检索结果-内蒙古大学图书馆

应用声学 2004年第5期23卷 32-35页

作者：李莹莹王成友蔡宣平国防科学技术大学电子科学与工程学院长沙410073

本文提出了一种孤立词语音识别系统中基于后验概率差值的拒识算法。研究了作为拒识特征时,输入词的后验概率和后验概率差值之间的区别,并将多层感知人工神经网络用于拒识特征的学习。相比现存的几种拒识算法,本算法几乎不需要额外的计... 详细信息

本文提出了一种孤立词语音识别系统中基于后验概率差值的拒识算法。研究了作为拒识特征时,输入词的后验概率和后验概率差值之间的区别,并将多层感知人工神经网络用于拒识特征的学习。相比现存的几种拒识算法,本算法几乎不需要额外的计算和存储量。当识别率为98.2％时,拒识率达到了95.4％。

关键词：语音识别拒识算法后验概率差值多层感知人工神经网络后验概率

来源：评论

学校读者我要写书评

暂无评论

一种基于极值寻优的步态识别拒识算法

引用

哈尔滨商业大学学报（自然科学版） 2017年第3期33卷 301-303,313页

作者：金雪松张广元孙华东刘阳赵志杰哈尔滨商业大学计算机与信息学院哈尔滨150028

针对步态识别在实际生活中的应用,通过极值寻优,提出了一种在门禁系统中使用的拒识算法.在拒识算法中,寻找使得训练样本投影后离散程度最小的3个投影方向,并确定投影方向上的识别区间,再采用一定的投票规则实现拒识.实验结果表明,本算... 详细信息

针对步态识别在实际生活中的应用,通过极值寻优,提出了一种在门禁系统中使用的拒识算法.在拒识算法中,寻找使得训练样本投影后离散程度最小的3个投影方向,并确定投影方向上的识别区间,再采用一定的投票规则实现拒识.实验结果表明,本算法能达到较高的拒识率.

关键词：步态识别拒识算法离散程度

来源：评论

学校读者我要写书评

暂无评论

基于多置信特征融合语音识别拒识算法的设计与实现

基于多置信特征融合语音识别拒识算法的设计与实现

引用

第十一届全国人机语音通讯学术会议

作者：牛建伟谢磊路晓明周祥增张艳宁西北工业大学计算机学院陕西省语音与图像信息处理重点实验室西安 710129

在语音识别实际应用系统中，用户输入语音中不可避免的带有非法声响（如停顿、咳嗽声以及环境噪声等）或词库外语音，给语音识别的稳健性带来了巨大挑战，因此需要相应拒识算法来提高识别性能。本文通过研究语音识别中经典拒识算法，结... 详细信息

在语音识别实际应用系统中，用户输入语音中不可避免的带有非法声响（如停顿、咳嗽声以及环境噪声等）或词库外语音，给语音识别的稳健性带来了巨大挑战，因此需要相应拒识算法来提高识别性能。本文通过研究语音识别中经典拒识算法，结合反映识别网络局部信息的在线垃圾模型、音素置信度和反映识别网络整体特征的N-best结果信息这三种不同方面的特征信息，提出了一种基于多置信特征融合的拒识算法，并且利用多置信特征能在多个角度考察输入语音的优势，实验验证本文提出的多置信特征有效提高了拒识效果。

关键词：语音识别背景噪音拒识算法数理语言学

来源：评论

学校读者我要写书评

暂无评论

一种基于拒识的高可靠性CAPTCHA识别算法

引用

自动化学报 2011年第7期37卷 891-900页

作者：张亮黄曙光石昭祥电子工程学院合肥230037

CAPTCHA是一种阻止机器人滥用自然人资源的网络安全机制.研究CAPTCHA识别技术有助于发现CAPTCHA自身的缺陷,促使其变得更加安全.针对现有方法难以识别的高粘着CAPTCHA,本文提出了一种新的识别算法.该算法首先使用递归神经网络(Recurrent... 详细信息

CAPTCHA是一种阻止机器人滥用自然人资源的网络安全机制.研究CAPTCHA识别技术有助于发现CAPTCHA自身的缺陷,促使其变得更加安全.针对现有方法难以识别的高粘着CAPTCHA,本文提出了一种新的识别算法.该算法首先使用递归神经网络(Recurrent neural network,RNN)对CAPTCHA进行识别,然后为了提高识别结果的可靠性,提出了一种基于SVM的拒识新算法,并使用数据降维方法对拒识特征进行降维.实验结果表明:1)本文所提识别算法能够识别高粘着型CAPTCHA,并且识别结果具有高可靠性;2)新的拒识算法相对于其他拒识算法具有明显优势;3)数据降维方法能够进一步改善拒识算法的性能,从而取得更高的可靠性.

关键词：人工智能网络安全 CAPTCHA识别拒识算法可靠性

来源：评论

学校读者我要写书评

暂无评论

基于支持向量机的稳健语音识别技术研究

基于支持向量机的稳健语音识别技术研究

引用

作者：蔡铁上海交通大学

学位级别：博士

语音识别技术从上世纪50年代开始到现在已经有了巨大的进展，人们迫切地希望把它推向广泛的实用领域，使其真正的从实验室走进日常生活。稳健语音识别技术是语音识别走向实用化的关键，它以提高语音识别系统对各种干扰因素的稳健性和自... 详细信息

语音识别技术从上世纪50年代开始到现在已经有了巨大的进展，人们迫切地希望把它推向广泛的实用领域，使其真正的从实验室走进日常生活。稳健语音识别技术是语音识别走向实用化的关键，它以提高语音识别系统对各种干扰因素的稳健性和自适应能力为目的，是目前语音识别技术研究领域的一个热点和难点。\n 本文系统地介绍了支持向量机理论及其在语音识别领域的应用，分析了结构风险最小化和支持向量思想在稳健语音识别技术中的应用前景。然后以基于隐马尔可夫模型的连续语音识别系统作为研究平台，研究了一系列基于支持向量机理论的稳健语音识别技术。其中，支持向量机理论的应用，为稳健语音识别技术的研究提供了新的方法和思路。\n 首先，本文研究了噪声环境下稳健性端点检测问题，因为准确地检测语音信号的端点有利于提高语音识别系统的识别正确率和识别速度。目前噪声环境下的语音端点检测仍然是一个未解决的问题。利用单类支持向量机的无监督学习能力和良好的推广能力，本文提出了一种基于单类支持向量机的实时端点检测算法。该算法采用了一个双层决策机制，第一层采用支持向量机对多特征进行综合，描述了工作环境中的噪声特性，并输出相应的决策值，第二层应用一个五状态自动机对结果进行平滑和修正。实验表明，该算法通过单类支持向量机模型提高了端点检测的稳健性，在平稳噪声条件下简单有效。为进一步提高端点检测算法在非平稳噪声环境下的性能，本文又提出了相应的自适应算法。该算法引入了支持向量机的在线训练模式，一旦检测到语音信号中的噪声段，就用此噪声数据更新支持向量机的训练集，然后通过快速的在线训练算法获得新的单类支持向量机。实验结果表明，此自适应端点检测算法对于缓变的非平稳噪声环境具有较好的稳健性。\n 其次，本文对小波阈值降噪算法进行了研究。小波阈值降噪算法是一种非线性的语音增强算法，特别适合用于处理语音等非平稳信号。本文首先分析了分解层数对小波阈值降噪算法性能的影响，证明了算法在不同噪声条件下都将存在一个最优的小波分解层数，使得算法获得最佳的降噪性能。然后采用支持向量机对小波系数的特征进行建模，提出了自适应的小波阈值降噪算法。该算法根据小波系数的奇异谱分析，采用支持向量机进行判决，从而获得最优的小波分解层数。实验结果表明，在采用相同阈值估计的情况下，本文提出的自适应小波阈值降噪算法比采用固定分解层数的此类算法性能更优，它为解决小波阈值降噪算法中分解层数的选择问题提供了新的思路。\n 然后，本文研究了快速说话人自适应技术，提出了一种新的快速说话人自适应算法—支持说话人权重。该算法巧妙利用了支持向量机理论中关于支持向量的思想，通过支持说话人的选择，将参数空间限定在支持说话人空间中，使得待估计的自适应参数很少，适于自适应数据较少的情况，并能有效地降低自适应所需的存储量。同时，支持说话人的选择也使算法获得了分布离散度较小的初始模型，可提高自适应性能。大词汇量连续语音识别的实验结果表明，在自适应数据很少的情况下，该自适应算法取得了较其他算法更好的自适应效果，是一种有效的快速说话人自适应算法。此外，本文还将MAP参数估计和AAP参数估计方法引入到支持说话人权重算法中，提出了MAP-SSW和AAP-SSW两种改进算法。其中AAP-SSW结合了最大后验概率和区别性训练，实现了自适应参数的快速区别性估计。该算法不仅考虑了观察序列与其本身模型的相似度，而且也考虑了观察序列与其他模型的区别性，因此能进一步提高自适应性能。\n 最后，为提高语音识别系统中拒识算法的性能，本文提出了基于稳健支持向量机的多置信度信息综合方法。语音拒识的目的是为了对识别结果进行确认，拒绝不正确的识别结果和词表外发音(OOV)，以降低语音识别系统的误识率，提高系统的稳健性。本文将支持向量机应用于多置信度信息综合，获得了比神经网络综合方法更优的性能，然后针对支持向量机对训练集中噪声数据敏感的缺陷，提出采用RSVM进行信息综合。实验结果表明，RSVM通过改善支持向量机的稳健性，能有效地提高拒识算法的性能。随后本文根据RSVM的原理，提出了一种改进的稳健型支持向量机——SVDD-RSVM，它采用一种基于支持向量数据描述的松弛因子函数模型，可进一步提高支持向量机的稳健性。基于多置信度综合的拒识实验表明，SVDD-RSVM能使拒识性能得到明显提高，优于采用神经网络和传统支持向量机的拒识算法。

关键词：语音识别稳健性支持向量机端点检测置信度拒识算法

来源：评论

学校读者我要写书评

暂无评论

孤立词语音识别算法的研究和实现

孤立词语音识别算法的研究和实现

引用

作者：李硕哈尔滨工业大学

学位级别：硕士

语音识别技术以语音信号处理为研究对象。本文主要研究小词汇量、非特定人、孤立词的汉语语音识别算法与实现。文章首先介绍了隐马尔可夫模型(HMM),包括HMM的参数估计,Viterbi算法等。接着阐述了如何利用HMM构建语音识别系统,分别讨论... 详细信息

语音识别技术以语音信号处理为研究对象。本文主要研究小词汇量、非特定人、孤立词的汉语语音识别算法与实现。文章首先介绍了隐马尔可夫模型(HMM),包括HMM的参数估计,Viterbi算法等。接着阐述了如何利用HMM构建语音识别系统,分别讨论了基于离散HMM(DHMM)和连续HMM(CHMM)的孤立词语音识别系统。CHMM和DHMM的差别在于观测值的概率分布函数。DHMM的概率分布函数是离散的概率值,而对CHMM则是连续的概率密度,CHMM最常采用的概率密度函数是高斯混合模型(GMM)。DHMM具有运算量小、存储少的优点,但由于DHMM存在量化误差,识别精度较CHMM低。在孤立词语音识别系统中,词表外(OOV)的语音输入将会对语音识别系统产生难以预料的结果,这是设计中需要避免的,因此研究拒识算法变得十分重要。拒识算法主要有两种方法,一是利用废料模型,二是利用已有的识别结果进行辨识。第一种方法需要额外训练废料语音,而且一般难以选择合适的废料语音。因此实际应用中一般选择第二种方法。本文通过研究识别结果,最终通过识别概率中的最大和次大概率差作为拒识算法的判别依据。在PC机上难以模拟在实际设备上所使用的语音识别系统,例如背景噪声的干扰,语音信号的实时输入和实时处理,本文介绍了在TI公司的DM642 DSP上实现孤立词语音识别的方法,包括语音信号的输入,以及VAD算法的实现等。

关键词：孤立词语音识别隐马尔可夫拒识算法

来源：评论

学校读者我要写书评

暂无评论

步态识别技术研究及系统实现

步态识别技术研究及系统实现

引用

作者：张广元哈尔滨商业大学

学位级别：硕士

随着计算机视觉技术的快速发展,人们对安全的需求与日俱增,生物特征识别,作为对安全场合常用的身份鉴别技术,受到广泛的关注与研究。人脸、指纹等生物特征不仅要求近距离接触摄像装置,而且识别技术实现成本较高。而步态识别,具有非接触... 详细信息

随着计算机视觉技术的快速发展,人们对安全的需求与日俱增,生物特征识别,作为对安全场合常用的身份鉴别技术,受到广泛的关注与研究。人脸、指纹等生物特征不仅要求近距离接触摄像装置,而且识别技术实现成本较高。而步态识别,具有非接触性、隐蔽性等特点,克服了传统的生物特征识别需要高分辨率图像的缺陷。本文基于OpenCV开源函数库,以步态识别在门禁系统中的应用为前提,利用C与C++(基于MFC)作为开发工具,开发实现了一套完整的步态识别系统,并深入研究步态识别中的拒识算法。本文设计一套完整的步态识别技术方案,该方案以Matlab为开发工具,对中科院自动化所提供的大型步态数据库CASIA-B中的样本进行测试,试验结果表明,该步态识别技术方案达到了理想的识别率。在此基础上,完成以下三个方面的工作:第一、利用C与C++实现整个步态识别技术,形成可以独立使用的各个功能模块;第二、搭建完整的步态图像采集环境。该图像采集环境由摄像头模块、单色背景和灯光组成,形成一套固定的采集环境,减少外部因素产生的噪声;第三、提出一种背景检测与去除算法及拒识算法。添加摄像头模块后,由于实际环境的噪声干扰,在图像预处理阶段会产生大量的噪声(阴影),不利于特征提取,将图像转换到YCrCb颜色空间中,将目标图片与背景图片的Y、Cr、Cb通道求差,通过设定的帧差阈值找到阴影位置并实现阴影去除。另外,由于门禁系统在实际应用中不仅需要满足较高的识别率,还需有拒识功能,即不仅能准确识别训练样本库中的真实样本,还能拒绝识别不属于训练样本类的虚假样本。因此,本文对步态识别中拒识模块展开研究,提出一种基于极值寻优的拒识算法。在只有训练样本的前提下,找到几何空间中所有样本投影后离散度最小的投影方向,确定拒识区间,当非训练样本的测试样本在投影方向上投影后,落在拒识区间,实现拒识功能。实验结果表明,该拒识算法能实现较高的拒识率,证实了该算法的有效性本文最终实现了一套基于OpenCV开发完整且可实际使用的步态识别系统,不仅实时性强,而且用户界面友好。

关键词：步态识别 OpenCV 拒识算法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：