基于迁移判别回归的跨域语音情感识别

针对实际情况下训练和测试数据来自不同领域数据库导致识别性能下降的问题,提出了一种基于迁移判别回归的跨域语音情感识别方法。首先,引入最大均值差异和图拉普拉斯项作为域间联合距离度量,在减小概率分布差异的同时,很好地保留数据的局部几何结构,从而学习到一个可迁移的公共特征表示。其次,本文采用一种能量保持策略,以避免迁移过程中目标域信息的丢失。此外,通过引入判别回归项,利用已标记的源域样本在公共子空间中训练一个可迁移的判别回归模型。最后,为了使学习到的模型具有特征选择能力和鲁棒性,分别对投影矩阵和回归项施加L_2,1范数约束。在3个公开数据集上的实验结果表明,本文提出的算法相较于其他几种迁移学习方法具有更好的识别性能。     

高维空间下求解MDA的扰动算法及其在人脸识别中的应用

本文提出了一种在高维空间下直接求MDA(Multiple discriminant analysis)最佳解的扰动算法，并把这一算法应用于人脸的识别中。在传统的MDA求解算法中，一般要求训练样本的个数足够大，以至于其类内散射矩阵为非奇异矩阵，即所谓的“小样本”问题。但是，在入脸识别中，由于人脸空间的维数非常大，而训练样本的个数有限，造成类内散射矩阵为奇异矩阵，从而使得用传统的求解方法失效。为了能在高维空间中求出MDA的最佳解，本文采用扰动的思想，巧妙地避开了矩阵的奇异性问题并找到了最佳变换矩阵。此外，把这一算法用于人脸的识别中，对ORL人脸图像库的实验显示，采用本文提出的算法达到比较低的错误率，其错误率仅为特征脸(Eigenface)方法的49．9％，为Fisher脸(Fisherface)的7914％。     

精化不协调元的实施

按精化不协调元法推导了保证收敛的平面四结点单元（ＲＮＱ４）及空间八结点单元（ＲＮＱ８），从工程实际应用角度分析此类单元的实施及其对结构工程中抗弯结构和高层抗剪结构的适应性。     

基于子空间学习和伪标签回归的无监督特征选择

信息技术的快速发展产生了大量无标签高维数据。为了能够更好地处理这些数据,提出了一种基于子空间学习和伪标签回归的无监督特征选择方法。首先,从矩阵分解的角度将子空间学习和特征选择结合在一个框架中,2,1〗范数保证稀疏,在寻找原始数据空间低维表示的同时进行特征选择;其次,利用回归函数来学习特征子空间和伪标签之间的映射关系,利用伪标签和回归函数来指导无监督特征选择,以使选择出来的特征更具判别力;最后,通过引入图拉普拉斯来挖掘隐藏在样本空间和特征空间的局部结构信息。在六个公开的数据集上进行了实验,实验结果表明该方法要优于其他几种先进的无监督特征选择算法。      

提高耳语音可懂度的非对称压缩语音增强方法

提出两种基于非对称代价函数的耳语音增强算法,将语音增强过程中的放大失真和压缩失真区分对待。Modified ItakuraSaito (MIS)算法对放大失真给予更多的惩罚,而Kullback-Leibler (KL)算法则对压缩失真给予更多的惩罚。实验结果表明,在低于—6 dB的低信噪比情况中,经MIS算法增强后的耳语音的可懂度相比传统算法有显著提高;而KL算法则获得了同最小均方误差语音增强算法近似的可懂度提高效果,证实了耳语音中的放大失真和压缩失真对于耳语音可懂度的影响并不相同,低信噪比时较大的压缩失真有助于提高耳语音可懂度,而高信噪比时的压缩失真对耳语音可懂度影响较小。      

一种基于快速KNFL的模式分类法及其在寂声/语声段识别中的应用

本文提出了一种基于快速K最近特征线(K Negest Feature Line,KNFL)的模式分类法，这种方法可看作是对K最近邻法(KNN)的推广，它以最近特征线(Negest Feature Line,NFL)为基础，先找出距离待识别点最近的K条特征线，再找出这K条特征线中属于某一类别数目最多的那一类作为识别结果。而在对NFL的搜索中，提出了一种快速的计算方法，使得KNFL计算量大大减少。此外，本文可以把这种算法应用于语音信号的寂声/语声段的识别中。实验结果表明，将KNFL应用于语声段／寂声段的识别会得到良好的效果。     

两种材料契合弹性力学问题的虚边界元-配点法

提出两种材料契合弹性力学问题的虚边界元－配点法.对于材料不同的区域分别采用各自的基本解,这样就避免了一般边界元采用Ｈｅｔｅｎｙｉ’ｓ基本解的局限性和麻烦．编制相应程序,通过实例将计算结果同理论解进行了比较,表明该方法是非常有效的．     

利用深度卷积神经网络将耳语转换为正常语音

耳语是一种特殊发音方式,将耳语转换为正常语音是提升耳语质量和可懂度的关键方法。为了充分利用语音的频域和时域相关性实现耳语转换,提出了使用深度卷积神经网络(Deep Convolutional Neural Networks,DCNN)将耳语转换为正常语音。它的卷积层用来提取连续帧语音谱包络之间的频域与时域的相关特征,而全连接层用来拟合耳语在卷积层提取的特征和对应正常语音之间的映射关系。实验结果表明与深度神经网络(Deep Neural Networks,DNN)模型相比,DCNN模型获得的转换后语音的梅尔倒谱失真度(Cepstral Distance,CD)降低了4.64%,而语音质量感知评价(Perceptual Evaluation of Speech Quality,PESQ)、短时客观可懂度(Short-Time Objective Intelligibility,STOI)与平均主观意见分(Mean Opinion Score,MOS)分别提高了5.41%,5.77%,9.68%。      

半监督判别分析的跨库语音情感识别

针对训练样本与测试样本来自不同语音情感数据库造成特征向量空间分布不匹配的问题,采用半监督判别分析减小二者的差异。首先寻找有标签的训练样本和来自另一个库的部分无标签训练样本之间的最优投影方向。基于一致性假设即相近的点更有可能具有相同的类别,利用p近邻图对无标签训练样本相近点之间的关系进行建模,从而获得无标签样本的分布信息。在保证无标签样本间流形结构的同时,使所有训练样本类间散度和类内散度的比值达到最大,从而得到最优的投影方向。采用两组实验进行验证,第1组用eNTERFACE库训练去测试Berlin库,识别率为51.41%,第2组用Berlin库训练测试eNTERFACE库,识别率为45.76%,相比未采用半监督判别分析的识别结果分别有了13.72%和22.81%的提高,说明该算法的有效性。通过实验前后数据的可视化分析,说明利用半监督判别分析确实减小了不同库之间特征向量空间分布的不匹配问题,从而提高跨库语音情感识别率。