基于多阶段向量量化算法的研究

随着数据集和特征维度的增大,使用传统暴力搜索方法的代价也会相应增加。因此,本文提出在基于多阶段向量量化的近邻搜索方法的基础上,改进训练码本阶段,优化初始聚类中心,从而减小向量的量化误差,以此提高召回率。实验结果表明,本文提出的最小化均方误差多阶段码本训练方法,可以进一步地减小向量量化误差,提高实验召回率。

基于投影残差量化哈希的近似最近邻搜索

针对投影哈希中投影误差较大,二进制编码时原始信息丢失严重等问题,提出一种近似最近邻搜索方法。该方法通过多阶段量化策略减少编码过程中的投影及量化误差。在每阶段训练时,对前一阶段的量化残差采用投影、按维度训练码书及量化、反投影等运算生成各阶段的子量化器。子量化器按投影后数据的维度提供多个哈希函数,最终的哈希函数由各阶段哈希函数共同构成。在最近邻搜索时,给二进制编码加上权重以便对搜索结果进行重排,提高搜索精度。实验结果表明,基于投影残差量化哈希的近似最近邻的搜索性能优于当前主流的哈希方法。

具有角色意识的社区服务型时空众包任务分配

为了适应社区众包配送中投递箱或代收点收纳量有限等情况,本文提出社区服务型时空众包任务分配问题,根据用户定义的时间将物品较为实时地配送到地。针对该问题,本文通过基于角色的协作模型ECARGO(environments-classes, agents, roles, groups, objects)形式化问题,针对高资格值工人配送高价值量订单集的目标,提出基于贪婪分配的PQGR(places-qualification-based greedy)算法、基于考虑代理和角色冲突的团队多角色分配方法的PQGM(places-qualification-based GMAC)算法以及进一步缩短运行时间的改进PQGM算法。数据处理和量化方面,提出基于核密度聚类的新型角色感知方法以实现任务的有效划分,提出基于学习遗忘曲线的代理地点资格值多阶段量化模型,实现代理地点资格值的在线学习和自适应更新。最后,本文在gMission数据集和合成数据集上进行实验,验证了算法的有效性和效率。

一种600bps极低速率语音编码算法

该文针对抗干扰通信中对低速率语音编码算法的应用需求,提出了一种600bps极低速率语音编码算法,采用6帧超帧结构,超帧中包括2个基本帧与4个插值帧。插值帧的线性预测(LPC)参数采用基于闭环最优一阶线性预测的4阶段残差矩阵量化;在解码端,提出了闭环的激励脉冲幅度估计方法,提高了合成语音的自然度与鼻音音节的清晰度。该算法可以提供良好的合成语音质量,DRT测试结果达到88.55分。