一种基图像提取和内容无关图像重构方法研究

图像作为一种典型信号,理论上可由一系列基本信号构成。为寻找一组可重构图像的基本信号,提出了基于特征的基图像提取和重构方法,使得可由任意图像集进行基图像提取并可由提取的基图像重构内容无关的任意图像。使用特征提取算法从训练集图像中分解出一系列基图像,阐述了基图像分解和提取的算法流程,通过将测试集图像投影到k个基图像构成的空间中得到投影系数,建立由投影系数和基图像重构原图像的方法和过程。实验结果表明,通过控制基图像数量k,图像的重构误差和质量可以达到较高要求,基图像的提取和重构的图像具备内容无关性,同时,该方法对于图像抽象特征的理解、深度神经网络应用等具有重要作用。

基于单字的内容相关文本无关笔迹验证方法

针对现有的文本相关和文本无关的笔迹验证方法无法处理笔迹中仅含有少量且完全不同字符的情况，提出了基于非限定单字字符的内容相关文本无关的笔迹验证方法（半文本无关方法），填补了这一方面的空白。此内容相关文本无关方法通过获取笔迹的字符内容信息，利用线性鉴别分析，可以从不同字符的样本中获取书写入的笔迹风格信息。为了减小不同字符的结构差异所带来的巨大类内变化，引入了表征字符样本内容信息的标准模板，并以内容作因子对原始特征向量与标准模板的差向量进行归一化，最后将这一主要表示字符风格信息的归一化差向量代替原始特征向量用于鉴别分析。实验证明，在笔迹间字符完全不同的极端条件下，该方法比现有的文本无关方法有更高、更鲁棒的性能。

基于子带GMM-UBM的广播语音多语种识别

提出了一种基于概率统计模型的与语言内容无关的语种识别方法,它不需要掌握各语种的专业语言学知识就可以实现几十种语言的语种识别;并针对广播语音噪声干扰大的特点,采用GMM-UBM模型作为语种模型,提高了系统的噪声鲁棒性;由于广播语音的背景噪声不是简单的全频带加性白噪声,因此本文构建了一种基于子带GMM-UBM模型的多子系统结构的语种识别系统,后端采用神经网络进行系统级融合。本文通过对37种语言及方言的识别实验,证明了子带GMM-UBM方法的有效性。

一种通用的动态Web应用加速方案

在内容分发网络基础上,提出一个针对动态Web应用的数据库缓存应用模型。该应用模型采用内容无关缓存和部分复制的机制,通过内容无关缓存方法、基于主从协议模型的缓存一致性策略和基于相似关系的空间聚类算法等,可满足多种动态Web应用加速的需求。实验结果表明,该方法可有效地提高系统负载量,改善用户体验,抵御洪水用户的侵袭。