-
题名改进BIC的GNSS站坐标时序有色噪声特性分析
被引量：1
- 1
-
-
作者
鲁铁定
罗新赣
孙喜文
-
机构
东华理工大学测绘与空间信息工程学院/自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室
-
出处
《导航定位学报》
CSCD
北大核心
2024年第2期53-61,共9页
-
基金
国家自然科学基金(42061077,42064001,42104023,42374040)。
-
文摘
为了有效解决传统的极大似然估计方法存在的未知数多导致结果不准确的问题,提出一种改进BIC的GNSS站坐标时序有色噪声特性分析方法:选取全球范围内100个基准站2008—2022年坐标时序及仿真的100组坐标时序,采用赤池信息准则(AIC)、贝叶斯信息准则(BIC)、改进的贝叶斯信息准则(BIC_tp)对不同有色噪声模型进行噪声特性分析,获取基准站坐标序列的最优噪声模型及速度参数;探讨BIC_tp对噪声模型及速度估计的影响。结果表明,基准站坐标序列噪声模型呈现出多样性特征,在北(N)和东(E)方向主要表现为闪烁噪声+白噪声(FNWN)模型,天顶(U)方向主要表现为幂律噪声+白噪声(PLWN)模型;相比于AIC和BIC噪声模型估计准则,BIC_tp方法对有色噪声模型估计具有较高的准确性,尤其是闪烁噪声+随机游走噪声(RW)+白噪声(FNRWWN)模型对全球卫星导航系统(GNSS)站速度不确定度的影响在N与E方向远大于U方向;正确获取模型参数估计的实际不确定度及改正噪声分量对于合理应用GNSS坐标时间序列数据具有重要意义。
-
关键词
赤池信息准则(AIC)
贝叶斯信息准则(bic)
改进的贝叶斯信息准则(bic_tp)
噪声模型估计
全球卫星导航系统(GNSS)坐标时间序列
-
Keywords
Akaike information criteria(AIC)
bayesian information criteria(bic)
improved bic(bic_tp)
noise model estimation
global navigation satellite system(GNSS)coordinate time series
-
分类号
P228
[天文地球—大地测量学与测量工程]
-
-
题名结合模型混淆度和BIC准则的语种识别精细建模方法
被引量：3
- 2
-
-
作者
徐颖
宋彦
戴礼荣
-
机构
中国科学技术大学电子工程与信息科学系
-
出处
《数据采集与处理》
CSCD
北大核心
2011年第5期573-578,共6页
-
基金
安徽省自然科学基金(090412056)资助项目
-
文摘
提出了一种基于语种模型混淆度的模型参数估计方法,并结合贝叶斯信息准则(Bayesian informationcriterion,BIC)来进行模型的选取,避免了大量标注信息的需求。在NIST-07语种识别30,10和3s的测试任务中,分别给出了在最大似然(Maximum likelihood,ML)准则和最大互信息(Maximum mutual information,MMI)准则下性能比较,所提出的方法相对于基线系统,性能都有明显的提升,而且达到了利用标注信息进行细化建模相同的水平。
-
关键词
语种识别
贝叶斯信息准则
模型混淆度
高斯混合模型
-
Keywords
language identification bayesian information criteria （bic）
model confusion
Gaussian mixture model
-
分类号
TN912.34
[电子电信—通信与信息系统]
-
-
题名基于SDC特征和GMM-UBM模型的自动语种识别
被引量：14
- 3
-
-
作者
姜洪臣
郑榕
张树武
徐波
-
机构
中国科学院自动化研究所
-
出处
《中文信息学报》
CSCD
北大核心
2007年第1期49-53,共5页
-
基金
国家自然科学基金资助项目(60475014)
国家高技术研究发展计划资助项目(2003AA1155202005AA114130)
-
文摘
本文提出了一种基于SDC特征和GMM-UBM模型的自动语种识别方法。SDC特征由许多语音帧的一阶差分谱连接扩展而成,与传统的MFCC特征相比,包含了更多的时序特征信息。UBM模型反映了所有待识别语种的特征分布特性,借助贝叶斯自适应算法可以快速得到每个语种的模型。与传统的GMM方法相比,该方法的训练和识别的速度更快。该方法对OGI电话语音库中11个语种进行了测试,其10秒、30秒和45秒句子的最佳识别正确率分别为72.38%、82.62%和85.23%,识别速度约为0.03倍实时。
-
关键词
计算机应用
中文信息处理
SDC特征
GMM-UBM模型
贝叶斯自适应
自动语种识别
-
Keywords
computer application
Chinese information processing
shifted delta cepstra
GMM-UBM model
bayesian adaptation
automatic language identification
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于贝叶斯信息准则的文本主题数估计
被引量：5
- 4
-
-
作者
王晓斌
温春
石昭祥
-
机构
电子工程学院网络工程系
-
出处
《计算机工程》
CAS
CSCD
北大核心
2009年第7期183-185,共3页
-
文摘
特定领域的主题识别和关键词提取有着广泛的应用,但通过人工指定识别或文本聚类自动生成的主题类别缺乏客观的度量方法。该文结合基于BIC准则的模型选择理论和独立分量分析技术对主题的数量进行概率估计,给出主题数量在BIC意义下的统计分布。在此基础上实现了文档矩阵的ICA分解,并根据分离的独立分量获得主题的关键词及其权重。实验表明,该方法在没有领域知识支持的情况下能估计出反映文本集合的主题数并提取相应的关键词。
-
关键词
主题识别
关键词提取
独立分量分析
贝叶斯信息准则
-
Keywords
topic identification
keyword extraction
Independent Component Analysis（ICA）
Bayes information criteria（bic）
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
