检索结果-内蒙古大学图书馆

电子科技大学学报 2023年第1期52卷 125-131页

作者：陈晨季超群李文文陈德运王莉莉杨海陆哈尔滨理工大学计算机科学与技术学院哈尔滨150080 哈尔滨理工大学计算机科学与技术博士后流动站哈尔滨150080

为了更准确地度量特征间的关系,提出了一种基于互信息自适应估计的目标函数表示方法。将具有自适应特性的度量方法引入到目标函数中,该目标函数以最大化类内相似度、最小化类间相似度为目标,并能根据深层特征的真实分布情况对相似度进... 详细信息

为了更准确地度量特征间的关系,提出了一种基于互信息自适应估计的目标函数表示方法。将具有自适应特性的度量方法引入到目标函数中,该目标函数以最大化类内相似度、最小化类间相似度为目标,并能根据深层特征的真实分布情况对相似度进行动态的调整,从而使深度神经网络朝着区分性更强的方向进行优化。此自适应度量方式还被用于特征筛选,其能够根据特征的特点进行有针对性的参数更新,使得选取的特征具有典型性,提升目标函数对于深度神经网络优化方向的指导能力。实验结果表明,相比于其他深度神经网络方法,该方法的相对等错误率最多降低了28%,显著提升了说话人确认系统的性能。

关键词：互信息估计目标函数自适应学习特征表示学习说话人确认

来源：评论

学校读者我要写书评

暂无评论

文本无关说话人识别中句级特征提取方法研究综述

引用

自动化学报 2022年第3期48卷 664-688页

作者：陈晨韩纪庆陈德运何勇军哈尔滨理工大学计算机科学与技术博士后流动站哈尔滨150080 哈尔滨工业大学计算机科学与技术学院哈尔滨150001

句级(Utterance-level)特征提取是文本无关说话人识别领域中的重要研究方向之一.与只能刻画短时语音特性的帧级(Frame-level)特征相比,句级特征中包含了更丰富的说话人个性信息;且不同时长语音的句级特征均具有固定维度,更便于与大多数... 详细信息

句级(Utterance-level)特征提取是文本无关说话人识别领域中的重要研究方向之一.与只能刻画短时语音特性的帧级(Frame-level)特征相比,句级特征中包含了更丰富的说话人个性信息;且不同时长语音的句级特征均具有固定维度,更便于与大多数常用的模式识别方法相结合.近年来,句级特征提取的研究取得了很大的进展,鉴于其在说话人识别中的重要地位,本文对近期具有代表性的句级特征提取方法与技术进行整理与综述,并分别从前端处理、基于任务分段式与驱动式策略的特征提取方法,以及后端处理等方面进行论述,最后对未来的研究趋势展开探讨与分析.

关键词：说话人识别句级特征提取任务分段式策略任务驱动式策略联合学习

来源：评论

学校读者我要写书评

暂无评论

不完备数据的鲁棒多视角图学习及其聚类应用

引用

控制与决策 2022年第12期37卷 3251-3258页

作者：李骜陈嘉佳于晓洋陈德运张英涛孙广路哈尔滨理工大学计算机科学与技术学院哈尔滨150080 哈尔滨理工大学仪器科学与技术博士后流动站哈尔滨150080 哈尔滨工业大学计算机科学与技术学院哈尔滨150001

现有多视角图学习方法主要建立在数据具有较好完备性的前提假设下,没有充分地考虑由于特征缺失引起的不完备数据的学习问题.针对此问题,提出一种不完备数据的多视角图学习方法.一方面,从局部视角内将数据重建和图学习放入同一框架,通过... 详细信息

现有多视角图学习方法主要建立在数据具有较好完备性的前提假设下,没有充分地考虑由于特征缺失引起的不完备数据的学习问题.针对此问题,提出一种不完备数据的多视角图学习方法.一方面,从局部视角内将数据重建和图学习放入同一框架,通过不完备数据补偿,实现从重建数据中学习视角专属的近邻关系,弥补特征缺失对数据分布的影响.另一方面,为了保持近邻图的二维结构,引入张量分析,从全局角度构造基于多视角的融合图学习约束,捕获缺失数据下视角间图结构的高阶潜在关联性.框架交替的优化数据重建、视角专属图学习和融合张量图结构学习,使其在迭代中相互促进,有效提高模型对不完备多视角数据的学习能力.将所提出的方法应用于两类不完备数据的多视角聚类实验,其结果表明所提出方法在多项性能指标和鲁棒性方面均优于当前主流的多视角聚类方法.

关键词：谱聚类多视角学习相似性图学习低秩表示张量分析不完备数据

来源：评论

学校读者我要写书评

暂无评论

基于深层信息散度最大化的说话人确认方法

引用

通信学报 2021年第7期42卷 231-237页

作者：陈晨肜娅峰季超群陈德运何勇军哈尔滨理工大学计算机科学与技术学院黑龙江哈尔滨150080 哈尔滨理工大学计算机科学与技术博士后流动站黑龙江哈尔滨150080

针对说话人确认中无法准确捕获特征间非线性关系的问题,提出了一种基于深层信息散度最大化的目标函数表示方法。该方法能通过计算特征所在分布之间相似度,来对特征间的非线性关系进行隐性表示,并在最大化这种统计相关性的优化目标指导下... 详细信息

针对说话人确认中无法准确捕获特征间非线性关系的问题,提出了一种基于深层信息散度最大化的目标函数表示方法。该方法能通过计算特征所在分布之间相似度,来对特征间的非线性关系进行隐性表示,并在最大化这种统计相关性的优化目标指导下,使深度神经网络向着同类数据更紧凑、异类数据更分散的方向优化,最终达到提升深层特征空间区分性的目标。实验结果表明,相对于其他深度学习方法,所提方法的相对等错误率(EER)最多降低了15.80%,显著提升了系统性能。

关键词：说话人确认目标函数深层信息散度特征表示学习

来源：评论

学校读者我要写书评

暂无评论

基于贝叶斯主成分分析的i-vector说话人确认方法

引用

电子学报 2021年第11期49卷 2186-2194页

作者：肜娅峰陈晨陈德运何勇军哈尔滨理工大学计算机科学与技术学院黑龙江哈尔滨150080 哈尔滨理工大学计算机科学与技术博士后流动站黑龙江哈尔滨150080

身份-矢量(identity-vector,i-vector)方法作为说话人确认领域中的主流方法之一,能够通过学习总变化空间来获取有效的低维说话人特征——i-vector特征.但是当开发集数据不充足时,会导致学习到的总变化空间模型误差较大;同时,还无法有效... 详细信息

身份-矢量(identity-vector,i-vector)方法作为说话人确认领域中的主流方法之一,能够通过学习总变化空间来获取有效的低维说话人特征——i-vector特征.但是当开发集数据不充足时,会导致学习到的总变化空间模型误差较大;同时,还无法有效确认此时的总变化空间是否因为预先设置的维度过高而学到了冗余信息.为此,本文将贝叶斯主成分分析(Bayesian Principal Component Analysis,BPCA)引入总变化空间的学习过程中,利用其来为总变化空间引入更多的先验信息,从而对开发集数据中包含的信息进行补充,并在先验信息的约束下削弱总变化空间中无效维的影响.实验结果表明,当开发集数据不充足时,相比于传统的总变化空间学习方法,BPCA方法能够有效提升说话人确认系统的识别性能.

关键词：说话人确认身份-矢量(i-vector) 总变化空间贝叶斯主成分分析

来源：评论

学校读者我要写书评

暂无评论

紧框架分析模型下的模糊图像盲复原

引用

哈尔滨工程大学学报 2017年第6期38卷 931-938页

作者：李骜雷天鸣陈德运孙广路哈尔滨理工大学计算机科学与技术学院博士后科研流动站黑龙江哈尔滨150080

在基于稀疏表示模型的图像盲复原问题中,模糊核估计与稀疏模型的选取是影响盲复原性能的两个关键因素。针对传统基于稀疏表示盲复原方法的不足,本文提出一种基于紧框架分析模型的图像盲复原方法。该方法将盲复原问题分裂为两个迭代的子... 详细信息

在基于稀疏表示模型的图像盲复原问题中,模糊核估计与稀疏模型的选取是影响盲复原性能的两个关键因素。针对传统基于稀疏表示盲复原方法的不足,本文提出一种基于紧框架分析模型的图像盲复原方法。该方法将盲复原问题分裂为两个迭代的子问题,分别是基于梯度图像的模糊核估计与基于紧框架分析模型的非盲图像复原。在核估计问题中,提出同时约束核稀疏性及一阶微分平滑特性,进一步提高了核估计精度。在紧框架非盲图像复原问题中,提出一种基于Moreau envelope函数的数值计算方法,有效地解决紧框架复原模型的不可微和不可分离性。实验结果表明,本文复原方法在图像细节恢复与客观评价指标方面均优于传统复原算法。

关键词：图像盲复原紧框架核估计迭代优化正则化 Moreau envelope函数

来源：评论

学校读者我要写书评

暂无评论

利用2-hop随机游走进行异质网络社区发现

引用

哈尔滨工程大学学报 2015年第12期36卷 1626-1631页

作者：杨海陆张健沛杨静哈尔滨理工大学计算机科学与技术博士后流动站黑龙江哈尔滨150080 哈尔滨理工大学计算机科学与技术学院黑龙江哈尔滨150080 哈尔滨工程大学计算机科学与技术学院黑龙江哈尔滨150001

针对异质社交网络社区识别问题,提出一种基于随机游走层次社区识别算法。提出异质网络层级吸引力度量函数,构建异质网络随机游走模型;设计了一种基于2-hop互随机游走的异质网络节点相似性度量函数;通过将该相似性函数推广到层次聚类并... 详细信息

针对异质社交网络社区识别问题,提出一种基于随机游走层次社区识别算法。提出异质网络层级吸引力度量函数,构建异质网络随机游走模型;设计了一种基于2-hop互随机游走的异质网络节点相似性度量函数;通过将该相似性函数推广到层次聚类并设计相应的相似矩阵校准方案,异质社区识别任务可以在较短的时间内迭代完成。人工合成网络和真实网络上的仿真实验验证了算法的可行性和有效性。

关键词：异质社交网络社区识别随机游走相似性度量层次聚类

来源：评论

学校读者我要写书评

暂无评论

基于快速高斯变换的不确定数据聚类算法

引用

通信学报 2017年第3期38卷 101-111页

作者：迟荣华程媛朱素霞黄少滨陈德运哈尔滨工程大学计算机科学与技术学院黑龙江哈尔滨150001 哈尔滨理工大学计算机科学与技术学院黑龙江哈尔滨150080 哈尔滨理工大学计算机科学与技术学院博士后流动站黑龙江哈尔滨150080

数据中不确定性的存在使对其聚类分析时要充分考虑不确定性的影响。针对现有不确定数据聚类算法中构建不确定数据模型以及距离度量时存在的影响结果准确性与聚类性能等问题,提出一种基于快速高斯变换的不确定数据聚类算法。首先在不假... 详细信息

数据中不确定性的存在使对其聚类分析时要充分考虑不确定性的影响。针对现有不确定数据聚类算法中构建不确定数据模型以及距离度量时存在的影响结果准确性与聚类性能等问题,提出一种基于快速高斯变换的不确定数据聚类算法。首先在不假设数据分布的前提下,构建符合不确定性分布特征的数据模型;然后结合不确定对象的2个重要特征:属性特征与表示不确定数据分布特征的概率密度函数,度量不确定数据对象间的相似性;并以此为基础提出不确定数据聚类算法;最后在UCI以及真实数据集上的实验结果表明,所提算法在运行效率和聚类准确性方面均能取得较好效果。

关键词：聚类分析不确定数据概率密度函数快速高斯变换核密度估计

来源：评论

学校读者我要写书评

暂无评论

基于滑动窗口的多核程序数据竞争硬件检测算法

引用

通信学报 2016年第9期37卷 10-19页

作者：朱素霞陈德运季振洲孙广路哈尔滨理工大学计算机科学与技术学院黑龙江哈尔滨150080 哈尔滨理工大学计算机科学与技术学院博士后流动站黑龙江哈尔滨150080 哈尔滨工业大学计算机科学与技术学院黑龙江哈尔滨150001

数据竞争是引起多核程序发生并发错误的主要原因。针对现有基于硬件的happens-before数据竞争检测方法硬件开销大的问题,提出了一种轻量级的内存竞争硬件检测算法,该算法利用滑动窗口技术动态检测程序执行过程中发生的距离较近、更易引... 详细信息

数据竞争是引起多核程序发生并发错误的主要原因。针对现有基于硬件的happens-before数据竞争检测方法硬件开销大的问题,提出了一种轻量级的内存竞争硬件检测算法,该算法利用滑动窗口技术动态检测程序执行过程中发生的距离较近、更易引发并发错误的数据竞争。考虑竞争距离的大小,将并发线程片段细分为加锁并发竞争域和包含线程近期执行序列的未加锁并发竞争域,用一对交替移动的可重写滑动窗口保存未加锁并发竞争域内的内存操作指令,用一个大小可变的可重写滑动窗口保存加锁并发竞争域内的内存操作指令,当来自远程的共享访问与窗口内的内存访问发生冲突时,检测到数据竞争。在硬件实现结构中,仅为每个处理器核添加3对较小尺寸的硬件签名寄存器来保存并发竞争域内的数据地址,无需更改原有的cache一致性协议,带来的带宽开销低,能够快速地检测多核程序并发执行过程中发生的动态数据竞争,为多核程序开发和生产运行阶段的并发错误诊断提供有效的指导信息。

关键词：数据竞争滑动窗口硬件签名并发错误多核程序

来源：评论

学校读者我要写书评

暂无评论

均场退火算法在单幅灰度图像高光检测与恢复中的应用

引用

计算机辅助设计与图形学学报 2017年第5期29卷 829-837页

作者：尹芳陈田田吴锐付自如于晓洋哈尔滨理工大学计算机科学与技术学院哈尔滨150080 哈尔滨理工大学仪器科学与技术博士后科研流动站哈尔滨150080 哈尔滨工业大学计算机科学与技术学院哈尔滨150001

为了解决单幅灰度图像高光去除方法恢复结果存在的图像失真问题,提出一种基于均场退火算法的单幅灰度图像高光检测方法.首先利用反射模型分别对镜面反射分量和漫反射分量的分布进行建模;然后通过均场退火算法的迭代过程估计镜面反射分... 详细信息

为了解决单幅灰度图像高光去除方法恢复结果存在的图像失真问题,提出一种基于均场退火算法的单幅灰度图像高光检测方法.首先利用反射模型分别对镜面反射分量和漫反射分量的分布进行建模;然后通过均场退火算法的迭代过程估计镜面反射分量和漫反射分量的比例,对可能存在的高光区域进行检测;最后利用基于BSCB模型的图像修复方法修复高光区域.采用一种主观评价方法和客观评价方法相结合的性能的评价方法对文中方法进行验证,结果表明,该方法是有效的;与传统的高光检测与恢复的方法相比,该方法能够有效地检测出灰度图像中镜面反射区域,且恢复效果更符合人眼视觉、恢复后的图像质量更好,提高了图像高光区域的恢复率.

关键词：高光检测反射模型均场退火算法 BSCB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：