-
题名基于小波分析与神经网络的语音端点检测研究
被引量：26
- 1
-
-
作者
黎林
朱军
-
机构
安徽大学大学计算机教学部
安徽大学电子信息工程学院
-
出处
《电子测量与仪器学报》
CSCD
2013年第6期528-534,共7页
-
基金
国家自然科学基金(61071168)
安徽大学211三期质量工程(40010014
39020014)资助项目
-
文摘
在语音识别系统中,端点检测是极其重要的一个环节。为了提高在各种实际噪声环境下语音端点检测的正确率,提出一种基于小波分析与神经网络的语音端点检测算法来提高语音端点检测率。利用小波分析提取语音信号的特征量,然后将特征向量作为BP神经网络输入进行学习,采用粒子群算法优化BP神经网络参数,建立语音端检测模型,并进行仿真实验,结果表明WA-IMPSO-BP提高了语音端点检测率,有效降低了虚检率和漏检率,是一种检测率高,抗噪性能强的语音检测算法。
-
关键词
小波分析
神经网络
语音端点
粒子群优化算法
-
Keywords
wavelet analysis
neural network
speech endpoints
particle swarm optimization algorithm
-
分类号
TN91
[电子电信—通信与信息系统]
-
-
题名基于最大依赖度及最小冗余度的员工协作优化策略
被引量：3
- 2
-
-
作者
许荣斌
鲍广华
杨培全
汪欣梅
谢莹
-
机构
安徽大学计算智能与信号处理教育部重点实验室
安徽大学计算机科学与技术学院
安徽大学信息保障技术协同创新中心
安徽大学大学计算机教学部
-
出处
《计算机集成制造系统》
EI
CSCD
北大核心
2017年第5期1014-1019,共6页
-
基金
国家自然科学基金资助项目(61602005)
教育部人文社会科学青年基金资助项目(14YJCZH169)
+2 种基金
安徽省自然科学面上基金资助项目(1608085MF130)
安徽高校人文社会科学重点资助项目(SK2016A007)
安徽大学博士科研启动经费资助项目~~
-
文摘
为了使业务过程管理工作中的员工分配工作自动地进行、提高人员工作的效率,提出一种新算法。新算法考虑员工的认知特征,基于商业过程模型中的流程链接关系以及员工间的协作特性,研究员工协作认知特征的依赖度和冗余度属性,采用增量搜索策略自动分配员工。将新算法应用于制造企业相关数据集,结果表明,该算法能够在全体员工集合中寻找具备最大依赖度和最小冗余度特性的子员工集合、提高员工协作的效率。
-
关键词
员工分配
资源管理
协作行为
-
Keywords
staff assignment
resource management
collective behavior
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于关联分类方法的Web使用挖掘研究
被引量：1
- 3
-
-
作者
舒坚
郑诚
陈振
-
机构
安徽大学大学计算机教学部
安徽大学计算机科学与工程系
-
出处
《安徽大学学报（自然科学版）》
CAS
北大核心
2006年第2期17-20,共4页
-
文摘
如何对网上用户分类是W eb挖掘领域应用最多的任务之一,本文尝试将关联分类方法应用到W eb用户分类模式的挖掘.我们首先对服务器日志文件进行预处理,形成一个访问事务集;然后对该事务集进行数据挖掘,找出所有满足最小信任度和支持度的类别关联规则;最后,我们用这些类别关联规则去预测用户的兴趣.实验证明此方法是有效的.
-
关键词
WEB挖掘
关联规则
分类
-
Keywords
Web mining
association role
classification
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于协作行为的半自动人员分配策略
- 4
-
-
作者
谢莹
赵康康
许荣斌
程凡
钱田芬
-
机构
安徽大学计算智能与信号处理教育部重点实验室
安徽大学大学计算机教学部
安徽大学信息保障技术协同创新中心
安徽大学管理学院
合肥师范学院计算机学院
-
出处
《计算机集成制造系统》
EI
CSCD
北大核心
2016年第2期448-454,共7页
-
基金
国家973计划资助项目(2015CB351705)
国家自然科学基金资助项目(61472001
+3 种基金
61572030)
教育部人文社会科学研究青年基金资助项目(14YJCZH169
15YJC860034)
安徽省自然科学基金资助项目(1608085MF130)~~
-
文摘
为了对业务流程进行手工分配以找出合适的工作人员,提出一种新的方法,该方法半自动地进行业务过程人员分配,在很大程度上减少了手工分配的工作量。新方法基于谱机器学习框架,同时考虑活动的前序关系和工作者的协作行为,这两种关系隐含着活动的相关属性,能够取得较好的人员分配效果。新方法可以学习各种类型的活动,基于业务过程事件日志为每一个执行者分配活动。经过新方法训练所得的模型,可以实现新活动的半自动人员分配。实验证明所提新方法在两个制造企业数据集上可以获得非常高的精确度。
-
关键词
人员分配
资源管理
商业过程
协作行为
机器学习
-
Keywords
staff assignment
resource management
business process
collective behavior
machine learning
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
