基于语音特征的情感分类

情感识别是智能机器人技术研究中的一个重要课题,对不同的情感识别有助于提高机器人的智能水平和与人类沟通的效果.首先采用语速、瞬时能量、瞬时过零率、共振峰和基频五种语音特征,以及正常、喜悦、愤怒、悲伤、惊讶五种情绪状态,建立语音特征与情绪的相关性模型,然后设计PNN识别算法,再通过该算法对情绪状态训练分类,最后在语音识别过程中提取的低阶特征,识别高阶情感语义.通过实验效果对比分析,其平均识别率可以达到82.58%,优于HMM的82.2%,主成分析的66.16%和多元回归分析的62.68%,可以得出该模型对语音情感识别有较好的识别率.

基于改进蚁群算法的云计算任务调度研究

为了找到最优的云计算任务调度方案,减少任务的完成时间,提出了基于改进蚁群算法的云计算任务调度算法。首先建立云计算任务调度的目标函数,然后采用蚁群算法模拟蚂蚁搜索食物过程对目标函数进行求解,并引入局部、全局信息深度更新方式进行改进,加快搜索速度,最后在CloudSim仿真平台进行性能测试实验.结果表明,改进蚁群算法不仅大幅度减少了云计算任务执行时间,而且解决了资源负载不均衡难题,很好地实现了云计算任务的最优调度.

新的基于网格环境的分层自主信任模型

由于网格的动态性和不确定性所带来的安全问题,网格实体间的信任关系成为研究的热点。提出一种新型的基于信任域的分层自主信任模型来处理网格环境中实体之间的信任关系,并对域内与域间信任关系分别采取不同的计算策略进行处理。模型采用分层和实体自主信任的思想,不同层次维护相应的信任表格,并体现实体动态的主体特性。分析和仿真表明,该模型在有效性和算法复杂度方面显示出较好的性能,是对网格信任模型的有效补充。

基于自然语言处理的知识检索算法研究

当前的知识检索存在检索速度慢、效率低的问题,对此提出一种基于自然语言处理的知识检索方式,利用半监督算法进行自然语言描述,针对全部知识检索对象构建无向图,在该无向图中,设计一种标签传递方法,将有标记的数据样本传递到其余没有标记的数据样本中,完成无向图中所有数据标记的过程.利用TextRank方式,针对所有标记后的数据选取主题词,根据检索对象中的主题词实现知识检索的过程.实验结果表明,利用此算法进行知识检索,能够有效提高知识检索的速度,在短时间内完成知识检索的过程,提高用户的满意度.

基于改进蚁群算法在软件缺陷预测中的应用

为提高软件缺陷预测算法的分类准确度和运算效率,将改进的蚁群算法应用于基于支持向量机的软件缺陷预测模型中。支持向量机作为二值分类模型进行软件缺陷预测,并对蚁群算法进行改进优化,每只蚂蚁只根据搜索半径参数在前次迭代中的最优解附近搜索,在缩小搜索范围的同时尽快实现最优解,并对支持向量机的参数进行优化。实验结果表明,与传统方法相比,该方法具有更高的预测精度和运算效率。

基于TD-SCDMA和CMMB的3G上网本设计

基于TD-SCDMA、CMMB标准开发,集成了无线上网和移动多媒体广播于一体。两种技术标准的融合达到了3G传输目标,实现了数字广播与移动数据传输技术的完美结合,该产品的攻关极大地推动了我国通信产业及数字多媒体广播产业的发展。

基于GATE的中文事件抽取方法

事件抽取是信息抽取领域的重要研究方向,针对目前网页文档中文事件抽取的关键问题,提出利用开源的通用文本处理框架(GATE)进行中文事件抽取的方法,设计GATE中文事件处理流程,开发GATE插件,解决中文分词与词性标注、领域词典、中文抽取规则设计等关键技术,实现了中文事件的类型识别和元素抽取。并以四类政治事件为例,进行中文事件抽取实验。实验结果表明,基于GATE的中文事件抽取具有良好的通用性,能够取得了较好的抽取效果。