A SPEECH RECOGNITION METHOD USING COMPETITIVE AND SELECTIVE LEARNING NEURAL NETWORKS

IntroductionHMM method and neural networks as a feasiblemethod have been used in speech recognitionsystem for several years,many improved meth-ods are still being discussed and proposed to en-hance its performance.On the basis of tradition-al HMM method and selection mechanism ,anew CSL algorithm ( competitive and selectivelearning neural networks) is proposed in this pa-per,which enables the system to avoid localminimum and have high recognition rate usingwith HMM and PSHNN.Isodistortio…     

基于MFCM的改进聚类算法及其在交通中的应用

在交通流状态模糊化的过程中,对已有的交通模糊控制研究引入了太多的主观因素.为了解决这个问题,提出了一种基于MFCM算法的分级递减聚类算法,利用MFCM算法寻找类中心,再自适应确定该类中心的隶属度阈值,将聚类进行分级处理,实现未知类别数数据集的聚类.将改进算法应用到交通流状态聚类中,可以更科学地确定交通流状态的聚类数和各类模糊隶属度函数的结构等,最后,通过算例,说明了该算法对于未知聚类数及服从高斯分布的数据集具有聚类效果好、收敛速度快的特点.     

基于手机传感器数据的交通出行调查实证评估

应用手机传感器与调查问卷, 同步采集了校园内高校学生2周的真实出行轨迹; 考虑了真实出行环境下的手机传感器数据特征, 结合高斯滤波预处理数据, 根据轨迹点的时空聚类特性, 用时空聚类算法识别了出行端点和出行时间, 结合轨迹点速度、加速度特征, 利用支持向量机识别了出行方式; 将手机传感器数据与调查问卷、查核线数据对比, 分析了手机传感器数据出行特征识别的准确程度, 验证了出行特征的提取效果。分析结果表明: 手机传感器与问卷调查识别出行链的成功匹配比例为81.66%, 说明手机传感器数据可有效记录出行轨迹; 时空聚类算法参数中核心点空间半径为26.92 m, 最小样本点为129, 时间约束为129 s时, 出行端点识别准确率为93.02%, 出行时间识别准确率为90.84%, 说明手机传感器识别出行端点和出行时间的效果较好; 当支持向量机设置类型为经典支持向量机, 核函数为径向基函数, 惩罚系数为0.797, 核参数为2.260时, 出行方式识别准确率为89.86%, 即利用手机传感器能够有效识别出行方式。可见, 手机传感器数据识别结果合理, 能为手机传感器数据应用于实际出行调查做支撑。      

A SPEAKER ADAPTABLE VERY LOW BIT RATE SPEECHCODER BASED ON HMM

IntroductionPhonetic and segmentvocoders are popular tech-niques used in speech coding at rates on the or-der of 1 0 0 bit/s.These coders are based onrecognition/synthesis technique.They use somekind of speech recognition technique to decom-pose speech signals to sequence of speech units,such as phonetic units or speech segment units,and then transmit indexes and durations of therecognized units.The decoders receive this in-formation,and synthesize speech by concatenat-ing typical instances of…     

地下水污染评价模糊综合聚类理论与模式

针对环境系统各等级之间的模糊性，在充分考虑各污染因子权重大小的基础上，将模糊聚类最大矩阵元原理与模糊模式识别理论模型相结合，形成环境系统模糊综合聚类理论模型。并以某市地下水污染评价为例，叙述了这种方法的研究程序和计算步骤，取得了满意的结果。     

用迭代自组织数据分析技术A(ISODATA)对零件进行模糊分类

本文将机械零件的GT分类编码视为模糊样品集,进行分类成组。给出 了模糊数学模型,用IsODATA模糊聚类方法进行求解,程序运行的结 果表明:比普通聚类法运行速度快,结果更切合客观实际。      

基于多特征检验的三维沥青路面裂缝检测

针对由裂缝对比度低、路面纹理复杂多变等因素引起的沥青路面三维图像的裂缝检测精度低的问题，对原始三维裂缝图像进行尺寸降维、灰度校正、高斯滤波等预处理；然后以图像截面为研究对象，分别对4个方向的截面依次进行特别设计的倾斜度、高斯分布、边缘梯度3种特征检验，从而获得裂缝截面；接着对各个方向的裂缝截面进行融合和去噪，获得完整的裂缝二值图像；最后，根据路面粗糙度的高低，变化高斯分布特征检验中的相关参数，实现裂缝的高精度检测. 研究结果表明:提出的算法能达到89.19%的准确率、93.69%的召回率及91.06%的 F 值，优于基于三维光影、种子识别的典型三维图像裂缝检测方法.      

基于模糊C均值聚类的城市道路交通状态判别

为及时判别城市道路交通状态,考虑城市道路交通特征的差异性和交通流的波动特性,对状态指标的合理性进行分析;将交通状态划分为畅通、缓行、拥堵、阻塞4类,提出一种基于模糊C均值聚类（FC M ）判别城市道路交通状态的算法。选取车速、流量、占有率作为交通状态判断指标,根据不同指标设计3种方案,用MATLAB模糊逻辑工具箱分析出仿真数据的聚类中心,对不同指标组合下的各样本交通状态进行判断,验证算法判别的可行性。结果表明,以速度、流量、占有率为参数的FCM算法能较好地判别城市道路交通状态,精度较高。     

基于改进的FCM在人脑MR图像分割中的应用

为解决模糊C-均值聚类（FCM）算法在医学图像分割中存在计算量大、运行时间过长以及样本集不理想会导致不好的聚类结果的问题,提出了相应的改进算法．利用收敛速度快的K均值聚类法得到的聚类中心作为FCM算法的初始聚类中心,并将样本对于各个聚类的隶属度之和为1这一约束条件,改变为所有样本对各类的隶属度总和等于样本总数．实验表明,该方法用于人脑磁共振图像分割时,运行速度提高了近3倍,分割准确度明显得到提高．     

��·��������ϵͳ���߼��ṹ��������

铁路智能运输系统(RITS )规模大、结构复杂、要素繁多,系统设计难度大.这类系统设计和建设的关键在于采用合理的模型描述系统的结构、数据及相互联系,使得复杂的信息关联简单易懂,便于整个铁路智能运输系统的设计.为降低系统设计复杂程度,本文提出了一种基于模糊聚类的RITS逻辑结构分解方法,通过建立模糊关联强度矩阵描述过程间的关联程度,在此基础上采用模糊聚类将RITS逻择结构分解为若干相对独立的功能单元,使系统分解过程更为精细和严谨,为系统物理实现及相关研究提供了基础.     

自适应期望跟车间距和行为习惯的驾驶人跟驰模型

为满足智能车辆的个性化需求，提高智能车辆人-机交互协同的满意度和接受度，构筑双层驾驶人跟驰模型框架，提出自适应驾驶人期望跟车间距和行为习惯的个性化驾驶人跟驰模型。首先，提取个体驾驶人跟驰均衡状态的数据，采用高斯混合和概率密度函数(Gaussian Mixture Model and Probability Density Function, GMM-PDF)建立第 1 层模型，即驾驶人期望跟车距离模型。然后，将期望跟车距离参数引入模型，基于高斯混合-隐马尔可夫方法(Gaussian Mixture Model and Hidden Markov Model, GMM-HMM)学习驾驶习性，建立第2层模型预测加速度，即个性化驾驶人跟驰模型。其次，研究不同高斯分量个数对模型效果的影响，对比双层模型与 Gipps 模型、最优间距模型(Optimal Distance Model, ODM)、单层模型及通用模型的性能。最后，8位被试驾驶人的自然驾驶行为数据验证结果表明：高斯分量数量与模型性能存在一定的正相关性；在最优高斯分量数量下，8位被试驾驶人在训练集上预测误差均值为0.101 m·s-2，在测试 集上为0.123 m·s-2；随机选取其中1位驾驶人的2个跟车片段数据进行模型计算，结果显示，加速度的平均误差绝对值分别为0.087 m·s-2和0.096 m·s-2，预测效果优于Gipps模型、ODM模型、单层 模型及通用模型30%以上，与驾驶人实际跟驰行为的吻合度更高。     

城市道路车辆分类及折算系数研究

城市道路上交通构成复杂,对交通流进行研究时希望能够有一个统一的标准来计量道路上行驶的车辆。车辆折算系数是指将混合车流中的各种车型转化成标准车的当量值,是道路规划与设计中的重要指标之一。由于该系数在不同地点和时间的交通流状况下不尽相同,就需要一种调查简单而结果又合理的计算方法。从定义各类型车辆所占用的动态空间瞬时车道占有率入手,提出了以车辆瞬时占用车道长度与速度的比值为参数,基于模糊动态聚类对车辆进行分类的方法。并利用该方法对城市主干路上的交通调查数据进行了计算,将车辆进行合理的分类,并根据最佳分类的聚类中心值给出了城市道路上的车辆折算系数,最后分析了城市道路上各种车辆折算系数的特点。     

考虑交通运行条件影响的驾驶员特征聚类

为提升驾驶员特征聚类方法的适用性与可靠性，本文基于机动车运行轨迹分析提出考虑交通运行条件影响的驾驶员特征聚类改进方法。首先，经过对车辆运行轨迹数据的分析发现，不同道路类型和平均速度条件会显著影响驾驶行为的集计特征；其次，提出改进的驾驶员特征聚类方法，第1步设计考虑道路类型与平均速度因素的车辆轨迹的切片和分类方法，从而稳定提取典型交通条件下的驾驶行为特征参数，第2步选用高斯混合模型聚类驾驶员特征。聚类案例表明， 在相同的道路类型和平均速度条件下，驾驶员类型越激进，其速度变异系数、加速度标准差和平均减速度等参数均值越高。不同聚类方法的对比表明，改进方法在驾驶员聚类的类内聚集度和类间分离度方面均表现更好，能有效提升驾驶员聚类的适用性与可靠性。     

基于粒计算的交通流参数预测

交通流参数预测是交通流诱导和交通信息发布的重要依据.以信息颗粒为基 础数据分析单元,针对以往模糊时间序列模型存在的缺陷,提出一种新方法构建模糊时 间序列模型,该方法在挖掘数据内在信息关联的基础上,考虑时间变量影响下分析动态 可变的区域间隔长度.此方法主要特点是基于Gath-Geva 模糊聚类的时间序列分割,利用 模糊分割构造信息颗粒,以信息颗粒为数据单元,通过粒计算分析交通流参数动态变化 趋势.实验结果表明,基于粒计算的交通流参数预测可以预测合理的交通流参数置信区 间,比传统的参数数值预测可靠度更高,对于交通状态的动态分析具有指导意义.     

基于模糊聚类和识别的出租车合乘算法研究

针对目前部分大城市出租车合乘效果差,合乘效率低等现状,本文采用模糊聚 类和模糊识别方法,研究出租车行驶路线模糊聚类,并利用行驶路线、行驶时间和合乘人 数创建隶属函数,实现合乘乘客与出租车的合乘模糊识别.通过随机生成的多组出租车出 行和合乘乘客样本数据,发现在假定的出租车合乘条件下,出租车样本数量决定了合乘 的成功率,但同时也发现,在合乘人数固定的情况下,无限制的增加出租车样本数量会增 加合乘乘客的搭载成功率,平均每辆合乘出租车的收入并不会随着样本数量的增大而增 大,而是趋于稳定值.仿真结果说明,该算法适合于大样本的出租车合乘问题,是一种可以 提高出租车合乘成功率的有效方法.     

公路运输站场体系规划方法及应用

为明确划分公路运输站场体系的层次,将中心地理论引入公路运输站场体系分析中,提出基于模糊聚类的公路运输站场分层规划方法。再结合贵港市公路运输站场规划,运用DPS 2.0软件对该市77个运输节点进行模糊聚类,结果表明:模糊聚类分析法对公路运输站场体系进行层次划分有很好的针对性。     

公路运输站场体系规划方法及应用

为明确划分公路运输站场体系的层次,将中心地理论引入公路运输站场体系分析中,提出基于模糊聚类的公路运输站场分层规划方法。再结合贵港市公路运输站场规划,运用DPS2．0软件对该市77个运输节点进行模糊聚类,结果表明：模糊聚类分析法对公路运输站场体系进行层次划分有很好的针对性。     

辽西沿海河流分类的模糊混合聚类法

将模糊聚类最大矩阵元原理与最小二乘最优准则下的模糊ISODATA聚类迭代原理相结合，并按最大隶属原则确定最优分类，建立了基于迭代的模糊混合聚类法．利用此方法对辽西沿海诸河流域进行了分类评价，得到了令人满意的结果．     

基于模糊聚类迭代模型的典型水文年选取研究

为了合理、有效地从众多实测水沙资料中选取具有代表性的水沙年,提出应用模糊聚类迭代模型选取典型水文年的方法,结合西江金鸡水文站的实测水沙资料,对模型进行计算,并与传统的频率法进行比较分析.结果表明:采用该模型不仅使选取的典型水文年在年总量和年内分配上均具代表性,且在计算过程中避免了人为确定权重和水沙分类标准的主观性,是一种较为客观、合理的选取典型水文年的方法.     

结合人体运动特征的行为识别

人体运动具有马尔可夫性质,即当前状态只受前一状态的影响.目前为止,用于人体行为识别的隐马尔可夫模型（HMM）大多使用的是全连接结构（Full-Connected structure）,并且没有把状态数目的选取和状态转移条件与人体运动特性间的关系作为研究重点.本文针对这种关系提出了基于“从左到右三状态半连接HMM”的人体行为识别方法,为每个状态的输出概率引入了权重的概念.实验表明,该方法能够在降低运算复杂度的同时,提高行为识别率,从而证明了人体运动特性分析在HAR领域中的应用价值.