基于中国餐馆过程的语音增强

针对有色噪声中的语音增强问题,通过引入中国餐馆过程混合模型(Chinese Restaurant Process Mixture Model,CRPMM),其潜变量满足中国餐馆过程,能够较方便地获得马尔科夫链式样本的展开.建立了参变量与潜变量基于块采样的后验更新形式,结合卡尔曼滤波技术,能够在分布空间上更精确地逼近噪声的后验分布.仿真算例及实际语音信号增强算例表明,较之传统的参数化卡尔曼滤波算法及变分贝叶斯滤波算法,基于数据驱动的无穷维的块采样技术能够更好地适应新模态,并取得较好的语音增强效果.

MRF细胞图像自动分割方法设计

针对目前医学细胞图像分割出现的误分割、人为主观因素影响时间效率低等特点,提出了一种结合基于中国餐馆过程的马尔可夫随机场(MRF)细胞图像自动分割方法。首先对图像进行去噪处理,然后采用中国餐厅过程的无监督模型对马尔科夫随机场进行自动确定参数,最后采用条件迭代模式(ICM)方法实现MRF在图像分割并对其口腔粘膜细胞图像进行分割实验,并与传统的马尔可夫随机场图像分割和3种不同的细胞图像分割方法进行比较。结果表明,本文提出的方法无需事先估计参数值,在精确度上能达到96%以上。通过本文算法基本能够准确找到要分割的双核和微核细胞,为后期细胞图像识别打基础,有效解决分割受到人为主观因素影响和精度差等问题。

Dirichlet过程及非参数Bayes模型

自从Ferguson的里程碑式的工作以来,非参数Bayes模型在统计和机器学习等领域中有着广泛的应用,近年来得到了蓬勃的发展.它的一个重要的理论基础是一个特殊的随机概率测度族,即Dirichlet过程.本文介绍Dirichlet过程的构造、性质、推广以及它在非参数Bayes估计问题中的应用.另外,本文也提到双参数Poisson-Dirichlet过程、Beta过程和更一般的断棍(stick-breaking)过程以及相关性质.