现代体育的自然回归及其生态化路径探析

21世纪人类对自然界表现出前所未有的向往和期待。现代体育强烈地追求、崇尚自然的回归,人们渴望在美好的自然界中享受运动的乐趣和获得健康。在此背景下,很多自然体育运动项目诞生。然而,本世纪人类发展面临着;人口的增长、环境的污染、气候变暖、臭氧层的耗损、生态破坏、能源耗竭等一系列的全球性危机。人类要享受大自然的鸟语花香、通过体育锻炼获得健康长寿,一定要正确地处理好的就是人类与生态环境的关系,通过现代科学技术应用于体育运动计划的实施,体育生态学概念的提出和应用,在体育立法条文中增设与体育相关的生态法条,自然环境资源的适度开发与管理并重,加强国际体育组织与国际环境组织间的生态合作,加强生态伦理建设大力实施生态教育来实现体育运动生态化。让全世界的人们生活在鸟语花香、植被葱郁、山清水秀、碧海蓝天的地球仙境之中。

自适应广义线性回归拟似然估计渐近理论

研究自适应设计下的拟似然方程 ∑ni=1xi(yi- μ(x′iβ) ) =0 ,在一定的条件下证明了以概率 1此方程当n充分大时有解^βn,^βn 为β0 的强相合估计 ,且得出了 ^βn- β0的收敛速度 ;然后又在一定的条件下证明了 ^βn

基于最大似然线性回归矩阵的说话人识别算法研究

研究了将自适应领域的最大似然线性回归(Maximum likelihood linear regression,MLLR)变换矩阵作为特征进行文本无关的说话人识别算法.本文引入了基于统一背景模型的MLLRSV-SVM说话人识别算法,并在此基础上进行高层音素聚类以进一步提高识别性能.在采用多种信道补偿技术后,在NISTSRE2006年1训练语段-1测试语段同信道和跨信道数据库上,基于MLLR特征的系统与其他最好的系统性能接近并有很强的互补性,经过简单线性融合可以极大提高识别性能.

基于最大似然线性回归的随机段模型说话人自适应研究

提出了一种随机段模型系统的说话人自适应方法。根据随机段模型的模型特性,将最大似然线性回归方法引入到随机段模型系统中。在"863-test"测试集上进行的汉语连续语音识别实验显示,在不同的解码速度下,说话人自适应后汉字错误率均有明显的下降。实验结果表明,最大似然线性回归方法在随机段模型系统中同样能取得较好的效果。

基于最大似然子带线性回归的鲁棒语音识别

在实际环境中,训练环境和测试环境的失配会导致语音识别系统的性能急剧恶化。模型自适应算法是减小环境失配影响的有效方法之一,它通过少量自适应数据将模型参数变换到识别环境。最大似然线性回归是一种常用的基于变换的模型自适应算法,本文针对最大似然线性回归算法在数据较少时模型参数估计不准确的缺点,提出了基于最大似然子带线性回归的模型自适应算法。该算法将Mel滤波器组的全部通道划分为若干个子带,假设每个子带内多个通道的模型均值分量共享一个线性环境变换关系,以增加可用的数据。实验表明,本文算法可以较好地克服数据稀疏问题,只需要很少的数据即可取得较好的自适应效果,尤其适合于少量数据时的快速模型自适应。

不同耕作方式下气候条件对小麦条锈病的影响——基于面板数据极大似然分位回归模型的分析

【目的】明确不同耕作方式和不同生育阶段气候条件对小麦条锈病的影响。【方法】根据成都平原2007—2016年3种耕作方式(周年旋耕无秸秆还田、麦免稻旋和麦稻双免)下小麦条锈病发病率的面板数据,利用面板数据固定效应模型和极大似然分位回归模型,分析在不同耕作方式下不同生育阶段气候条件对条锈病的影响关系。【结果】固定效应结果表明:周年旋耕无秸秆还田对条锈病发病率的正面影响略低于麦免稻旋和麦稻双免。分位回归动态表明:在幼苗期,日平均温度越高,雨日数、雾日数越多,越容易促使病菌孢子的萌发;在分蘖拔节期,日平均气温和平均湿度的正面影响程度是不同的,随着温度和湿度的不断增大,对条锈病扩散的促进作用逐渐增强;在孕穗抽穗期,日平均气温越高,越有利于条锈病垂直扩展,越是湿润的环境越有利于条锈病发病,造成反复侵染。【结论】3种耕作方式对小麦条锈病的影响不显著,日平均气温和平均湿度对小麦条锈病的影响非常显著。

江阴市供水管网事故回归模型的建立与分析

管网事故是供水管网运营管理中面临的重要问题,研究管网事故的影响因素和内在规律,对于提高管网运营维护水平具有非常重要的意义。笔者以江阴市城区2007年至2009年供水管网抢修台帐为基础,考察管材、管龄和管径等管道内在属性与管网事故之间的关系。研究方法采用基于正态准极大似然估计的计数模型建立多元回归模型,并利用方差分析法评估各因素的权重,进而找出关键的影响因素。计算结果显示建立的回归模型具有较好的显著性。因素的重要性排序从大到小为管径、管材和管龄。其中小管径是管网事故最主要的因素,其在模型中的贡献率远超过管材和管龄,而铸铁管和大管龄也是引起事故的重要因素。球墨铸铁管对事故的贡献程度最小,是最不容易引起事故的因素。

鉴别性最大后验概率线性回归说话人自适应研究

为增强自适应后的声学模型的鉴别能力,提出了一种基于最大互信息(MMI)的鉴别性最大后验概率线性回归(MMI-DMAPLR)说话人自适应方法.将最大互信息准则和最大后验概率(MAP)准则相结合,设计了一个新的目标函数来估计基于线性变换的自适应方法中的变换参数,在最大后验概率估计中加入了鉴别性.大词汇量连续语音识别的实验结果表明,新方法在增强声学模型与测试数据的匹配性的同时,可以有效提高声学模型的鉴别能力,在少量自适应数据的情况下,其性能比最大后验概率线性回归(MAPLR)相对提高4.8%.

基于声学模型自适应与支持向量回归的英语朗读发音质量评测模型

针对采用标准美音声学模型来评测中国学生英语发音准确性较低的问题,提出一种基于声学模型自适应与支持向量回归的英语朗读发音质量评测模型。采用最大似然线性回归和最大后验概率算法调整声学模型,以匹配中国学生的英语发音,提取发音准确度、流利度以及朗读完整度特征,引入支持向量回归算法,将这些评分特征融合为最终的发音质量评分。实验结果表明,该模型可提升发音质量评测性能。

最大后验概率自适应方法在口令识别中的应用

自适应技术是提高非特定人语音识别系统识别性能的有效手段,其中应用最广泛的两种自适应方法是基于最大后验概率的自适应方法和基于最大似然线性回归的自适应方法,分析了它们各自的特点并将最大后验概率的自适应方法应用到基于隐马尔可夫模型的口令识别系统中,实验结果表明,该方法能够在每个词自适应一次的情况下,使系统的识别率由40%提高到90%以上,并在此基础上实现了一个实用的中等词汇量的口令识别系统。

基于自适应隐式半马尔可夫模型的设备健康诊断与寿命预测方法

针对设备健康诊断与寿命预测问题,提出一种基于自适应隐式半马尔可夫模型(AHSMM)结合多传感器信息的设备健康预测方法。提出了AHSMM的前向—后向算法、Viterbi算法和Baum-Welch算法,有效降低了模型的计算复杂性。利用最大似然线性回归训练对输出概率分布和驻留概率分布进行自适应训练,处理多传感器信息间的差异性,进行有效的多传感器信息融合,以更加准确地进行设备健康诊断与寿命预测。利用失效率理论建立了对设备剩余使用寿命进行预测的基本步骤。通过美国卡特彼勒公司液压泵的状态识别和健康预测实际案例对所提出的方法进行评价与验证,实验结果表明,基于AHSMM的设备健康诊断和性能衰退预测方法比传统的隐式半马尔可夫模型(HSMM)更有效。

几种相容性生物量模型及估计方法的比较

以南方150株马尾松地上生物量数据为例,在考虑林分起源和未考虑林分起源2种情形下,对非线性似然无关回归法、比例平差法和非线性联立方程组法3种方法进行综合比较研究。根据分配层次不同,比例平差法和非线性联立方程组法将进一步考虑总量直接控制和分级联合控制2种方案。从直径、树高、地径、年龄、枝下高和冠幅6个林分变量中选取不同的变量构建一元、二元和三元生物量模型,利用加权最小二乘回归法消除生物量模型中存在的异方差性。基于独立形式的一元、二元和三元模型,利用非线性似然无关回归法、比例平差法和非线性联立方程组法构建相应的相容性生物量模型。结果表明:在考虑和未考虑林分起源情形下,3种估计方法都能有效保证各分量生物量总和等于总生物量,预测精度较高。总体而言,非线性联立方程组法预测精度更高、稳定性更强,其次是非线性似然无关回归法,最差的是非线性比例平差法;根据建模数据和检验数据综合比较得知,在考虑和未考虑林分起源情形下,总量控制联立方程组法对应的二元相容性生物量模型预测精度最高。

基于卷积神经网络的维吾尔语语音识别

为有效减少模型训练参数,降低维吾尔语语音识别词错误率,提出了基于卷积神经网络的维吾尔语语音识别。该方法将局部连接、权值共享以及池化有机结合,极大减少了模型训练参数。同时结合maxout和dropout算法,克服模型训练中数据稀疏的问题,进一步提高识别率。THUYG-20维吾尔语语音数据库的实验结果表明,相比传统的基于高斯混合模型隐马尔可夫模型的语音识别系统和基于深度神经网络的语音识别系统,基于卷积神经网络语音识别系统使维吾尔语语音识别错误率分别降低了15.97%和2.55%。

基于模型自适应的声效鲁棒性语音识别算法

针对声音效果变化引起的语音声学特性的改变,提出基于声学模型自适应的方法。分析了正常模式下训练的声学模型在识别其他声效模式下语音的表现;根据随机段模型的模型特性,将最大似然线性回归方法引入到随机段模型系统中,并利用自适应后的声学模型来识别对应的声效模式下的语音。在"863-test"测试集上进行的汉语连续语音识别实验显示,正常模式下训练的声学模型识别其他四种声效模式下的语音时,识别精度均有较大程度的下降;而自适应后的系统在识别对应的声效模式的语音时,识别精度有了明显的改观。表明了基于声学模型自适应的方法在解决语音识别中声音效果变化问题上的有效性。

基于PSO的三参数威布尔分布参数的联合估计方法

针对图估计及双线性回归估计存在的弊端,将双线性回归估计和极大似然估计(MLE)结合起来,形成一种对三参数威布尔分布参数的联合估计。详细分析了联合优化的核心工具——粒子群优化(PSO)算法的特点、实现和收敛指标,并对基于双线性回归的初值获取作了分析。以仿真和实际例证为基础,详细评析了联合估计参数的优点和缺陷。结果表明:基于PSO优化的联合估计在一定程度上对三参数威布尔分布参数的搜索具有良好的性质,其具体体现为搜索准确和稳定。

基于音素解码的语种识别系统联合自适应算法研究

针对真实环境下的语种识别,信道类型和通话内容等非语种方面因素的不同都会造成测试和训练条件的不匹配,从而影响系统的识别性能.本文以音素识别器后接向量空间模型(Phone recognizer followed by vectorspace model,PRVSM)为语种识别系统,引入联合自适应算法来解决系统中测试和训练条件的失配问题.研究了三种自适应方法用于系统的不同阶段:1)基于受约束的最大似然线性回归(Constr ained maximum likelihood linear regression,CMLLR)的声学模型自适应;2)基于全局N元文法的音位特征向量自适应;3)VSM模型中的支持向量机(Support vector machines,SVM)自适应.在综合采用多种自适应技术后,PRVSM系统的性能有了较大的提高,在NIST LRE 2009测试库上对于30s、10s和3s的测试段,基于不同音素识别器的PRVSM系统的等错误率(Equal errorrate,EER)分别相对降低了18%～23%、12%～20%以及5%～9%.

普通话发音错误自动检测技术

统计语音识别框架是现在发音错误检测系统的主流框架,而声学模型则是统计语音识别的基础。该文一方面为了获得对于发音错误检测更好的声学模型,引入了说话人自适应训练(SAT)和选择性最大似然线性回归(SMLLR)技术;另一方面,由于字发音检错中存在严重的信息量不足问题和专家对于不同水平说话人的评价标注不一样,在后端上加入了话者得分归一化技术。在包含40个不同水平说话人的8 000个字的数据库上的实验结果表明,文中提出的方法有效的提高了系统性能,召回率为30%时,正确率从45.8%升到了53.6%,召回率为10%时,正确率从64.6%升到了79.9%。

使用无监督网络MLLR自适应改进算法的语音识别

介绍了一种基于词网的最大似然线性回归(Lattice-MLLR)无监督自适应算法,并进行了改进。Lattice-MLLR是根据解码得到的词网估计MLLR变换参数,词网的潜在误识率远小于识别结果,因此可以使参数估计更为准确。Lattice-MLLR的一个很大缺点是计算量极大,较难实用,对此本文提出了两个改进技术:(1)利用后验概率压缩词网;(2)利用单词的时间信息限制状态统计量的计算范围。实验测定Lattice-MLLR的误识率比传统MLLR相对下降了3.5%,改进技术使Lattice-MLLR计算量下降幅度超过了87.9%。

政府支出结构的居民消费效应:1985-2006——基于中部省际数据的实证分析

运用1985—2005年中部省际面板数据对我国地方政府支出结构对居民消费的影响进行实证分析。研究结果显示,中部地方政府支出结构有着不同的消费效应。最后根据我国地方政府支出结构与居民消费关系提出经济建设支出要注意结构上的调整,进一步加大社会文教支出的投入,合理控制行政管理支出,继续推进行政机构改革等政策建议。

HMM自适应法在应力变异语音识别系统的应用

为了使应力变异在顽健语音识别系统中能够达到较好的识别效果,研究了基于隐马尔可夫模型(HMM)的自适应技术,提出了将最大后验概率(MAP)和最大似然回归方法(MLLR)用于应力变异语音的自适应中。实验结果表明,与基本系统相比,两种方法均有效地提高系统识别率。以SD为初始模型的最大后验概率方法在150个训练样本时识别效果最好,可以达到90.4%。