您的位置： 专家智库 > >

甘肃省自然科学基金(2007GS04782)

作品数：9 被引量：14H指数：2
相关作者：李明邢玉娟骆瑞玲张亚芬谭萍更多>>
相关机构：兰州理工大学甘肃联合大学石河子大学更多>>
发文基金：甘肃省自然科学基金更多>>
相关领域：自动化与计算机技术更多>>

文献类型

  • 9篇中文期刊文章

领域

  • 9篇自动化与计算...

主题

  • 4篇支持向量
  • 4篇向量
  • 3篇支持向量机
  • 3篇说话人确认
  • 3篇特征提取
  • 3篇向量机
  • 2篇说话人
  • 2篇主成分
  • 2篇主成分分析
  • 1篇优化算法
  • 1篇支持向量数据...
  • 1篇人脸
  • 1篇人脸识别
  • 1篇人脸识别方法
  • 1篇识别方法
  • 1篇数据描述
  • 1篇数据挖掘
  • 1篇说话人识别
  • 1篇特征提取方法
  • 1篇频繁项

机构

  • 8篇兰州理工大学
  • 2篇甘肃联合大学
  • 2篇石河子大学
  • 1篇兰州交通大学

作者

  • 8篇李明
  • 3篇骆瑞玲
  • 3篇邢玉娟
  • 1篇张成文
  • 1篇张亚芬
  • 1篇谭萍
  • 1篇胡仿民
  • 1篇刘嘉
  • 1篇张其文
  • 1篇徐志刚
  • 1篇朱红蕾
  • 1篇臧凤奎
  • 1篇李睿

传媒

  • 3篇计算机工程与...
  • 2篇科学技术与工...
  • 1篇计算机工程
  • 1篇微电子学与计...
  • 1篇计算机工程与...
  • 1篇兰州理工大学...

年份

  • 3篇2010
  • 5篇2009
  • 1篇2008
共 9 条 记 录，以下是 1-9
全选 清除 导出
排序方式：
改进的PSO在说话人辨识中的应用
2010年
针对PSO算法容易陷于局部极值的缺点,提出了一种改进的PSO优化算法(IPSO)。该算法根据粒子进化速度对粒子个体极值进行自适应扰动,使粒子及时跳出局部极值点而继续优化,从而扩大粒子搜索范围。改进后的PSO算法加快了收敛速度,能够很好地调整算法的全局与局部搜索能力之间的平衡。同时,给出了应用IPSO算法训练支持向量机的方法,并将其应用于说话人辨识。改进后的PSO可以使SVM用较少的SV取得最优分类面,从而减少SVM的训练量,提高了说话人辨识速度。
骆瑞玲李明李睿
关键词：粒子群优化算法
基于混合PCA和KFD的多级说话人确认
2010年
提出一种基于混合主成分分析(PCA)分类器和核Fisher判别(KFD)的多级说话人确认方法。利用PCA对注册说话人的特征向量进行降维,根据转换矩阵得到说话人特征向量的主成分空间和截断误差空间,结合这2个空间构造混合PCA分类器,用于快速判断最有可能的R个目标说话人,并采用KFD寻找最终目标说话人。仿真实验结果验证了该方法的有效性。
邢玉娟张成文李明
关键词：说话人确认主成分分析FISHER
本体语言的联系及其逻辑基础分析被引量：1
2009年
为了准确地描述本体,研究人员各自设计了自己的本体表示语言。在如此众多的语言中,认清语言之间的联系及各自的优缺点和选择出合适的语言描述本体成为本体建模工作的一项重要任务。首先分析了本体表示语言的基本特点,其次从纵向的角度总结出了它们之间的相互联系,最后分析了它们的逻辑基础;为学习和选择本体表示语言描述本体提供了理论基础。
张其文臧凤奎李明
关键词：本体逻辑基础
负关联规则挖掘算法研究被引量：2
2010年
文中首先描述了负关联规则的基本概念,接着分析了负关联规则挖掘的特点和相关算法,并提出基于相关性和剪切策略的改进算法来进行正、负关联规则挖掘,最后指出了负关联规则挖掘的研究方向.
朱红蕾徐志刚李明
关键词：数据挖掘负关联规则频繁项集
一种新的说话人识别序列特征提取方法被引量：4
2009年
针对支持向量机不能直接处理动态时间序列的语音数据问题,提出一种基于PCS-PCA分类器和AOI-Fisher分值(add original information fisher score)法的序列特征提取方法.首先利用PCA对每位注册说话人的特征向量进行维数约简,由转换矩阵得到每位说话人的主成分空间(principal component space,PCS),在此空间上快速判断出可能的R个说话人;然后在R个可能说话人的约简向量集上建立高斯混合模型;最后利用AOI-Fisher分值法进行向量定长转换的同时,为每位说话人的特征向量添加一维原始分类信息logP(X|θ).仿真实验结果表明,将该序列特征提取方法应用于SVM说话人确认系统,在不影响系统识别速度的情况下,具有较高的识别性能.
邢玉娟谭萍李明
关键词：说话人确认特征提取主成分分析支持向量机
基于MRSVM的说话人辨识方法
2009年
提出一种新的基于多约简SVM的说话人辨识方法。先通过基于熵的特征筛选法,对训练样本进行维数约简,并改善聚类性能。然后用基于核的可能性聚类算法(KPCM)在特征空间选择最具有代表性的样本训练约简SVM,减少系统的存储量和训练量。实验结果表明,提出的方法在不影响识别率的情况下提高了识别速度,减少了SVM的计算量。
骆瑞玲李明
关键词：相似度可能性聚类
基于一种新的特征提取的语音辨识被引量：1
2009年
提出了一种新的二次特征提取的方法应用于说话人语音辨识。首先,通过基于熵的特征筛选方法,有效地剔除不重要或者噪声特征,消除语音特征的冗余,并获得其重要性排序,减少语音特征矢量的维数。然后,采用Fisher准则进一步进行参数选择,按Fisher比的大小选择特征向量作为投影轴,将高维空间中的特征矢量映射到低维的特征判别空间,然后以SVM作为分类器实现说话人辨识系统。实验结果表明,本文提出的方法在不影响识别率的情况下可以对输入数据有效降维,在噪音环境下取得了较好的识别效果,增加了系统的鲁棒性。
刘嘉骆瑞玲李明
关键词：说话人识别支持向量机FISHER鉴别准则
基于改进核典型相关分析的人脸识别方法被引量：1
2009年
标准KCCA方法需要存储和计算核矩阵,而核矩阵的大小是训练样本数的平方,随着样本数的增加,计算量逐渐增大、特征提取缓慢。为了提高特征提取的效率,提出了一种基于特征向量集的KCCA特征提取方法。采用特征选择方法,选择一个训练样本子集并将其映射到再生核希尔伯特空间(RKHS)。用KCCA进行特征提取,将计算复杂度由3降到2(<<),并将改进后的KCCA与SVDD的优势相结合应用于人脸识别中。实验结果表明,相对传统的KCCA方法,所提出的方法在不影响识别率的前提下,显著提高了人脸识别速度,减小了系统的存储量。
胡仿民
关键词：人脸识别核典型相关分析支持向量数据描述特征提取
基于PCA和核Fisher判别的说话人确认被引量：5
2008年
针对核Fisher判别技术在说话人确认中实时性较差的问题,提出了一种基于PCA和核Fisher判别的说话人确认方法。利用PCA进行特征向量的降维、去冗余,以减少后续计算的复杂度,提高说话人确认的速度,使用基于核函数的Fisher判别技术对说话人进行确认,从而在整体上提高系统的实时性。并通过实验验证了该方法的有效性。
邢玉娟李明张亚芬
关键词：核FISHER判别说话人确认SVM
全选 清除 导出
共1页<1>
聚类工具0