国家重点基础研究发展计划(2004CB318110)
- 作品数：4 被引量：13H指数：2
- 相关作者：袁保宗刘明苗振江唐晓芳李昆仑更多>>
- 相关机构：北京交通大学北京交通大学信息科学研究所河北大学更多>>
- 发文基金：国家重点基础研究发展计划国家自然科学基金北京市自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 基于模糊规则的多分类器融合被引量：5
- 2007年
- 用非线性方法解决多分类器融合问题能够取得比较高的识别率,但是,当前被应用在多分类器融合领域中的非线性方法可理解性较差,给使用者带来一定的困难。而基于模糊规则的模式识别方法是一类可理解性好的非线性方法,但迄今为止还没有被应用于多分类器融合问题中。基于上述考虑,该文将模糊系统应用到多分类器融合中,并且研究了如何设计可理解性好、精度高的模糊系统的问题,提出了一种改进的基于支持向量的模糊系统设计方法。该方法在从ELENA项目数据库和UCI数据库中选出的4个数据集上进行了测试。实验结果表明,该方法能够用可理解性好的模糊系统实现低错误率的多分类器融合。
- 刘明袁保宗苗振江唐晓芳
- 关键词：信息融合模式识别模糊逻辑支持向量机
- 一种新的口语对话系统错误处理方法
- 本文首先简要介绍了基于特定域口语对话系统错误处理的研究现状。利用汉语中词（字）发音相似或相同的特点,结合特定应用域的语言模型,我们提出了一种新的汉语口语对话系统错误处理方法,在基于关键词的口语理解方法中检测和改正语音识别...
- 周卫东袁保宗朱维彬
- 关键词：口语对话系统
- 文献传递
- 一种基于曲率约束的不完整超二次曲线拟合
- 超二次曲线由于其参数少,描述形状多而广泛地应用于计算机图形学和计算机视觉中。但是对于不完整曲线的拟合,往往得到退化的结果。为了抑制退化,我们在基于代数距离的目标函数中加入了曲率惩罚项。实验结果表明,我们的拟合结果能较好地...
- 陈京袁保宗文富荣
- 关键词：目标函数
- 文献传递
- 一种基于曲率约束的不完整超二次曲线拟合
- 2005年
- 超二次曲线由于其参数少,描述形状多而广泛地应用于计算机图形学和计算机视觉中.但是对于不完整曲线的拟合,往往得到退化的结果.为了抑制退化,我们在基于代数距离的目标函数中加入了曲率惩罚项.实验结果表明,我们的拟合结果能较好地逼近原始曲线.
- 陈京袁保宗文富荣
- 关键词：目标函数
- 汉语语音识别网站的设计与实现
- 随着网络技术的飞速发展,它为汉语研究领域带来了新的动力。本文设计并实现了一种汉语语音识别的网站。介绍了隐含马尔科夫模型（HMM）在语音识别系统中的应用和小波变换在声调识别中的应用。采用JSP和SQL Server 200...
- 明悦苗振江
- 关键词：小波变换网络系统
- 文献传递
- 汉语语音检索系统的设计与实现
- 随着信息技术的快速发展,各种音频、视频数据日益增多,如何高效的定位关键信息具有十分重要的意义。本文主要基于关键词识别、文本分类等技术,设计并实现了一个针对汉语口语的语音检索系统。该系统包括基于关键词识别的后台操作和多功能...
- 钟岑岑苗振江章洁杜鲁燕康丹丹
- 关键词：语音检索关键词识别文本分类
- 文献传递
- 结合FCM和边界检测算法进行不规则点云去噪
- 提出了一种将模糊C均值(FCM)聚类算法与边界检测算法结合进行三维点云数据的去噪算法。点云数据是不规则的,并且不包含任何法向和朝向信息。我们通过边界准则来判断一个点是否为噪声点。然后我们用FCM算法对大尺度噪声进行去除,...
- 王丽辉袁保宗苗振江
- 关键词：模糊C均值聚类三维点云数据去噪
- 文献传递
- LMSF Mean Shift目标跟踪算法
- Mean shift作为一种有效的目标跟踪算法近年来得到了广泛的应用,但如何有效地更新核函数直方图模型仍是一个需要解决的问题。本文针对mean shift跟踪算法中模型更新问题,提出了一种新的模型更新策略。对mean s...
- 李波袁保宗
- 关键词：目标跟踪
- 文献传递
- 基于语言模型的中文文本分类系统
- 文本分类技术是近年来自然语言处理研究领域的一个热点,向量空间模型（VSM）是文本分类的经典模型,该模型在应用时假设词与词之间是相互独立的,忽略了任何词序上的相互关系,但是在几乎所有的应用中,词的相对顺序是非常有意义的,针...
- 杜鲁燕苗振江
- 关键词：文本分类语言模型向量空间模型
- 文献传递
- 从局部分类精度到分类置信度的变换被引量：8
- 2008年
- 基于局部分类精度设计多分类器系统能够有效地提高分类正确率．目前流行的动态分类器选择方法不能充分利用各个基本分类器的信息．在动态分类器选择方法中，局部分类精度最高的基本分类器决定最终的分类结果，其他基本分类器的信息被忽略．提出了一种将局部分类精度变换为分类置信度的方法，从而可以利用度量层分类器融合方法对得到的置信度进行融合．与动态分类器选择方法相比，度量层分类器融合方法能够利用更多的信息，从而能够取得更高的分类正确率．ELENA数据库、UCI数据库和DELVE数据库上的大量实验表明，新方法在分类正确率方面超过动态分类器选择方法大约0．2％～13．6％．
- 刘明袁保宗苗振江唐晓芳李昆仑
- 关键词：信息融合模式识别分类器组合
