多子系统似然度评分融合说话人识别

针对短电话语音条件下文本无关说话人识别问题中语音数据不充分和电话信道失配问题,提出了一种基于话者聚类的多子系统输出似然度评分融合策略。采用KLD和GLR测度下的模型相似度聚类方法对目标话者聚类,并在每个话者类内构建由MFCC、LPCC和SSFE三个不同类型特征参数子系统组成的输出似然度评分融合系统,通过不同参数子系统的互补,即MFCC和LPCC参数的识别准确性结合SSFE的良好鲁棒性,以及不同话者类采用不同的输出似然度评分融合网络,提高了系统的整体性能。使用NISTSRE05数据作为评估数据,实验结果表明,与传统的不分类多系统输出似然度评分融合相比,采用KLD和GLR测度的话者聚类融合策略使系统等误识率分别下降了10.3%和8.7%。

基于话者聚类的多系统输出评分融合话者确认

针对短电话语音条件下文本无关说话人确认问题中语音数据不充分和电话信道失配问题,利用说话人特征参数之间的互补性,提出了一种对多子系统输出评分采用多个网络的融合策略,提高了话者确认系统的整体性能.实验结果表明:与传统的所有话者共享一个输出评分融合网络相比,应用多个融合网络,在采用KLD和GLR模型相似性测度时,系统等误识率分别下降了12.7%和10.8%.

基于圆形邻域SIFT特征描述子的3D人脸识别

提出一种基于圆形邻域尺度不变特征变换(Scale Invariant Feature Transform,SIFT)描述子的三维人脸识别方法。首先,针对传统SIFT描述子向量维数高、匹配耗时的问题,文中提出了一种改进的SIFT特征描述子及其生成方法。该方法在利用传统SIFT算子精确定位特征点的基础上,采用以特征点为中心的圆形邻域来代替矩形邻域进行特征描述。然后,分别对3D人脸的灰度图和深度图提取特征描述子。在特征点匹配阶段,根据人脸图像的先验知识剔除部分误匹配点对。最后,采用决策级的评分融合策略完成3D人脸识别。实验结果表明,该算法能够有效降低特征匹配时间,人脸识别的平均识别率高达95.3%。

基于社交网络的推荐模型研究

基于社交网络的社会化推荐的依据是社交网络中亲密关系的用户往往具有相似的兴趣爱好。当前基于社交网络的推荐没有充分地利用社交关系信息,导致预测精度较低和计算效率低、收敛速度慢。为了缓解数据稀疏以及提高推荐系统准确性,对社交网络提出了一种融合用户熟悉度和用户特征评分的推荐模型,充分利用了社交网络中的用户关系信息和特征信息。实验表明,给出的推荐算法相比传统的协同过滤算法明显提高了推荐精度。