简介:传统的语音识别方法,信噪比较低时识别率也较低。为了使语音识别更具有环境适应性、抗噪性,从非齐次隐马尔可夫模型(nonhomogeneousHiddenMarkovModel,HMM)出发,结合自适应函数链神经元网络,训练出适应环境变化的混合语音模型,并采用该混合模型进行语音识别。实验结果表明,该模型适用于含噪语音的识别,特别是在低信噪情况下,可以相对提高识别率。
简介:本文从组织内攻关任务的多种知识需求出发,考虑跨部门团队成员在完成任务过程中的知识交流与共享行为,构建了基于任务需求———团队知识相匹配的知识传播模型。模型中定义了任务知识需求矩阵、团队成员知识传播规则、知识协同生成规则以及任务需求与团队知识匹配规则,并通过计算机仿真的方法考察了不同知识交流策略对团队内部知识传播与任务完成效果的影响。仿真结果表明,基于关系的知识交流策略有利于知识在团队内部的快速传播,但不利于知识的广泛传播,在后期容易产生传播停滞现象,而基于知识的交流策略则具有明显的后发优势。混合策略不仅能够确保知识的快速传播,而且当混合策略中基于关系的知识交流概率较小时,知识传播效果甚至优于"基于知识"的交流策略。相应的管理策略是任务初期宜采用基于关系的知识交流策略,而在后期,采取基于知识的交流策略有助于团队顺利、有效地完成任务,与单一的采用基于关系或基于知识的交流策略相比,采用混合交流策略来完成团队任务具有明显的优势。
简介:医疗床位需求主要取决于人口总量和结构,而人口总量依赖于产业经济结构和经济总量,人口结构依赖于非户籍人口和户籍政策。深圳市经济发展受产业结构、经济规模、人口密度、区域面积等因素限制,根据这一特点,首先基于Logistic规律建立了分产业预测模型,然后基于人口发展与生产总值的关联建立了常住人口预测模型,最后依据相关数据分别建立了人口结构、医疗病床需求相关模型。预测结果与当地规划目标比较,显示了结果的相对合理性,这在某种程度上验证了模型的正确性。
简介:稀疏表示是近年来新兴的一种数据表示方法,是对人类大脑皮层编码机制的模拟。稀疏表示以其良好的鲁棒性、抗干扰能力、可解释性和判别性等优势,广泛应用于模式识别领域。基于稀疏表示的分类器在人脸识别领域取得了令人惊喜的成就,它将训练样本看成字典,寻求测试样本在字典下的最稀疏的表示,即用尽可能少的训练样本的线性组合来重构测试样本。但是经典的基于稀疏表示的分类器没有考虑训练样本的类别信息,以致被选中的训练样本来自许多类,不利于分类,因此基于组稀疏的分类器被提出。组稀疏方法考虑了训练样本的类别相似性,其目的是用尽可能少类别的训练样本来表示测试样本,然而这类方法的缺点是同类的训练样本或者同时被选中或者同时被丢弃。在实际中,人脸受到光照、表情、姿势甚至遮挡等因素的影响,样本之间关系比较复杂,因此最后介绍局部加权组结构稀疏表示方法。该方法尽量用来自于与测试样本相似的类的训练样本和来自测试样本邻域的训练样本来表示测试样本,以减轻不相关类的干扰,并使得表示更稀疏和更具判别性。