随机性和小波变换的局部分析与特征提取能力,提出了一种混沌粒子群优化小波支持向量机(CPSO-WSVM)的算法,并应用它构建汇率预测模型.实验结果表明,相比传统的粒子群优化高斯核SVM(PSO-GSVM)的算法,CPSO-WSVM算法大大提高了预测的精度和效率,应用效果好.     

基于交通噪声分析的交通流状态识别方法

车辆行驶时的声音主要由发动机噪声、轮胎噪声、空气涡流噪声、排气噪声组成,多个车辆构成的交通噪声取决于道路的交通流状态.在分析现有交通状态识别方法和车辆声音特性的基础上提出了一种利用交通噪声的交通状态识别方法.按照车速将交通流分为自由流、饱和流和交通拥堵3种状态,对不同交通流状态下的交通噪声信号进行谱分析,以归一化的峰值频率作为特征,用支持向量机对不同的交通流状态进行识别.试验结果表明,通过交通噪声能够正确识别不同的交通流状态,具有较高的识别精度.     

基于特征选择的人物关系抽取方法

在人物关系抽取中,其特征空间维度往往非常高,会造成向量稀疏问题,从而影响关系抽取的效率。针对这一现象,首先将人物关系分为6类;然后引入了文档频率、信息增益、互信息和χ2统计这四种文本文类的特征选择算法,对特征空间进行降维。最后运用SVM分类器抽取人物的实体关系。实验结果表明这四种特征选择算法不仅能够保证抽取性能,还能有效的降低向量空间维数,极大提高关系抽取效率。其中,χ2统计算法效果最佳,信息增益次之。