检索结果

Select

1. SMFCC:一种新的语音信号特征提取方法

汪海彬, 余正涛, 毛存礼, 郭剑毅

计算机应用 2016, 36 (6): 1735-1740. DOI: 10.11772/j.issn.1001-9081.2016.06.1735

摘要（692）

PDF （874KB）（389）

针对说话人识别系统中存在的有效语音特征提取以及噪声影响的问题,提出了一种新的语音特征提取方法——基于S变换的美尔倒谱系数(SMFCC)。该方法是在传统美尔倒谱系数(MFCC)的基础上利用S变换的二维时频多分辨率特性,以及奇异值分解(SVD)方法的二维时频矩阵有效去噪性,并结合相关统计分析方法最终获得语音特征。采用TIMIT语音数据库,将所提的特征和现有特征进行对比实验。SMFCC特征的等错误率(EER)和最小检测代价(MinDCF)均小于线性预测倒谱系数(LPCC)、MFCC及其结合方法LMFCC,比MFCC的EER和MinDCF08分别下降了3.6%与17.9%。实验结果表明所提方法能够有效去除语音信号中的噪声,提升局部分辨率。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于灰色关联分析的中文新闻事件关联性识别

刘盼盼, 洪旭东, 郭剑毅, 余正涛, 文永华, 陈玮

计算机应用 2016, 36 (2): 408-413. DOI: 10.11772/j.issn.1001-9081.2016.02.0408

摘要（411）

PDF （895KB）（884）

针对中文新闻事件关联性识别准确率较低的问题,提出一种基于灰色关联分析(GRA)的中文新闻事件关联性识别算法,该算法是一种多因素分析法。首先,通过分析中文新闻事件的特性,提出三个影响事件关联性的因素,分别为触发词的共现性、事件的共享名词以及事件句的相似度;其次,对多个影响因素进行量化处理,计算每个影响因素的影响权值;最后,运用GRA将多个影响因素结合在一起,建立事件之间的灰色关联性分析模型,实现事件关联性识别。通过实验验证了三个影响因素对事件关联性识别的有效性,而且相对于只考虑单一影响因素的关联性识别算法,所提算法提高了事件关联性识别的准确率。

参考文献 | 相关文章 | 多维度评价

Select

3. 一种带约束的最小离差平方和系统聚类法及应用

李斌，郭剑毅

计算机应用 2005, 25 (01): 45-48. DOI: 10.3724/SP.J.1087.2005.00045

摘要（2496）

PDF （190KB）（1055）

针对异常数据的不利影响和类数难以判别的问题提出了一种带约束的最小离差平方和系统聚类法,包括对初始数据进行线性变换、聚类检验指标分析、主因素分析等。通过对实际调查样本数据进行聚类,挖掘和分析客户群中所存在的不同特征的组群,得到了直观的聚类过程和较合理的分组结果。