声纹识别算法研究与系统设计
这是一篇关于声纹识别,音频处理,说话人聚类,高斯混合模型,说话人分割的论文, 主要内容为声纹是指带有言语信息的音频频谱。声纹识别是生物特征识别和验证技术的一种,传统的生物识别技术(比如面容识别、虹膜识别等)存在对设备要求高,不能异域识别等缺点。声纹识别技术较于传统生物识别技术具有可异域识别、方式简单、对设备要求较低、经济性好、安全性高等优势,正逐渐受到越来越多人的关注。声纹识别也被称为说话人识别,是一种通过声音辨别说话人身份的技术。主要包括特征提取和模式识别两个模块,特征提取阶段从音频数据中提取到表征说话人身份的个性信息,模式识别阶段首先建立对应的声纹识别模型,通过声纹识别算法识别说话人身份。本文针对传统生物识别技术的缺点,验证了主流的声纹识别算法,设计实现了包含多个模块的声纹识别音频处理系统,设计搭建了移动端声纹识别应用-声纹锁,设计实现会议声纹识别聚类系统。本文主要完成了以下几个方面的工作:1.实现了音频预处理算法,并验证其有效性,通过音频实例分析比较多种音频降噪算法。实现声纹特征提取算法,分析比较各自优劣,通过说话人聚类任务验证所提取声纹特征的有效性。2.介绍并实现声纹识别算法,进行比较分析。搭建声纹识别系统框架,设计实现包含音频输入输出,音频降噪,音频分析,声纹识别和显示等多个模块的声纹识别音频处理系统。完成界面设计,通过实验验证系统稳定性。3.设计实现移动端声纹识别应用-声纹锁。进行并完善前后端界面设计,完成后端环境及系统框架搭建,构建Web端可视化界面。优化前后端程序并部署运行,通过实验测试软件性能。4.设计实现会议声纹识别聚类系统。完成系统框架搭建,完成系统模块设计和界面设计,通过音频实例测试系统性能。
煤电机组能效状态异常诊断系统研究
这是一篇关于能效状态,异常诊断,符号有向图,高斯混合模型的论文, 主要内容为随着电力发展进入“新常态”,电力装机过剩,煤电机组负荷率持续走低,供电煤耗率升高,同时机组频繁变负荷运行,牺牲部分机组性能完成深度调峰任务,导致机组性能劣化,影响其经济安全运行。因此,开展煤电机组能效状态异常诊断技术研究对我国煤电行业持续发展尤为重要。本文研究了能效状态异常诊断的理论方法,构建了能效状态异常诊断模型,制定切实可行的运行调整方案和维修策略,为能效状态异常诊断提供了切实可行的解决方法。首先,基于领域知识与经验知识,对同类型煤电机组能效状态异常事件的总结梳理,获取影响能效状态的异常事件,分析其原因、影响以及相应的处理措施,构建能效诊断知识库;基于能效诊断知识库中的经验知识构建符号有向图诊断模型,将知识库中承载的系统结构、功能、行为、异常、故障等方面的知识用有向图的形式进行表达,建立能效异常事件发生时可能的传递路径。其次,基于高斯混合模型方法,确定符号有向图中各节点状态,根据建立的诊断模型进行推理诊断,分析并诊断引起能效状态异常的运行调整类和设备维护类原因,在为机组运行优化提供调整策略的同时,定位异常发生的位置、模式及原因,并给出相应的处理决策。最后,依托浙能国华宁海电厂超超临界百万机组,开展能效状态异常诊断系统研究工作,设计开发基于B/S架构模式开发超超临界百万机组能效状态异常诊断系统,推进煤电机组能效状态异常诊断研究工作的技术成果转化和工程应用。
声纹识别算法研究与系统设计
这是一篇关于声纹识别,音频处理,说话人聚类,高斯混合模型,说话人分割的论文, 主要内容为声纹是指带有言语信息的音频频谱。声纹识别是生物特征识别和验证技术的一种,传统的生物识别技术(比如面容识别、虹膜识别等)存在对设备要求高,不能异域识别等缺点。声纹识别技术较于传统生物识别技术具有可异域识别、方式简单、对设备要求较低、经济性好、安全性高等优势,正逐渐受到越来越多人的关注。声纹识别也被称为说话人识别,是一种通过声音辨别说话人身份的技术。主要包括特征提取和模式识别两个模块,特征提取阶段从音频数据中提取到表征说话人身份的个性信息,模式识别阶段首先建立对应的声纹识别模型,通过声纹识别算法识别说话人身份。本文针对传统生物识别技术的缺点,验证了主流的声纹识别算法,设计实现了包含多个模块的声纹识别音频处理系统,设计搭建了移动端声纹识别应用-声纹锁,设计实现会议声纹识别聚类系统。本文主要完成了以下几个方面的工作:1.实现了音频预处理算法,并验证其有效性,通过音频实例分析比较多种音频降噪算法。实现声纹特征提取算法,分析比较各自优劣,通过说话人聚类任务验证所提取声纹特征的有效性。2.介绍并实现声纹识别算法,进行比较分析。搭建声纹识别系统框架,设计实现包含音频输入输出,音频降噪,音频分析,声纹识别和显示等多个模块的声纹识别音频处理系统。完成界面设计,通过实验验证系统稳定性。3.设计实现移动端声纹识别应用-声纹锁。进行并完善前后端界面设计,完成后端环境及系统框架搭建,构建Web端可视化界面。优化前后端程序并部署运行,通过实验测试软件性能。4.设计实现会议声纹识别聚类系统。完成系统框架搭建,完成系统模块设计和界面设计,通过音频实例测试系统性能。
融合地理信息的兴趣点推荐算法研究
这是一篇关于推荐系统,相似用户组,集成学习,活跃区域,高斯混合模型的论文, 主要内容为定位技术高速发展和智能手机的不断普及见证了基于位置的社交网络的出现,同时人们也步入信息过载的时代。科技的高速发展促使生活中的信息量呈指数型增加,这给用户在生活中挑选有用信息带来诸多问题。而推荐系统在一定程度上能缓解这一问题,它旨在从复杂的数据中向用户进行其感兴趣的信息。兴趣点推荐作为推荐系统中的研究热点,基于历史签到记录,它向用户推荐其感兴趣的位置。传统的兴趣点推荐依赖于历史签到记录,忽略了位置类别在地理上的分布以及用户活跃区域外的位置,因此基于这些问题,本文提出一种基于位置地理信息的兴趣点推荐方法。首先,基于位置的聚集效应,本方法计算位置类别的相关性和位置的流行度;其次,构建距离影响以及用户的活跃区域,根据目标位置的地理分布来计算用户对位置的伪得分;最后获取用户的偏好得分。相比于多种不同的兴趣点推荐方法,实验结果显示本文所提出的方法实现了较好的性能。位置地理信息有效提高推荐方法的性能,但忽略了用户之间的关联性。基于用户之间的关联性以及用户在地理上的签到分布,本文提出一种基于Bagging集成学习的兴趣点推荐方法,该方法融合用户偏好和空间特征。首先,该方法构建特定用户的多组相似用户组;进一步,采用朴素贝叶斯算法来获取用户对目标地点的伪得分;然后,利用高斯混合模型对用户的签到行为进行建模;最后,基于Bagging集成学习框架获取用户的偏好向量。实验结果表明本文所提出的方法在推荐性能上优于现有的方法。
煤电机组能效状态异常诊断系统研究
这是一篇关于能效状态,异常诊断,符号有向图,高斯混合模型的论文, 主要内容为随着电力发展进入“新常态”,电力装机过剩,煤电机组负荷率持续走低,供电煤耗率升高,同时机组频繁变负荷运行,牺牲部分机组性能完成深度调峰任务,导致机组性能劣化,影响其经济安全运行。因此,开展煤电机组能效状态异常诊断技术研究对我国煤电行业持续发展尤为重要。本文研究了能效状态异常诊断的理论方法,构建了能效状态异常诊断模型,制定切实可行的运行调整方案和维修策略,为能效状态异常诊断提供了切实可行的解决方法。首先,基于领域知识与经验知识,对同类型煤电机组能效状态异常事件的总结梳理,获取影响能效状态的异常事件,分析其原因、影响以及相应的处理措施,构建能效诊断知识库;基于能效诊断知识库中的经验知识构建符号有向图诊断模型,将知识库中承载的系统结构、功能、行为、异常、故障等方面的知识用有向图的形式进行表达,建立能效异常事件发生时可能的传递路径。其次,基于高斯混合模型方法,确定符号有向图中各节点状态,根据建立的诊断模型进行推理诊断,分析并诊断引起能效状态异常的运行调整类和设备维护类原因,在为机组运行优化提供调整策略的同时,定位异常发生的位置、模式及原因,并给出相应的处理决策。最后,依托浙能国华宁海电厂超超临界百万机组,开展能效状态异常诊断系统研究工作,设计开发基于B/S架构模式开发超超临界百万机组能效状态异常诊断系统,推进煤电机组能效状态异常诊断研究工作的技术成果转化和工程应用。
基于隐语义模型的个性化推荐算法的研究
这是一篇关于推荐系统,隐语义模型,矩阵分解,高斯混合模型,协同过滤的论文, 主要内容为在大数据时代,各种信息爆发增长。在数据过载的情境下,用户想要迅速找到自己所需的信息变得困难,而推荐系统则可以很好地解决这一问题。推荐系统根据用户的行为,提供个性化推荐。推荐系统被大量地应用于各大网站中,具有巨大的商业价值;推荐系统与大数据、人工智能等紧密相连,具有学术研究价值。由此可见,对推荐系统的进一步研究很有意义。然而,推荐系统存在着数据稀疏性、系统可拓展性等关键性问题,同时推荐的准确率也有待提高。这些问题都制约着推荐系统的发展,因此为了缓解上述问题,展开了以下的研究工作:(1)针对传统的协同过滤推荐算法存在着数据稀疏性、邻居数据过少导致算法精度剧烈下降的问题,提出了融合潜在分类关联度的隐语义模型推荐算法。改进算法是将隐语义模型和基于物品的协同过滤推荐算法进行融合。改进算法的创新之处在于利用潜在分类关联度计算物品之间的相似性,并将时间上下文信息纳入到预测评分。最后在公开的数据集上进行了实验分析。(2)针对高维评分矩阵占用巨大计算资源、系统可扩展性较差的问题,提出了融合高斯混合聚类的隐语义模型推荐算法。改进算法是将隐语义模型算法和高斯混合模型进行融合。改进算法的创新之处在于,在推荐之前利用高斯混合聚类对评分数据进行预处理,划分为若干个规模更小的子矩阵,从而降低了数据计算的复杂度,并且考虑了隐式反馈对用户决策的影响。最后在公开的数据集上进行了实验分析。(3)在重庆慧居智能电子有限公司的智慧社区数据平台下进行了算法测试分析。测试结果表明,融合潜在分类关联度的隐语义模型推荐算法的最佳准确率、召回率、F1指标分别为43.6%、42.8%、40.2%;融合高斯混合聚类的隐语义模型推荐算法的最佳准确率、召回率、F1指标分别为46.6%、45.8%、41.6%,且算法的内存占用下降了24.97%。两种改进算法均能有效地缓解推荐系统存在的问题,并且提高了推荐的准确率。
基于隐语义模型的个性化推荐算法的研究
这是一篇关于推荐系统,隐语义模型,矩阵分解,高斯混合模型,协同过滤的论文, 主要内容为在大数据时代,各种信息爆发增长。在数据过载的情境下,用户想要迅速找到自己所需的信息变得困难,而推荐系统则可以很好地解决这一问题。推荐系统根据用户的行为,提供个性化推荐。推荐系统被大量地应用于各大网站中,具有巨大的商业价值;推荐系统与大数据、人工智能等紧密相连,具有学术研究价值。由此可见,对推荐系统的进一步研究很有意义。然而,推荐系统存在着数据稀疏性、系统可拓展性等关键性问题,同时推荐的准确率也有待提高。这些问题都制约着推荐系统的发展,因此为了缓解上述问题,展开了以下的研究工作:(1)针对传统的协同过滤推荐算法存在着数据稀疏性、邻居数据过少导致算法精度剧烈下降的问题,提出了融合潜在分类关联度的隐语义模型推荐算法。改进算法是将隐语义模型和基于物品的协同过滤推荐算法进行融合。改进算法的创新之处在于利用潜在分类关联度计算物品之间的相似性,并将时间上下文信息纳入到预测评分。最后在公开的数据集上进行了实验分析。(2)针对高维评分矩阵占用巨大计算资源、系统可扩展性较差的问题,提出了融合高斯混合聚类的隐语义模型推荐算法。改进算法是将隐语义模型算法和高斯混合模型进行融合。改进算法的创新之处在于,在推荐之前利用高斯混合聚类对评分数据进行预处理,划分为若干个规模更小的子矩阵,从而降低了数据计算的复杂度,并且考虑了隐式反馈对用户决策的影响。最后在公开的数据集上进行了实验分析。(3)在重庆慧居智能电子有限公司的智慧社区数据平台下进行了算法测试分析。测试结果表明,融合潜在分类关联度的隐语义模型推荐算法的最佳准确率、召回率、F1指标分别为43.6%、42.8%、40.2%;融合高斯混合聚类的隐语义模型推荐算法的最佳准确率、召回率、F1指标分别为46.6%、45.8%、41.6%,且算法的内存占用下降了24.97%。两种改进算法均能有效地缓解推荐系统存在的问题,并且提高了推荐的准确率。
基于活动外观模型的前列腺图像分割研究
这是一篇关于图像分割,活动外观模型,点集匹配,高斯混合模型,特征信息的论文, 主要内容为前列腺癌是中老年男性常见疾病,也是国内最常诊断的肿瘤。随着人口老龄化和国内饮食结构的改变,可以预见前列腺癌发病率将进一步增高,有可能成为21世纪我们过发病率最高的恶性肿瘤。因此,前列腺癌已成为研究的重点和热点之一。虽然目前前列腺癌的病因和发病机制尚不完全清楚,但是对于前列腺癌的主要治疗方法是放疗。在前列腺放射治疗过程中的第一步就是要把原始图像中前列腺和附近的组织有效的区别开来。在很多方面,前列腺图像的分割也具有着重要的意义,例如判断治疗的进展程度而计算每次放疗的剂量。 近年来,在图像分析领域基于模型的分割方法已经成为一种非常有效的分割方法。该方法是通过将一个包含形状和外观信息的模型匹配到新的待分割图像上去,这种分割是以一种自上而下的方式进行的。由于模型包含内在的先验信息,这种方法要比传统的低维方法更能够抵抗局部图像扭曲和其它的干扰信息。对于大批量生产的工业应用,单模板形状已经可以作为一个充分的模型,但是由于生物组织对象变化很大,这种方法就不能够再适用。因此在构建模型的过程中必须要包含最主要的变化信息,能够有效聚集这类信息的直接方法就是通过统计平均来训练大量的形状产生一个统计形变模型。 利用活动外观模型对前列腺图像进行分割,首先需要构建前列腺模型,然后再通过初始化和搜索算法调整模型的相关参数将其匹配到待分割的前列腺图像上去。构建模型的几个基本步骤是：形状表示、寻找形状对应关系、形状对齐、降维处理、形状模型、外观模型。其中对模型的质量影响最大的一步是寻找形状之间的解剖对应关系,但是由于三维形状结构的复杂性以及表示形状的标记点数量比较多,所以给寻找形状对应关系造成了很大的困难。 从理论上讲,自动计算对应关系的各种算法实际上就是在形状之间进行的一种配准。研究人员已经提出了多种建立形状之间对应关系的方法,如最近邻点迭代法、软分配海盗算法等等。在这些方法中,形状通常用数量不等的点集表示,并寻找最佳的相似变换。但相似变换对点集的形变进行了过度约束,对形状比较接近的训练集如骨骼等比较有用,匹配差异较大的形状则性能较差甚至错误。一致点漂移匹配方法采用不同的思路,不寻找相似变换,用于建立点集之间的对应关系效果良好。在该方法中,点集的空间位置分布采用高斯混合模型表达,将两个点集的匹配视为一个最大后验概率问题。 一般的点集匹配方法,都仅利用形状中点的空间位置信息进行形状点集匹配。然而,活动外观模型解释图像不仅利用形状信息还利用了图像特征,如纹理信息。形状中对应点的图像特征实际上也具有一定的关联,相关信息可能有助于进行点集的匹配。同时利用空间位置信息和图像特征信息进行点集匹配,有可能会使最终的活动外观模型更加准确、紧凑。基于此,本文提出在一致点漂移匹配方法中融入图像特征信息,利用图像特征实现对高斯混合模型的调整,使得图像特征近似点的匹配概率相对变大,以期提高点集匹配的精度和最终活动外观模型的分割精度。 使用三维前列腺和肝脏点集进行匹配的仿真实验,结果表明本文方法可有效减少匹配误差,其中肝脏点集匹配误差从1.84mm降低到1.54mm,前列腺点集匹配误差从0.83mm降低到0.60mm。利用本文提出的形状点集匹配方法建立活动外观模型,对三维前列腺CT图像进行分割,分割精度也有一定提高,即体素正确覆盖率从88.7%提高到90.2%。
融合时间上下文信息的个性化音乐混合推荐算法研究
这是一篇关于推荐系统,个性化音乐推荐,高斯混合模型,潜在因子模型,上下文信息的论文, 主要内容为面对互联网飞速发展带来的大量音乐资源,用户需要从中快速准确地筛选出自己喜欢的音乐。个性化音乐推荐系统可以为用户推荐符合自身偏好的歌曲,提升用户的使用体验。传统的推荐算法直接应用到音乐推荐领域时,会出现推荐结果不精准的情况。针对此问题,本文中使用高斯混合模型,在预测前对用户进行分类。同时结合时间上下文信息,避免了因时间因素影响用户偏好导致推荐不够精准的问题。本文的主要研究工作如下:1.数据预处理并填充数据。利用可获取的公开数据集,对音乐的播放次数进行处理,将处理后的播放次数作为用户对音乐的评分,构建一个能够有效反应用户与音乐之间关系的矩阵,即用户评分矩阵。2.提出一种结合高斯混合模型和潜在因子模型的推荐算法。首先利用高斯混合模型将偏好近似的用户划分到同一个簇中,然后利用潜在因子模型重构用户评分矩阵并进行预测推荐。最后在百万级别歌曲数据集上进行实验,结果表明该算法提升了预测评分的准确度。3.提出一种融合时间上下文信息的推荐算法。加入时间衰减函数和流行度长尾效应函数来修改相似度计算公式,在通过此算法形成推荐列表后,综合融合高斯混合模型的推荐算法形成的推荐列表,最终形成推荐。最后在百万级别音乐数据集数据集上进行实验,结果表明该算法提高了推荐的准确度。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设港湾 ，原文地址：https://m.bishedaima.com/lunwen/48556.html
