雷震春
- 作品数:23 被引量:27H指数:2
- 供职机构:江西师范大学更多>>
- 发文基金:国家自然科学基金江西省教育厅科学技术研究项目江西省学位与研究生教育教学改革研究项目更多>>
- 相关领域:自动化与计算机技术电子电信文化科学动力工程及工程热物理更多>>
- 一种基于加权成对约束度量学习算法的说话人识别方法
- 本发明提供一种基于加权成对约束度量学习算法的说话人识别方法,该方法包括以下步骤:根据加权约束对度量学习算法(WPCML),最小化同类样本间距离,同时最大化非同类样本间距离,获得用于计算样本间马氏距离的半正定矩阵;根据半正...
- 雷震春杨印根朱明华
- 文献传递
- 一种基于孪生卷积神经网络进行欺骗性语音检测的方法
- 本发明公开了一种基于孪生卷积神经网络进行欺骗性语音检测的方法,包括如下步骤:(1)提取语音的高斯概率特征:(a)对所有原始语音进行预处理;(b)对预处理后的语音进行CQCC特征提取;(c)对CQCC特征训练得到两个高斯混...
- 雷震春马明磊杨印根
- 文献传递
- 一种基于生成对抗网络过采样的网络入侵检测方法
- 本发明公开了一种基于生成对抗网络过采样的网络入侵检测方法,先选取网络入侵检测数据集中的主要特征,对主要特征进行数据预处理,得到训练集,再通过CGAN模型对训练集中的不平衡数据过采样,然后输入到网络入侵检测模型中进行训练,...
- 雷震春马明磊杨印根
- 文献传递
- 孪生Bi-LSTM模型在语音欺骗检测中的研究被引量:1
- 2022年
- 在语音欺骗检测中,高斯混合模型(Gaussian Mixture Model,GMM)独立地累计所有语音帧的分数,而忽略了每个高斯分量对最终分数的贡献.本文对每个高斯混合模型分量上的分数进行建模,并基于线性频率倒谱系数(Linear Frequency Cepstral Coefficients,LFCC)构建高斯概率特征(Gaussian Probability Features,GPF);结合能够捕捉语音帧的前后依赖关系的双向LSTM和具有强大分类能力的孪生网络,使用孪生双向LSTM(Siamese Bidirectional Long Short-Term Memory,SBi-LSTM)模型进行语音欺骗检测.SBi-LSTM模型进行语音欺骗检测时,首先在真实和欺骗语音数据集上训练得到两个GMM,然后利用GMM计算每条语音的GPF,最后对输入的GPF进行二分类.实验在ASVspoof 2019数据集上进行,实验结果表明SBi-LSTM模型明显优于GMM,逻辑访问场景下min t-DCF和EER分别比GMM的min t-DCF和EER降低了47.62%和48.35%,物理访问场景下分别降低了31.03%和39.69%.SBi-LSTM模型和GMM得分融合后性能有进一步提高,逻辑访问场景下min t-DCF和EER分别比GMM的min t-DCF和EER降低了71.43%和70.62%,物理访问场景下分别降低了34.48%和45.74%.
- 甘海林雷震春杨印根
- 基于内嵌GMM核的支持向量机模型的说话人识别方法
- 本发明涉及一种基于内嵌GMM核的支持向量机模型的说话人识别方法,首先对每个说话人的语音进行特征提取,然后根据每个说话人的语音训练得到一个高斯混合模型,根据此高斯混合模型,可以将一条语句映射到一个固定大小的高维向量上,并将...
- 杨莹春吴朝晖雷震春
- 文献传递
- 基于内嵌GMM核的支持向量机模型的说话人识别方法
- 本发明涉及一种基于内嵌GMM核的支持向量机模型的说话人识别方法,首先对每个说话人的语音进行特征提取,然后根据每个说话人的语音训练得到一个高斯混合模型,根据此高斯混合模型,可以将一条语句映射到一个固定大小的高维向量上,并将...
- 杨莹春吴朝晖雷震春
- 文献传递
- 基于混合支持向量机的说话人识别方法
- 本发明涉及一种基于混合支持向量机的说话人识别的方法,是为每个说话人建立一个混合支持向量机模型,首先对每个说话人的语音进行特征提取,然后将每个说话人的所有训练样本数据采用聚类方法进行分区,每个区训练出一个支持向量机,在训练...
- 杨莹春吴朝晖雷震春
- 文献传递
- 一种基于残差神经网络的语音欺骗检测方法
- 本发明提供一种基于残差神经网络的语音欺骗检测方法,包括:采集真实语音信号数据和欺骗语音信号数据,进行特征提取,获得线性频率倒谱系数;对所述线性频率倒谱系数进行训练,获得高斯混合模型;将所述线性频率倒谱系数输入所述高斯混合...
- 雷震春马明磊杨印根
- 文献传递
- VAE过采样与迁移学习在网络入侵检测中的应用被引量:1
- 2021年
- 在网络入侵检测中,异常样本通常要比正常样本少得多,数据的不平衡问题会导致检测模型的分类结果倾向于多数类,影响模型准确率。文章提出应用变分自编码器(VAE)模型对网络入侵检测中的不平衡数据进行过采样,通过学习原数据的特征后生成新样本重新平衡数据分布,以提高检测模型的性能。在训练检测模型时采用迁移学习方法,先在过采样后混合的数据集上预训练,再迁移到原数据集上进行训练,得到最终的检测模型。在NSL-KDD数据集上进行实验,网络入侵检测模型使用前馈神经网络。结果表明,基于深度学习的VAE过采样方法比传统的SMOTE过采样方法要更加有效,提高了网络入侵检测模型准确率3.23%。
- 黄仲英杨印根雷震春
- 关键词:网络入侵检测VAESMOTE不平衡数据
- 一种基于简单直接度量学习算法的说话人识别方法
- 本发明提供一种基于简单直接度量学习算法的说话人识别方法,包括:采集多个说话人的语音样本,提取所有样本的i‑vector,采用LDA或WCCN方法进行信道补偿处理,并进行长度规整,形成训练样本集;根据训练样本集的i‑vec...
- 雷震春杨印根朱明华
- 文献传递