李书玲
- 作品数：5 被引量：34H指数：3
- 供职机构：华中师范大学物理科学与技术学院更多>>
- 发文基金：国家社会科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于随机投影的加速度手势识别被引量：5
- 2015年
- 针对手势交互中手势信号的相似性及不稳定性,设计并实现了一种基于随机投影(RP)的加速度手势识别方法。识别系统包含训练阶段和测试阶段:训练阶段运用动态时间规整(DTW)和近邻传播(AP)算法对训练集中的每一个手势迹创建样本中心;测试阶段先通过计算未知手势迹与样本中心的距离找出候选姿势迹,然后用RP算法将候选手势迹和未知手势迹投影到低维子空间,把识别问题转换成l1-minimization问题来对未知的手势迹进行识别。在采集的2 400个数据样本上进行了基于特定人和非特定人的实验,结果表明所提算法分别取得了98.41%和96.67%的识别率,该方法能够有效识别加速度手势动作。
- 刘红刘蓉李书玲
- 关键词：手势识别动态时间规整
- 改进型RBF神经网络的多标签算法研究被引量：8
- 2015年
- 针对已有的RBF神经网络多标签算法未充分考虑多个样本标签之间的关联性,从而导致泛化性能受到一定影响的问题,研究分析了一种改进型RBF神经网络的多标签算法。该算法首先优化隐含层RBF神经网络基函数中心求取算法——k-均值聚类。采用AP聚类自动寻找k值以获得隐含层节点数目,并构造Huffman树来选取初始聚类中心以防k-均值聚类结果陷入局部最优。然后构造体现标签类之间信息的标签计数向量C,并将其与由优化k-均值聚类得到的聚类中心进行线性叠乘,进而改进RBF神经网络基函数中心,建立RBF神经网络。在公共多标签数据集emotion上的实验表明了该算法能够有效地进行多标签分类。
- 李书玲刘蓉刘红
- 关键词：RBF神经网络K-均值聚类
- 改进型RBF神经网络的多标签算法研究
- 针对已有的RBF神经网络多标签算法未充分考虑多个样本标签之间的关联性,从而导致泛化性能受到一定影响的问题,研究分析了一种改进型RBF神经网络的多标签算法。该算法首先优化隐含层RBF神经网络基函数中心求取算法——k-均值聚...
- 李书玲刘蓉刘红
- 关键词：RBF神经网络K-均值聚类
- 改进型RBF神经网络的多标签算法研究
- 分类是模式识别的关键问题之一，根据样本所属的标签个数可分为单标签分类和多标签分类，多标签分类在实际应用中相当广泛。 多标签分类是指通过训练集的已知样本，建立相应模型，使测试集的每一个样本能够同时对应多个样本标签所进行的...
- 李书玲
- 关键词：RBF神经网络K均值聚类
- 文献传递
- 基于改进型SVM算法的语音情感识别被引量：21
- 2013年
- 为有效提高语音情感识别系统的识别率,研究分析了一种改进型的支持向量机(SVM)算法。该算法首先利用遗传算法对SVM参数惩罚因子和核函数中参数进行优化,然后用优化后的参数进行语音情感的建模与识别。在柏林数据集上进行7种和常用5种情感识别实验,取得了91.03%和96.59%的识别率,在汉语情感数据集上,取得了97.67%的识别率。实验结果表明该算法能够有效识别语音情感。
- 李书玲刘蓉张鎏钦刘红
- 关键词：支持向量机语音情感识别语音信号参数优化
