排序方式: 共有6条查询结果,搜索用时 140 毫秒
1
1.
蔡铁 《深圳信息职业技术学院学报》2008,6(2):17-22
针对非平稳噪声环境下的语音活动检测问题,提出了基于在线单类SVM的自适应语音活动检测算法。该算法采用单类SVM对多种特征信息进行在线学习与综合,为非平稳背景噪声建模,并采用双层决策机制,能有效提高语音活动检测的稳健性。在语音识别系统中的实验结果表明,算法在多种噪声环境和信噪比条件下有效,并明显提高了在非平稳噪声环境下的识别率。 相似文献
2.
3.
与传统的频谱管理方式相比,动态频谱接入能够充分利用未被占用的频谱资源,提高频谱利用效率,缓解频谱资源紧张的局面。本文基于双代理结构的认知无线电场景及离散事件系统,提出了一种高效的动态频谱接入方案,并利用连续时间Markov链对该策略建模,计算机仿真结果验证了该方案的有效性及理论计算结果的正确性。 相似文献
4.
服务质量路由(quality-of-service routing,简称QoSR)是提高网络实时(音频、视频)传输服务质量的核心技术。本文在介绍网络QoS基本数学模型的基础上,详细分析了面向VoIP的QoS路由算法参数和多约束多播路由算法融合这两个重要问题,并分别对这两个问题的典型算法进行分析和比较,最后得出了该领域中需要进一步研究的关键问题。 相似文献
5.
可靠的语音端点检测算法是稳健语音识别系统所必须的。针对现有算法在噪声环境下的稳健性问题,提出了基于单类SVM(Support Vecfor Machine)的端点检测算法。通过对多特征信息进行在线学习与综合,以及采用双层决策机制,有效提高了语音检测的稳健性。实验表明,算法在多种噪声环境和信噪比条件下有效,明显提高了语音识别系统在噪声环境下的识别率。 相似文献
6.
为提高分类性能,提出了一种新的基于数据离散化和选择性集成的SVM集成学习算法。该算法采用粗糙集和布尔推理离散化方法处理数据集,构造有差异的个体SVM以提高集成学习的性能。在训练得到一批SVM之后,算法采用了选择性集成提高性能并减小集成规模。实验结果表明,所提算法能取得比传统集成学习方法Bagging和Adaboost更好的性能。 相似文献
1