采用联合多因子分析法的经济发展研究

由于现有的经济发展评价分析法较为单一、绝对,在因子分析法的基础上,建立联合多因子分析的经济发展状况模型.以《中国统计年鉴2004 ～ 2012》的有关数据为基础,通过对经济发展的横截面数据和时间序列数据进行综合的因子分析,对西部10个省市、直辖市作实证分析,得出各地区的经济发展情况以及内在因子,并对其各自的经济发展状况进行合理地综合评价.研究结果表明：联合多因子分析法能对各地区的经济发展状况做出确切的分析和评价.

联合因子分析算法中基于信号子空间的空间变换方法

在文本无关的说话人确认系统中,联合因子分析算法以其明确的空间估计方法成为主流的技术手段.然而由于算法流程的限制,使用该算法得到的说话人空间和信道空间不可避免地产生重叠.为解决空间模型的重叠问题,文中采用基于信号子空间的空间变换方法,使空间模型分离.对于NIST SRE 2008核心测试任务中的电话信道注册-电话信道测试,相对于不采用空间变换的联合因子分析算法,取得9.2%等错误率的降低.

基于因子分析法的安塞县退耕区生态经济联合生产水平评估

根据土地利用方式不同,将安塞县退耕区生态经济联合生产划分为经济林、耕地和生态林3种不同类型。在此基础上,根据相关研究成果,构建安塞县退耕区生态经济联合生产水平评价指标体系,并用因子分析法对安塞县167份农户调研数据进行定量分析和实证研究。结果表明:(1)安塞县生态经济联合生产总体水平不高,且农户之间差距很大。(2)经济林对生态经济联合生产总体水平起决定作用。(3)耕地和生态林类型对生态经济联合生产总体水平影响微弱。

说话人识别中的因子分析以及空间拼接

联合因子分析可以有效拟合混合高斯模型中的说话人和信道差异,在说话人识别中得到广泛应用.一般情况下,该算法在对说话人和信道两个载荷矩阵进行联合估计时,说话人残差矩阵无法发挥作用,信道载荷矩阵的因子数不能提高.本文提出说话人载荷矩阵、说话人残差载荷矩阵采用串行的训练模式,在信道载荷矩阵训练中采用矩阵拼接的方法,能够有效提高识别率;在NIST SRE 2008年核心测试数据库的五个部分分别达到等错误率3.3%,5.1%,5.0%,5.3%和5.0%.

采用因子分析和支持向量机的说话人确认系统

在文本无关的说话人识别中,采用均值超向量作为特征向量的支持向量机系统性能已经超过了传统的混合高斯-通用背景模型系统,但是信道的影响在均值超向量上仍然存在。该文对因子分析算法进行修改后,可以解决均值超向量的信道问题,能够取得优于扰动属性映射的性能,更重要的是采用因子分析的系统的稳定性可以得到保证。在NIST 2006说话人测试数据库上,利用该文的方法能够取得等错误率6.0%。

基于因子分析和特征映射的耳语说话人识别

为了解决耳语音识别系统中训练语音和测试耳语音来自不同发音模式的失配问题,本文提出一种基于联合因子分析(Joint factor analysis,JFA)与特征映射(Feature mapping,FM)的失配信息补偿算法。该算法首先用联合因子分析法计算说话人发音模式信息,并对发音模式因子和发音模式空间参数进行优化,接着对语音参数用发音模式信息进行特征映射后再进行训练和识别,以减少发音模式对系统的影响。实验结果表明,基于因子分析和特征映射的方法可以有效地提取训练语音中的说话人信息,提高耳语识别系统的识别率。

采用非监督得分规整和因子分析的说话人确认

在文本无关的说话人确认中,规整算法能够有效地调整测试得分的分布.另外,利用前面已经得到的测试语句的得分来调整规整的参数可以取得更好的效果,这种规整叫做非监督得分规整.在本文中,借用开发集得分来建立说话人和冒认者得分的两个先验高斯分布函数,在实际的测试中,利用最大后验概率准则来对规整的模型参数进行调整.在采用因子分析的情况下,在NIST2006说话人识别测试1conv4w-1conv4w数据库上,能够取得等错误率5.26%.

因子分析法在简化投资风险量化中的应用

随着经济发展突飞猛进、科技日新月异,风险在投资者心目中占据了越来越重要的地位。尤其是亚洲金融危机发生以来,世界各国政府把金融风险的防范和化解问题提高到了前所未有的高度。我国在党中央、国务院领导下召开了全国金融工作会议,着重强调和宣传了防范、化解金融风险的重要性,全面部属了金融系统的清理整顿、防范和化解金融风险的工作,并加大了对有关防范、化解金融风险的科研项目的投入。因此,对风险问题的研究意义重大,如何正确评价、量化、度量风险以及简化此工作的难度成为急需研究的问题。

创新联合体知识生产评价指标体系的构建

面对日益严峻的国际形势,战略性新兴产业中突破“卡脖子”关键核心技术已是重中之重,越是关键核心技术越需要合作攻关,创新联合体满足了联合攻关的创新性合作组织形式,创新主体之间进行异质知识整合是创新联合体知识生产的关键。文章通过阐释创新联合体的内涵与特征,运用知识构架、知识整合和知识生产的三个维度测度创新联合体知识生产评价,构建创新联合体知识生产评价体系;然后使用因子分析的研究方法,计算指标的综合得分,并进行结果分析。创新联合体知识生产评价体系的构建为创新联合体的理论基础和实践发展提供了新的研究思路并产生了深刻的影响。

基于通用背景-联合估计(UB-JE)的说话人识别方法

在说话人识别中,有效的识别方法是核心.近年来,基于总变化因子分析(i-vector)方法成为了说话人识别领域的主流,其中总变化因子空间的估计是整个算法的关键.本文结合常规的因子分析方法提出一种新的总变化因子空间估计算法,即通用背景–联合估计(Universal background-joint estimation algorithm, UB-JE)算法.首先,根据高斯混合–通用背景模型(Gaussian mixture model-universal background model, GMM-UBM)思想提出总变化矩阵通用背景(UB)算法;其次,根据因子分析理论结合相关文献提出了一种总变化矩阵联合估计(JE)算法;最后,将两种算法相结合得到通用背景–联合估计(UB-JE)算法.采用TIMIT和MDSVC语音数据库,结合i-vector方法将所提的算法与传统算法进行对比实验.结果显示,等错误率(Equal error rate, EER)和最小检测代价函数(Minimum detection cost function, MinDCF)分别提升了8.3%与6.9%,所提方法能够提升i-vector方法的性能.

高斯PLDA在说话人确认中的应用及其联合估计

近年来,基于总变化因子的说话人识别方法成为说话人识别领域的主流方法.其中,概率线性鉴别分析(Probabilistic linear discriminant analysis,PLDA)因其优异的性能而得到学者们的广泛关注.然而,在估计PLDA模型时,传统的因子分析方法只更新模型空间,因此,模型均值不能很好地与更新后的模型空间耦合.提出联合估计法对模型均值和模型空间同时估计,得到更为严格的期望最大化更新公式,在美国国家标准与技术局说话人识别评测2010扩展测试数据库以及2012核心测试数据库上,等错率得到一定提升.

一种基于联合模型的雷达自动目标识别方法

雷达自动目标识别是将目标识别应用于传统雷达的一项技术,随着信息技术的飞速发展以及战场形势的复杂多变,雷达自动目标识别技术近年来受到广泛关注。目标识别的方法按其模型可分为生成模型和判别模型,生成模型侧重对数据分布的描述,判别模型侧重区分不同类别数据之间的差异。将两种模型有机结合可兼顾二者优势提升模型识别性能。本文提出了一种最大间隔正则化因子分析(MMRFA)模型,该模型对因子分析模型(FA)和隐变量支撑向量机(LVSVM)建立联合模型。试验结果表明,该模型提升了识别性能且在低信噪比条件下表现优良。

说话人识别中的串行因子分析

在基于因子分析的说话人识别中,提出串行训练载荷矩阵的方法.在载荷矩阵训练中,采用串行的方式训练得到说话人因子矩阵、对角阵(残差矩阵)和信道空间矩阵.在说话人注册中,将以上3个载荷矩阵拼接,采用联合估计的方法得到每个说话人的因子.采用这种策略可有效解决因子分析中的饱和问题.在NISTSRE2006年核心测试数据库上等错误率能达到3.65%.

基于用户体验的老年人移动交互界面设计研究

为解决老年人医疗软件交互界面用户体验满意度较低、操作效率不高等问题,提出一种以用户为中心的老年人医疗移动交互界面开发方法来优化用户体验。首先采用焦点小组法对老年人医疗交互界面的主要设计要素展开分析,并通过正交实验,明确实验所需的交互界面设计方案,运用因子分析获取用户评价指标中的关键项目,并架构评价层级体系,通过联合分析获取医疗移动交互界面各设计要素及其类型的效用值,得出老年用户对医疗移动APP交互界面设计要素的偏好,并获取最优设计要素,从而制定相应的设计策略。依据老年人对用户体验各设计指标的诉求偏好,有效地对老年人医疗APP的用户体验进行优化,并设计出界面交互原型,进而为设计师开发出符合老年人用户体验的APP提供参考。

话者识别的信道补偿

在文本无关的说话人识别中,训练与测试语音中信道环境的差异是影响其性能最重要的因素.近年来,利用因子分析对信道建模成为说话人识别领域的重要方法,大大降低了说话人确认的错误率,但运算复杂度限制了实时的应用.本文介绍了一种简化的因子分析方法:首先在混合高斯模型的模型域训练信道空间,然后在特征域进行信道补偿,得到的新特征可用于各种系统.在NIST2006的数据库上,利用本文的方法相对基线系统在等错误率上有31%的降低.

高管团队战略决策中的行为整合维度研究

20世纪90年代以来,高阶梯队理论从单一地研究团队的前因变量与团队的结果变量之间的关系逐渐转向研究团队的运作过程。后来,有的学者们从单纯的研究团队沟通、

TEO能量与Mel倒谱混合参数应用于说话人识别

特征提取是说话人识别中非常重要的一个环节,特征提取的结果直接影响系统的识别结果。提出一种将TEO与MFCC及其衍生参数结合的方法,将本文提取的特征参数与传统的MFCC,WMFCC与△MFCC通过GMM-UBM与SVM模型得出结果并比较。并在不同环境下的进行实验,对算法进行了仿真实现。实验结果表明,在相同噪声背景不同信噪比时与相同信噪比不同的噪声背景这两种情况,提出的方法均得到了较好的结果,在检测纯语音数据时,对融合算法进行仿真实现,识别率也得到了提高。

从联合国语言服务看翻译专业素养构成

本文系统地介绍联合国语言服务机构职能以及语言服务类职位征聘要求与流程,并通过编制《联合国语言服务专业素养构成调查问卷》,基于因子分析法,提出联合国语言服务专业素养构成要素为:语言能力、翻译能力、文化素养、政治素养、协作能力、技术能力以及学习能力。

说话人识别中简化的信道因子估计

在与文本无关的说话人识别研究中,因子分析是减少信道影响的有效的方法之一,但是因子分析在估计信道空间时需要大量的数据以及复杂的EM(expectation maximization)运算,在测试的时候对数似然度函数的计算量非常大。该文采用主成分分析的方法来简化信道因子的估计过程,首先采用混合Gauss模型的均值超矢量估计出信道因子所在的空间,然后通过特征映射的方法在特征参数域中减去信道因子的影响。在美国国家标准与技术研究所(NIST)2006年1conv4w-1conv4w数据库上,采用该文方法的系统等错误率相对基线系统降低24%。采用本文中的信道因子估计和特征映射的方法,能够在保持高识别性能的前提下,大大简化运算的过程,对系统的实时实现有重要的意义。