一种用于自动标引系统的主题词自动切分方法

该文着重介绍一种知识指导下的主题词自动切分方法，该方法能灵活处理自然主题词、大幅度跳跃及关联词的切分问题，其字面切分精度达９９．３３％，综合切分精度达９８．９１％。     

移动机器人运动规划研究综述

机器人运动规划是移动机器人导航的核心技术之一。40多年来，运动规划技术发展迅速，涌现出了许多规划算法，但因为环境描述方式差异巨大，技术差别大，实验比较难度较大。在总结机器人发展史上具有典型意义的规划算法的基础上，提出了路径规划算法的评价标准和形式化描述方式，介绍了每种算法的原理或技术，从搜索策略和环境建模的角度将它们分为四大类，分别是基于自由空间几何构造的规划算法、前向图搜索算法、基于随机采样的运动规划算法以及智能化规划算法，并按照提出的标准比较它们的性能。     

基于云模型的地面智能机器人自主性评价方法

为解决地面智能机器人自主性评价过程中评价体系单一、未考虑评价过程及系统自身不确定性等问题,提出了一种基于云模型的自主性评价方法.该方法建立了评价云模型,以期望作为评价基本度量,以熵和超熵描述评价的不确定性.通过对不同属性特征的样本进行统计特征、区间数和评价向量运算,得到实数型、区间型和语言型三类评价云生成方法.利用加性合并计算,将多个评价云信息累加,得到具有稳定可信性的综合评价状态云.以实验室3台地面智能机器人为原型,设计系统自主性评估验证实例,完成了云化过程.实验验证了该方法能够有效结合定性与定量评价,可应用于地面智能机器人自主性评价和其他复杂智能系统的综合性能评价.     

RGB空间应用灰度无关图降噪的彩色图像阴影抑制

灰度无关图具有对光照不敏感的特性,因而,彩色图像中相应位置上的阴影将不会出现在灰度无关图中。在研究RGB颜色空间中阴影与灰度无关图逻辑关系的基础上,应用灰度无关图消除光照度与阴影引起的噪声,达到对彩色图像中存在的阴影区域进行抑制及降噪后重构的目的。基于标准测试图像的试验结果表明,重构图像可以有效且实时地抑制彩色图像中的阴影。     

EMD-Tnorm得分规整策略在说话人确认中的应用

从两个方面对确认系统进行了改进,在模型方面,扩展了MixMax模型,对复杂的背景噪声等干扰因素在训练说话人模型的同时也进行了建模,最大程度上消除噪声的影响,对说话人的特征分布进行了更真实的表征;在得分方面,提出了一种改进的得分规整策略,基于EMD距离从所有背景说话人集合中自适应选择最接近的一定数量的模型构成说话人特定的背景集合,从而进行得分归一化。实验结果表明,该方法能够同时针对说话人和测试环境的不同进行补偿,进一步降低了误识率和漏警率,获得了很好的确认性能。     

一种适于说话人辨认的自适应频率尺度变换

该文提出了一种适于说话人辨认的自适应频率尺度变换,基于说话人信息在不同频带中的非均匀分布性质,通过F比衡量不同频率子带对说话人信息的贡献大小,设计自适应频率滤波器,提高贡献大的频带的频率分辨率,降低贡献小的频带的频率分辨率,提取鉴别性特征DFCC。干净语音环境下,不同测试文件的实验表明,该文提出的DFCC特征的识别率比传统MFCC特征平均提高了1.45%,表明特征的稳定性好,对语音内容不存在依赖性;在不同信噪比的噪声环境下,识别率平均提高了6.37%,表明DFCC特征能够充分利用语音频带中包含的说话人信息,具有良好的抗噪性能。     

地面智能机器人自主性评估研究

对地面智能机器人自主性评估相关研究进行了总结,从自主评估的概念、发展、框架、度量等方面进行了分析.对系统自主性的评估,讨论了评估对象、评估方法和评估是否准确这3个基本问题,概括了现有的自主性分类级别,提出自主评估方向:针对系统行为体现出的自主特性,建立各类系统行为能力的规范化描述集,解决评估什么的问题;建立规范化描述集...     

基于色彩相似性的自适应多窗口立体匹配

分析比较了应用彩色图像进行立体匹配的三种不同颜色相似性测度,并采用了匹配效果较好的策略.然后把这种颜色相似性测度应用到区域匹配方法的多窗口选择和自适应窗口尺寸缩减当中,使用SSD方法实现了彩色图像的立体匹配.实验结果表明,该方法具有更高的匹配精确性.     

基于PLAR特征补偿的鲁棒性说话人识别仿真研究

针对MFCC特征补偿技术在低信噪比时性能不高的缺点,提出了基于PLAR鲁棒特征的模型补偿方法进行抗噪声说话人识别.PLAR特征从人类听觉感知机理出发,运用听觉心理学概念表征说话人个性特征,具有雏数低,运舅速度快,抗噪性能强等特点,是一种稳健的特征.模型补偿则通过分析被测语音帧的整体分布,对高斯混合模型似然概率进行某种程度的补偿,降低噪声的影响,改善系统的性能,进一步增强系统的鲁棒性.理论分析和实验结果表明,在平稳和非平稳背景噪声环境下,当信噪比大大降低时,此方法比MFCC-GMM方法的识别率平均提高了12.2和14.9个百分点.     

基于两级扫描线优化的快速立体匹配算法

通过引入视差梯度理论,提出了一种弱连续性约束,它表示相邻点的视差变化总在一定的范围之内.同时引入了一种两级扫描线优化方法,它从水平和垂直两方向进行扫描线优化.最后把弱连续性约束与两级扫描线优化方法结合起来得到一种快速立体匹配方法.通过对比实验表明,与未加入弱连续性约束的两级扫描线优化算法相比,所提算法计算量更少,同时减轻了同纹理区域的匹配不确定性;与传统一维扫描线优化算法相比,该算法具有更高的匹配准确性并解决了扫描线间的不连续性.