检索结果-内蒙古大学图书馆

清华大学学报（自然科学版） 2006年第10期46卷 1727-1730页

作者：赵永刚唐昆崔慧娟清华大学电子工程系微波与数字通信技术国家重点实验室北京100084

为了高效率量化线谱频率(linear spectrumfrequency,LSF)参数,提出了基于G auss ian混合模型(G auss ian m ix ture m ode l,GMM)的LSF量化算法。假设LSF矢量属于GMM中的某一个G auss ian分布,用G auss ian分布随机矢量的量化方法对LSF... 详细信息

为了高效率量化线谱频率(linear spectrumfrequency,LSF)参数,提出了基于G auss ian混合模型(G auss ian m ix ture m ode l,GMM)的LSF量化算法。假设LSF矢量属于GMM中的某一个G auss ian分布,用G auss ian分布随机矢量的量化方法对LSF矢量进行了量化。利用准确的G auss ian分布变量量化误差,得到了G auss ian分布矢量的比特分配方法。应用G auss ian分布随机变量的非均匀量化方法量化每一维LSF参数。最后给出了分裂矢量量化、基于概率密度函数(probab ility dens ityfunction,PDF)量化方法和该算法的性能对比。该无记忆LSF量化算法在21 b/帧可以达到透明量化,比传统Sp litVQ节省3 b。

关键词：语音编码矢量量化 gaussian混合模型线谱频率

来源：评论

学校读者我要写书评

暂无评论

基于EM算法的gaussian混合模型用于图像分类

基于EM算法的Gaussian混合模型用于图像分类

引用

中国自动化学会第15届青年学术年会

作者：李海燕李天牧云南大学信息与电子科学系(昆明)

学习即指根据给定的数据(学习样本)得到图模型的结构DAG和概率分布CPD.从Bayes的观点来看,网络模型的选择可以看成是定义非线性函数的先验概率分布,网络的学习过程可解释为求解未知函数的后验概率分布.Nearl(1996)提出可将包含于Bayes... 详细信息

学习即指根据给定的数据(学习样本)得到图模型的结构DAG和概率分布CPD.从Bayes的观点来看,网络模型的选择可以看成是定义非线性函数的先验概率分布,网络的学习过程可解释为求解未知函数的后验概率分布.Nearl(1996)提出可将包含于Bayes中的非线性先验概率分布都归入gaussian模型的概率分布中.这样,网络的参数计算就可用gaussian模型的协方差矩阵的简单矩阵运算代替,因此本文选择网络模型为gaussian混合模型,用EM算法训练网络,将网络用于图像分类并取得很好的效果.

关键词： gaussian混合模型 EM算法学习 Bayes网络图像分类

来源：评论

学校读者我要写书评

暂无评论

基于gaussian混合的距离度量学习数据划分方法

引用

上海交通大学学报 2021年第2期55卷 131-140页

作者：郑德重杨媛媛谢哲倪扬帆李文涛中国科学院上海技术物理研究所医学影像信息学实验室上海200080 中国科学院大学北京100049 复旦大学附属肿瘤医院上海200032

针对有限样本情况下,多次训练模型时容易出现不稳定和偏差问题,提出一种基于gaussian混合的距离度量学习数据划分方法,通过更合理地划分数据集来解决该问题.距离度量学习依靠深度神经网络优异的特征提取能力,将原始数据提取的特征嵌入... 详细信息

针对有限样本情况下,多次训练模型时容易出现不稳定和偏差问题,提出一种基于gaussian混合的距离度量学习数据划分方法,通过更合理地划分数据集来解决该问题.距离度量学习依靠深度神经网络优异的特征提取能力,将原始数据提取的特征嵌入到新的度量空间中;然后,在该新的度量空间中基于深层次特征使用gaussian混合模型进行聚类分析和样本分布估计;最后,依据样本分布特点进行分层采样对数据进行合理划分.研究表明,该方法可以更好地理解数据分布的特点,获得更加合理的数据划分,进而提升模型的准确性和泛化性.

关键词：人工智能训练数据集划分深度神经网络 gaussian混合模型

来源：评论

学校读者我要写书评

暂无评论

考虑帧间动态特征的音色变换算法

引用

清华大学学报（自然科学版） 2006年第10期46卷 1767-1770,1775页

作者：张晓洲黄德智蔡莲红清华大学计算机科学与技术系普适计算教育部重点实验室北京100084 北京法国电信研发中心有限公司北京100080

基于G auss ian混合模型的音色变换算法在预测目标说话人频谱时会出现过平滑问题,导致声音转换结果的音质下降。该文分析了造成过平滑问题的原因,并提出一种考虑帧间动态特征的音色变换改进算法,在估计参数的目标函数中加入了连续性和... 详细信息

基于G auss ian混合模型的音色变换算法在预测目标说话人频谱时会出现过平滑问题,导致声音转换结果的音质下降。该文分析了造成过平滑问题的原因,并提出一种考虑帧间动态特征的音色变换改进算法,在估计参数的目标函数中加入了连续性和方差的影响,从而改善了映射结果的帧间连续性,并使方差最大化,克服了过平滑现象。实验表明该算法在保证变换结果的目标倾向性的同时,能够使变换语音的音质主观意见得分由3.11提高到3.89,证明动态特征对提高音色变换的音质有重要意义。

关键词：音色变换 gaussian混合模型动态特征方差

来源：评论

学校读者我要写书评

暂无评论

面向肺脑结构识别的医学图像处理关键算法研究

面向肺脑结构识别的医学图像处理关键算法研究

引用

作者：边子健东北大学

学位级别：博士

随着医学成像技术的不断发展，各种医学图像在肺部、脑部疾病的临床检测、诊断和治疗中得到了广泛普及。现阶段临床中每天都可以产生海量的医学图像，阅读大量医学图像并对图像内容进行精准的判断，会大大增加医生的负担，严重降低工作... 详细信息

随着医学成像技术的不断发展，各种医学图像在肺部、脑部疾病的临床检测、诊断和治疗中得到了广泛普及。现阶段临床中每天都可以产生海量的医学图像，阅读大量医学图像并对图像内容进行精准的判断，会大大增加医生的负担，严重降低工作效率，给临床应用造成了不利的影响。　　利用基于计算机的医学图像处理技术自动提取肺部、脑部结构并对其展开定性、定量或多时相的分析可为肺部、脑部疾病的临床应用提供客观、无侵入、可重复的诊断信息，具有重要的理论研究和实际应用价值。但现有研究识别各类结构的性能还存在局限性，容易导致后续应用产生错误的分析结果，进而干扰疾病的检测、诊断和治疗过程，给患者的健康和生命带来严重风险。因此，本文面向肺气管树、肺叶组织和脑脊液、脑灰质、脑白质等结构，提出了针对性的算法从CT或MR图像中识别这些结构，力求在算法精度、速度和鲁棒性方面取得提高，主要研究工作包括如下内容:　　(1)针对现有肺气管树分割算法在处理不同成像条件下的CT图像时发生的过分割(泄漏)和漏分割现象，提出了一种基于自适应模型的CT图像肺气管树分割算法，由区域生长分割模型从CT图像中检测肺气管树，再针对分割泄漏提出了泄漏处理模型，两种模型的参数均根据肺气管树分割过程自适应地计算，减少了根据经验设置的参数造成在不同成像条件下CT图像中气管被漏分割的现象。本文将气管分支按照图像特征分类，采用顺序的处理流程分割各类分支，每类分支的提取结果都为下一类分支提供了分割参数与种子点集合:先提取肺气管树主干分支，再采用区域生长模型与泄漏模型提取次级和细小气管分支，最后基于肺气管树的拓扑形态检测终末气管分支，完成对整个肺气管树的分割。该算法在EXACT'09数据集和NTNU数据集中测试，与当前有代表性的算法相比取得了更高的精度、速度和鲁棒性结果。　　(2)为了避免因肺气管树分割结果中通常存在的表面不平滑或内部空腔等缺陷，导致现有算法在中心路径提取后出现大量毛刺或环状分支等异常结构，进而影响对其它分支结构的提取精度，本文提出了基于图论的肺气管树分支结构提取算法。采用拓扑细化算法提取初始中心路径，基于图论获得该路径的树状拓扑结构，并根据解剖学先验信息移除该路径中的异常分支，保持了真实肺气管树的拓扑学形态。再从优化后的中心路径中提取气管分支的起始点、末梢点、方向、几何学和解剖学等级，划分分支区域，并计算分支直径。该算法与EXACT'09数据集的参考分支结构信息对比结果具有很高的一致性，对含分割缺陷的数据处理也具有很高的精度和鲁棒性。　　(3)小气道分支是以内径狭小为特征的气管，现有肺气管树分割算法提取小气道分支精度有限。本文提出了基于机器学习的CT图像小气道分割算法，在一组样本标注不完整的数据集上实现了对小气道的检测。为尽可能地给分类器提供高质量的样本，提出了基于小气道解剖学和图像学先验知识的自动样本提取算法;同时结合了基于图像局部梯度的管状特征和图像纹理特征，获得多尺度特征集，训练随机森林分类器对图像中的像素点进行分类，将小气道区域从图像学特征相似的肺实质中有效分离。该算法与一组经过手动优化的参考数据比较，大幅度提高了小气道分支的检出率，同时可以很大程度地避免假阳性小气道分支的产生。　　(4)由于现阶段全自动、高精度和鲁棒的CT图像肺叶组织分割仍难以实现，为提高不同扫描时相CT图像在肺叶边界位置的配准精度，本文在缺乏肺叶分割结果的前提下，提出了一种基于肺叶信息的多时相肺部CT图像配准算法。根据肺裂纹的图像特征提出了肺裂纹度增强滤波，根据肺叶支气管的解剖结构先验知识，提出了肺叶支气管特征点和肺叶支气管距离梯度增强变换场，结合这些肺叶信息提出了联合的配准相似性代价函数，采用多级B样条形变模型对最大吸气末和呼气末屏气扫描中的肺组织进行空间变换，实现配准流程。该算法在DIR-Lab数据集和CREATIS数据集中测试，有效提高了不同时相CT图像中肺组织整体和肺叶边界区域附近的配准精度。　　(5)为了减少MR图像噪声和灰度不均匀现象造成分割结果中出现不连续区域或在组织边界处出现偏离的问题，本文提出了一种基于MR图像的脑组织分割算法，改进了经典gaussian混合模型，基于Markov随机场理论，在混合模型中提出了基于图像局部分割类别熵的先验概率权值，对组织类别先验概率和组织灰度后验概率进行有效结合，将组织分割信息有效地与混合模型相融合，不断修正分割过程中产生的噪声区域和边界位置。该算法在BrainWeb数据集和IBSR数据集中测试，与金标准结果具有很高的相似性，在精度、速度和鲁棒性方面都比部分有代表性的算法更具优势。　　综上，本文有效改善了CT和MR图像中提取肺部和脑部重要结构所存在的问题，提高了各结构识别的精度、速度和鲁棒性，对拓宽相关方向可采用的算法和解决思路、发挥国产医疗成像设备优势、推动产品竞争力和

关键词：医学图像处理肺气管树脑白质结构识别机器学习 gaussian混合模型

来源：评论

学校读者我要写书评

暂无评论

复杂背景下的人脸检测

复杂背景下的人脸检测

引用

作者：张艳云南大学

学位级别：硕士

人脸检测是在一张具有复杂背景的图片中确定人脸图像的位置及大小的过程.作者将人脸检测分两步进行:初步检测和准确定位.初步检测要迅速确定人脸可能的位置,而准确定位则要确定人脸的准确位置.最后作者介绍了基于级联的树形Bayesian网... 详细信息

人脸检测是在一张具有复杂背景的图片中确定人脸图像的位置及大小的过程.作者将人脸检测分两步进行:初步检测和准确定位.初步检测要迅速确定人脸可能的位置,而准确定位则要确定人脸的准确位置.最后作者介绍了基于级联的树形Bayesian网络的人脸检测,该方法旨在把各种人脸检测方法以概率的方式整合起来.作者提出的该网络在判决的时候采用\"层层设防\"的方法,由此可以用最短的时间排除非人脸区域;在训练的时候,则由后至前回溯.该网络的局部概率采用gaussian模型(底层节点)与gaussian混合模型(高层节点),训练方法采用期望最大(EM)算法.经实验证明,该方法运算稳定,检测效果较好.

关键词：人脸检测肤色分割数学形态学二值模板匹配特征脸 Hausdorff距离 Bayesian网络 gaussian混合模型

来源：评论

学校读者我要写书评

暂无评论

基于图模型的知识结构和参数学习

基于图模型的知识结构和参数学习

引用

作者：李海燕云南大学

学位级别：硕士

目前对手写体数字识别的研究很多,所用的方法一般是神经网络的方法,在识别前需要对学习样本进行噪声去除、背景分离、细化及特征抽取等预处理.处理多维域中的联合分布比处理单变量的情况复杂得多. 3维以上的域的分布很难直观地表示,对... 详细信息

目前对手写体数字识别的研究很多,所用的方法一般是神经网络的方法,在识别前需要对学习样本进行噪声去除、背景分离、细化及特征抽取等预处理.处理多维域中的联合分布比处理单变量的情况复杂得多. 3维以上的域的分布很难直观地表示,对于离散变量来说,单位体积内表示确定密度的数据点的数目也随维数指数增长,对于连续变量来说,存储空间的大小随维数增长,对于连续变量来说,单位体积内表示确定密度的数据点的数目也随维数指数增长的.而且,参数空间维数的增加将导致寻找最优参数集的计算指数增加.研究人员反构建多变量模型所涉及的这一困难称为\"维数的灾难\".为解决多维域中的密度估计问题,在该论文中,研究人员应用图模型进行网络结构和参数的学习.图模型是一种联合密度模型.它利用域中变量间存在的独立性来避免\"维数的灾难\",在变量间的依赖关系较少且模型已知的情况下,图模型可提供有效的推理算法,并且图模型直观形象.图模型解决了传统神经网络学习效率低、学习时间长、不能处理数据遗失并且不能对隐层进行很好的概率解释等缺点.因此在该论文中,研究人员想用模型的方法对手写体数字进行识别.作者选择网络为gaussian混合模型,用最大期望(Expectation-Maximum简称EM)算法训练网络.

关键词：知识结构参数学习图模型 Bayes网络 gaussian混合模型最大期望算法

来源：评论

学校读者我要写书评

暂无评论

基于GMM的连接词语音识别及大词汇表系统的语言建模

基于GMM的连接词语音识别及大词汇表系统的语言建模

引用

作者：祝嘉苏州大学

学位级别：硕士

连接词语音识别又称连续数字语音识别。由于其实现方便,所需存贮要求低,运行速度快,具有广泛的实用价值,其众多的应用,如电话语音拨号、家电遥控、工业控制等,都给人们带来极大的便利。连接词识别的研究又可以推动大词汇表语音识别的发... 详细信息

连接词语音识别又称连续数字语音识别。由于其实现方便,所需存贮要求低,运行速度快,具有广泛的实用价值,其众多的应用,如电话语音拨号、家电遥控、工业控制等,都给人们带来极大的便利。连接词识别的研究又可以推动大词汇表语音识别的发展,所以多年来许多研究机构都致力于连接词语音识别的研究和算法改进。本文实现了一个基于gaussian混合模型的连续数字语音识别器。它将隐Markov模型和gaussian混合密度分布紧密联系,结合动态规划算法对时间序列和Markov状态链进行非线性时间对齐,并运用EM算法对gaussian混合模型的参数进行重新估计,识别出来的结果与期望结果采用Levenshtein距离进行比较并得出其字误差率。利用该语音识别器对SieTill德语连续数字语料库进行训练和识别,可以达到很高的识别率。同时本文还就大词汇表语音识别系统的语言模型的构建以及评估问题进行深入探讨,详细介绍了线性平滑和Kneser-Ney平滑技术,并用最大似然估计的方法获得其平滑参数。对语言建模的实验采用的是剑桥大学HTK工具、斯坦福研究机构的SRILM工具以及德国RWTH大学的SPRINT工具,并通过对欧洲国会英语版的会议记录脚本的处理,比较多种工具的在语言建模上的差异。

关键词：语音识别连接词 gaussian混合模型语言模型

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：