-
题名基于NMF后验特征优化的语音查询样例检测
- 1
-
-
作者
曹建凯
张连海
李勃昊
-
机构
信息工程大学信息系统工程学院
-
出处
《数据采集与处理》
CSCD
北大核心
2017年第6期1198-1207,共10页
-
基金
国家自然科学基金(61673395
61403415
61302107)资助项目
-
文摘
提出一种基于非负矩阵分解(Nonnegative matrix factorization,NMF)后验特征优化和修正分段动态时间规整(Segmental dynamic time warping,SDTW)检索的无监督语音查询样例检测方法。该方法首先应用频域线性预测(Frequency domain linear prediction,FDLP)声学特征参数代替梅尔频率倒谱系数(Mel-frequency cepstral coefficients,MFCCs)训练高斯混合模型(Gaussian mixture model,GMM)模型,然后使用NMF算法对高斯后验特征矩阵进行分解,将得到的基矩阵作为子空间变换矩阵对原始后验特征投影,投影可以突出特征中主要分量,平滑距离矩阵。在检索阶段,使用多相邻输出得分对最佳匹配得分进行修正,用于代替标准SDTW算法的1-best输出得分。实验结果表明,在不增加检索时间的情况下,该方法相比应用MFCCs和FDLP特征的基线系统性能提升明显,检索精度分别相对提升了18.6%和18.1%。
-
关键词
无监督
查询样例检测
后验特征
非负矩阵分解优化
修正分段动态时间规整
-
Keywords
unsupervised
query-by-example spoken term detection
posterior feature
nonnegative ma- trix factorization （nmf） optimization
modified segmental dynamic time warping （SDTW）
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于粒子群优化的非平滑非负矩阵分解算法
被引量：3
- 2
-
-
作者
戴华平
王旭
胡红亮
王玉涛
-
机构
浙江大学工业控制研究所
-
出处
《计算机工程》
CAS
CSCD
2013年第1期204-207,212,共5页
-
基金
国家"863"计划基金资助重点项目"面向绿色节能废杂铜冶炼过程的成套控制系统"(2009AA04Z154)
国家科技支撑计划基金资助项目"铜循环利用短流程生产关键技术与工程化"(2011BAE23B05)
-
文摘
传统的非平滑约束的非负矩阵分解算法(nsNMF)在处理高光谱数据时,存在对初始值敏感、容易陷入局部最优值等缺陷。为此,提出一种基于粒子群优化(PSO)的nsNMF算法。采用传统nsNMF算法迭代的结果作为初始值,以避免PSO的盲目搜索。通过PSO搜索端元光谱矩阵,利用nsNMF算法更新端元光谱矩阵和丰度矩阵,以缩小搜索空间,降低计算复杂度,避免陷入局部最优。在合成数据集和真实数据集上的实验结果表明,与传统nsNMF算法相比,该算法能获得更好的全局最优解,端元光谱和丰度值更接近真实值。
-
关键词
非负矩阵分解
粒子群优化算法
高光谱
线性光谱模型
全局最小值
稀疏性
-
Keywords
nonnegative Matrix factorization（nmf）
Particle Swarm optimization（PSO） algorithm
hyperspectral
Liner Spectral Mixture Model（LSMM）
global minimum
sparseness
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
