黄汉明
- 作品数：66 被引量：268H指数：9
- 供职机构：广西师范大学更多>>
- 发文基金：国家自然科学基金地震行业科研专项广西壮族自治区自然科学基金更多>>
- 相关领域：天文地球自动化与计算机技术电子电信医药卫生更多>>
- 强噪声环境下基于ICA/BSS的语音识别预处理方法被引量：7
- 2005年
- 针对强噪声环境下语音识别的困难,本文提出了一种基于能量比较的ICA/BSS后处理检测的消噪方法,通过信噪能量比较提取语音信号,和小波变换的方法的结果进行比较,识别结果表明该方法的优越性,同时本文提出了一种二抽取单信道盲分离的方法,扩展了ICA的应用.其结论对于强噪声环境下语音识别具有重要的意义.
- 韩仲志黄汉明叶洪涛
- 关键词：ICABSSFASTICA算法强噪声小波消噪语音识别
- 一种语音端点检测的方法及改进被引量：5
- 2007年
- 端点检测是语音信号处理过程中非常重要的一步,它的准确性直接影响到语音信号处理的速度和结果,因此端点检测方法的研究一直是语音信号处理中的热点。本文研究了传统的短时能量和过零率相结合的语音端点检测算法,修正了传统过零率的计算。同时采用窗长动态改变的方法对其进行了改进。实验表明改进后的端点检测方法能够比较准确地检测语音的端点。
- 覃溪郑建华曹乃文钟明辉黄汉明
- 关键词：端点检测过零率语音信号处理
- 基于头发分析的一种模拟诊断方法探讨
- 2002年
- 用统计模式识别方法研究了头发微量元素 ,应用于筛选或识别病人 ,建立动态诊断指标。以糖尿病病人和鼻咽癌病人的模拟诊断为例 ,结果说明所建立的动态诊断指标有较高的正确识别率。
- 黄汉明梁宝鎏
- 关键词：微量元素分析糖尿病鼻咽癌
- 天然地震与人工爆破识别算法研究
- 2010年
- 本文研究了利用v-SVC支持向量分类机对天然地震与人工爆破事件进行自动识别的有效性及适用性。首先对波形记录利用不同的小波基函数进行4层小波包变换,然后对变换得到的最后一层小波包系数提取出香农熵特征,然后利用v-SVC对提取得到的香农熵特征进行训练和识别。实验结果证明,利用v-SVC对与人工爆破事件进行识别,可以取得很好的识别效果,识别率最高可达98%。
- 卢世军黄汉明
- 关键词：天然地震人工爆破小波包变换
- 基于ICA增强和谱熵的语音端点检测方法被引量：1
- 2006年
- 端点检测是语音信号处理过程中非常重要的一步,它的准确性直接影响到语音信号处理的速度和结果。提出了基于ICA(独立分量分析)增强和谱熵的语音端点检测方法。仿真实验表明此方法快速有效,具有较强的抗噪能力,特别适合低信噪比下的端点检测。
- 覃溪钟明辉曹乃文黄汉明
- 关键词：独立分量分析谱熵端点检测
- 多目标城市应急系统选址问题的免疫算法被引量：4
- 2008年
- 对社会各种突发事件进行处理的应急系统中,应急服务的选址很重要。考虑应急设施选址时的成本和应急时间因素,给出一种多目标城市应急设施选址问题的数学模型。鉴于一般方法求解该模型的困难,提出一种多目标免疫算法作为模型求解方法,通过实例计算,说明该算法是有效的。
- 龙文黄汉明李小勇覃邦余
- 关键词：免疫算法
- 一种用于TSP问题的改进免疫遗传算法研究
- 2010年
- 受生物免疫原理启发而产生的人工免疫算法,是一种新型的随机启发式搜索算法。基于生物免疫系统机制,本文提出了一种改进的用于TSP优化的免疫算法。算法包括初种群优化,免疫选择,交叉,变异,同时采取免疫记忆,免疫网络促进与抑制操作。文中详细讨论了算法的相关概念及算法步骤,通过对TSP测试数据[6]进行仿真实验,实验结果表明了本文的改进算法的有效性。
- 曾行高黄汉明田苍海袁联芳
- 关键词：免疫遗传算法TSP
- 非线性R／S方法研究及其在地震预测中的应用被引量：11
- 1995年
- 非线性Ｒ／Ｓ方法研究及其在地震预测中的应用王碧泉，黄汉明，范洪顺，王春珍，陈佩燕（中国北京国家地震局地球物理研究所中国北京１０００８１）主题词：非线性理论；中期预报；分数维；Ｒ／Ｓ方法；赫斯特指数Ｈ近几年来，非线性科学及其在地球物理学中的应用研究已引...
- 王碧泉黄汉明范洪顺王春珍陈佩燕
- 关键词：分数维地震预测
- v-SVC算法在地震与爆破识别及窗长度选取中的应用被引量：13
- 2010年
- 对天然地震与人工爆破的波形记录,本文用v—SVC支持向量分类机对由波形记录获取的香农熵特征进行了分类识别,效果较好;并对波形记录选取不同的信号窗长度,用v—SVC支持向量分类机分别进行了识别检验。结果表明:窗长度对识别效果有影响,以窗长度为2000点的识别效果最好,识别率达98%。这也表明,在地震与爆破的识别中,合理地选取波形记录的信号窗长度也是重要的。
- 黄汉明边银菊卢世军李锐蒋正锋
- 关键词：支持向量机人工爆破
- 基于多尺度注意残差网络的地震波形分类研究
- 2024年
- 选用2010年2月—2016年12月发生在北京顺义及河北三河等首都圈邻近区域的117个地震事件(包括54个天然地震事件和63个非天然地震事件——爆炸事件)作为研究对象,利用文章所提出的多尺度注意残差网络对其中的天然地震事件和爆炸事件波形进行二分类。首先,对原始地震波形进行简单预处理并截取成相同长度的地震时序数据,直接将其作为网络模型的输入;其次,选用含有残差模块的深度神经网络作为基础网络,利用深度神经网络对特征的自动提取能力,省略了传统波形分类需要提前提取时域波形的特征作为分类算法输入的步骤;然后,融合通道注意力机制(ECA)并对其进行改进,将空间维度的信息融入通道信息,优化了网络对关键信息的关注,更好地聚焦重要特征;最后,使用空间金字塔池化代替最大池化进行多尺度特征融合,得到更多的特征信息,构成多尺度注意残差网络。实验结果表明,最高分类准确率为97.11%,平均分类准确率为96.53%,证明了多尺度注意残差网络在地震波形分类任务中的有效性,为震源类型识别工作提供了一种新的方法。
- 王梦琪黄汉明吴业正王鹏飞
- 关键词：天然地震
