公共文化服务平台

共 9 条记录，以下是 1-9

全选清除导出

排序方式：

普通话在线游戏学习系统的研究与应用: 2015年; 针对希望进一步掌握普通话口语学习的外国学习者，该研究提出了一种普通话游戏学习系统．系统的学习模式结合了计算机技术和语言学研究成果，打破了传统的教学模式的限制，对学习者进行实时评测，提供学习报告与口语学习的最终评定结果．结果表明，该系统能够较为有效地辅助外国学习者的普通话口语学习．; 郑世杰张珑赵云雪; 关键词：普通话学习

名贵物品防盗报警器: 名贵物品防盗报警器，属于计算机领域，本实用新型为解决现有防盗方式不足以全方位的保证名贵物品的安全的问题。本实用新型包括水银开关K2、微型弹性按钮SN、倾斜报警电路、开箱报警电路和喇叭BL；水银开关K2水平置于名贵物品收纳...; 张珑单琳琳赵云雪张嵩昊李欣泽宋晓丹宇文易男; 文献传递

智能门控灯电路: 智能门控灯电路，属于计算机领域，本实用新型为解决人们晚归费劲开锁、找灯开关的问题、本实用新型包括磁控开关GH、磁控门厅灯电路、门厅灯L1、感应板P、感应控制门外灯电路、门外灯L2、交流电源和AC/DC转换电路；磁控开关G...; 张珑单琳琳冯雷赵云雪宋晓丹宇文易男张嵩昊李欣泽; 文献传递

基于语音自动评测的普通话学习系统研究: 2015年; 学习汉语普通话的外国人越来越多,对外汉语教师的师资力量的匮乏,严重制约了对外汉语教学的发展。针对希望进一步掌握普通话口语学习的外国学习者,该研究提出了一种普通话游戏学习系统。本系统的学习模式结合了计算机技术和语言学研究成果,打破了传统的教学模式的限制,对学习者进行实时评测,提供学习报告与口语学习的最终评定结果。结果表明,该系统能够较为有效地辅助外国学习者的普通话口语学习。; 郑世杰张珑赵云雪赵松; 关键词：普通话学习语音识别

结合上下文多维度声学特征组的汉语重音检测: 2014年; 基于ASCCD朗读语篇语料库,结合上下文多维度声学特征组,并采用NaiveBayes分类器对汉语重音进行检测.NaiveBayes分类器对当前音节的相关声学特征及上下文的相关特征进行建模,这种分类方法充分利用了当前音节及上下文的特性.实验结果证明该声学特征组在ASCCD朗读语篇语料库上能够得到80.7%的汉语重音检测正确率.; 赵云雪张珑郑世杰; 关键词：重音声学特征

噪声环境下汉语重音检测方法研究: 重音是一种重要的韵律特征，在目前比较常用的汉语重音检测方法中，根据特征大致可以分为三类，一类是基于声学特征的检测方法;另一类是基于语法特征的检测方法;还有一类是融合声学特征和语法特征的检测方法。这三类重音检测方法作为某些...; 赵云雪; 关键词：上下文噪声环境韵律特征声学特征; 文献传递

融合上下文短时谱特征的汉语重音检测研究被引量：1: 2014年; 重音是语言交流中不可或缺的部分,在语言交流中扮演着非常重要的角色。本文基于ASCCD朗读语篇语料库,使用MFCC算法提取每个语音段的融合上下文子段拼接短时谱信息,构建基于MFCC算法的上下文短时谱特征集;并选用NaiveBayes分类器对这类特征集进行建模,而且将具有最大后验概率的类作为该对象所属的类,这种分类方法充分利用了当前语音段的相关语音特性;融合上下文的MFCC短时谱特征组在ASCCD上能够得到83.6%的汉语重音检测正确率。实验结果证明,融合上下文子段拼接特征规整方法可以用于汉语重音检测研究中。; 赵云雪张珑郑世杰; 关键词：重音上下文

短时谱特征的汉语重音检测方法研究被引量：2: 2014年; 重音是语言交流中不可或缺的部分,在语言交流中扮演着非常重要的角色。为了验证基于听觉模型的短时谱特征集在汉语重音检测方法中的应用效果,使用MFCC(Mel frequency cepstrum coefficient)和RASTAPLP(relative spectra perceptual linear prediction)算法提取每个语音段的短时谱信息,分别构建了基于MFCC算法的短时谱特征集和基于RASTA-PLP算法的短时谱特征集;选用NaiveBayes分类器对这两类特征集进行建模,把具有最大后验概率的类作为该对象所属的类,这种分类方法充分利用了当前语音段的相关语音特性;基于MFCC的短时谱特征集和基于RASTA-PLP的短时谱特征集在ASCCD(annotated speech corpus of Chinese discourse)上能够分别得到82.1%和80.8%的汉语重音检测正确率。实验结果证明,基于MFCC的短时谱特征和基于RASTA-PLP的短时谱特征能用于汉语重音检测研究。; 赵云雪张珑郑世杰

基于子段拼接特征的汉语重音检测研究: 2014年; 重音是语言交流中不可或缺的部分,在语言交流中扮演着非常重要的角色。本文基于ASCCD朗读语篇语料库,提取每个语音段基于子段拼接的短时谱信息,分别构建基于MFCC算法的短时谱特征集和基于RASTA-PLP算法的短时谱特征集;并选用NaiveBayes分类器对这两类基于子段拼接的特征集进行建模,这种分类方法充分利用了当前语音段的相关语音特性;基于子段拼接的MFCC短时谱特征组和基于子段拼接的RASTA-PLP短时谱特征组在ASCCD上能够分别得到82.1%和80.8%的汉语重音检测正确率。实验结果证明,基于子段拼接特征规整方法可以用于汉语重音检测研究中。; 赵云雪张珑郑世杰; 关键词：重音

全选清除导出

共1页<1>

赵云雪