公共文化服务平台

共 6 条记录，以下是 1-6

全选清除导出

排序方式：

基于HTK的语音识别网络优化算法被引量：3: 2010年; 隐马尔可夫模型工具包(HTK)的HParse命令根据用户以正则表达式形式定义的任务语法来生成HTK可用的底层表示的语音识别网络,但不是每个语句都能用正则表达式表示出来。针对该问题,提出基于HTK的语音识别网络算法用于识别网络的优化问题,给出该算法的具体实现过程。实验结果表明,在保证识别率的前提下,优化后的语音识别网络在语音识别系统中所用的时间比较短,算法是有效的。; 杨善茜黄汉明蒋正锋李锐; 关键词：连续语音识别自动机

非流动性与资产定价——基于中国A股市场的实证研究: 资产定价理论是现代金融学的核心内容之一,虽然经典的CAPM模型可谓是现代金融学理论的支柱,但是其诸多的假设都太过理想化,现实中的金融市场并不是如我们想象中的那般完美,存在许多比如非流动性溢价等金融异象,因此传统的资产定价...; 李锐; 关键词：非流动性交易频率资产定价 A股市场; 文献传递

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

天然地震与人工爆破的特征提取及识别算法研究: 人工爆破波能在地球内和地表中传播,类似于天然地震波,可被事件发生地点附近的数字地震台网记录。目前用于分类识别天然地震与人工爆破的较成熟的波形特征提取方法主要是傅里叶谱分析和小波变换[1,2,3],而用较新的信号处理方法—...; 李锐; 关键词：天然地震人工爆破小波包变换支持向量机希尔伯特黄变换; 文献传递

天然地震与人工爆破的波形小波特征研究被引量：45: 2010年; 研究了如何从天然地震和人工爆破事件的波形记录中提取出有效、适用的波形特征,以用于对爆破事件的识别.首先对波形记录进行了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3种波形特征:能量比特征、香农熵特征及对数能量熵特征;最后利用v-SVC支持向量分类机对这3种特征的分类能力进行了外推检验.通过选用不同地区、不同台站、不同震级的天然地震与人工爆破的波形记录,力求提取的特征量能尽可能地反映天然地震与人工爆破波形的本质区别,尽量弱化震中距、震级等因素对识别效果的影响.结果表明,上述3种特征中以香农熵特征的识别效果最好,能反映天然地震与人工爆破的本质区别,可作为识别天然地震与人工爆破的一个有效判据.; 黄汉明边银菊卢世军蒋正锋李锐; 关键词：小波包支持向量机

天然地震与人工爆破波形信号HHT特征提取和SVM识别研究被引量：26: 2011年; 天然地震和人工爆破信号属于非线性非平稳信号,而传统信号分析方法是针对线性系统平稳信号的,本文采用希尔伯特—黄变换(Hilbert-Huang Transform,简称HHT)试图提取可明确区分天然地震和人工爆破事件的波形特征.通过经验模态分解(Empirical Mode Decomposition,简称EMD)把原信号分解为10个左右的本征模态函数(intrinsic mode function,简称IMF),并取前3个IMF分别提取最大幅值对应的周期(T_(Amax))和倒谱平均值(C_(ave))作为信号特征构建特征样本集,该样本集采用严格的模式识别样本划分法进行样本划分,用支持向量机(Support VectorMachine,简称SVM)进行分类识别,识别率介于75%～94%之间.结果表明模态分量的最大幅值对应的周期(T_(Amax))和倒谱平均值(C_(ave))可以作为识别天然地震和人工爆破的有效特征.; 毕明霞黄汉明边银菊李锐陈银燕赵静; 关键词：天然地震人工爆破希尔伯特-黄变换经验模态分解

全选清除导出

共1页<1>

李锐