一、FCMBP聚类法在语音识别和模糊控制中的应用(论文文献综述)
胡峰,叶福豪,王国胤,代劲[1](2020)在《煤矿瓦斯传感器人工调校噪声数据处理方法》文中研究表明传统噪声数据处理方法对输入数据有一定的要求,且运行时间较长。而煤矿瓦斯传感器人工调校噪声数据存在数量少、质量差、时间不一致、易受环境影响等问题,采用传统噪声处理方法难以滤除该噪声数据。针对上述问题,提出了一种煤矿瓦斯传感器人工调校噪声数据处理方法。采用数据平均值填充煤矿瓦斯传感器浓度数据缺失值;采用多时间粒度构建煤矿瓦斯传感器浓度数据的特征集和样本集;采用高斯函数、混合高斯函数、二项式函数、三项式函数、分段二项式函数5种曲线拟合函数拟合人工调校噪声数据,并基于最小二乘法确定拟合函数参数,根据拟合效果得到最优的拟合函数;通过分析人工调校噪声数据得出该噪声数据与瓦斯浓度上升的斜率、峰值、调校前后浓度差等基本特征有关,根据这些基本特征识别出人工调校噪声数据并删除。实验结果验证了该方法的有效性。
张焕林[2](2020)在《自动驾驶轮椅沿路沿行驶的方法研究与实现》文中提出根据我国近些年人口统计数据,2018年我国65岁以上人口总数占比达到11.94%,这些高龄老人的日常出行对轮椅有比较大的依赖,使得社会对轮椅的需求量越来越大,对轮椅的智能化水平要求越来越高。本文在传统电动轮椅的基础上,对轮椅的控制系统结构进行优化设计,利用多传感器数据融合等技术实现了轮椅在室外环境下可以沿路沿进行自动驾驶,大大降低了轮椅使用者在室外环境下的操控难度和工作强度。由于路沿的形态并不是一个准确值,在不同场景下路沿特征的高度、宽度、形状都会有较大差别,再加上障碍物对路沿特征的遮挡等问题,这给数据采集、路沿识别都带来了很大的难度。本文从硬件系统、规整路沿下的导航以及复杂路况下的导航三个方面设计并实现了智能轮椅沿路沿的自动驾驶。本文的硬件系统采用模块化设计,分为主控模块、激光雷达模块、测距模块。主控模块负责对系统整体资源的调控;激光雷达安装在轮椅前方用来探测前方路面信息以及障碍物信息;测距模块在轮椅四个方向都有,主要负责探测轮椅与环境的距离信息。三个模块相互配合,实现对周边环境信息的感知和处理。规整路沿的自动驾驶是结合了激光雷达以及改进的人工势场法实现的。本文建立了导航、传感器、轮椅三个坐标系,将传感器获取到的数据进行整合。激光雷达获取的点云数据经过滤波、筛检等预处理后,使用圆弧建模将数据映射到二维平面,结合横向索引和径向索引从点云图中识别路沿特征,最后使用RANSAC算法进行拟合,获取路沿线的准确位置。在人工势场法中引入路沿势力场使其更满足场景需求,实现了路沿特征比较明显的情况下的沿路沿自动驾驶。复杂路况下的自动驾驶使用了模糊神经网络的算法进行导航。因外部环境的不可控因素导致传感器系统无法获取路沿准确位置的信息,本文采用了一种基于模糊神经网络的沿路沿自动驾驶方法,通过监测轮椅两侧与路沿的距离数据以及变化趋势,控制轮椅的轮速及轮速差,实现了沿路沿自动驾驶。在校园环境下经过多次测试,本文设计的沿路沿自动驾驶系统能够在多种环境下成功控制轮椅沿路沿行驶,基本达到轮椅使用者人工控制的驾驶效果。
王文庆,杨振新,唐轩[3](2015)在《模糊系统作为通用逼近器研究综述》文中进行了进一步梳理概述Mamdani型和T-S型模糊系统作为通用逼近器的性能及影响因素,讨论改进其结构参数的新方法,总结近年来的相关研究进展情况。针对"维数灾难"问题,分析递阶分层模糊系统和二型模糊系统对此问题的研究思路和最新进展,并分析模糊系统研究的热点问题及研究发展方向和趋势。
陈东辉[4](2012)在《基于目标函数的模糊聚类算法关键技术研究》文中提出聚类分析是用数学方法来研究分类问题的一门学科,是统计模式识别中非监督模式分类的一个重要分支,近二十年来得到了迅猛的发展。模糊聚类算法由于更能准确描述模式间的不确定关系,已经成为近年来研究的热点。在众多的模糊聚类算法中,文献中研究最多、实际中应用最广的是基于目标函数的模糊聚类算法,而且在图像处理、模式识别、计算机视觉等许多领域中已经获得了成功的应用,是目前最实用也是最受欢迎的算法之一。针对现有聚类分析算法在数据挖掘应用中存在的不完善甚至严重不足之处,本文结合粒子群全局优化方法以及支持向量聚类算法,对传统模糊聚类算法进行较为系统的改造和创新,主要探讨了模糊聚类算法目标函数的定义以及改进方法,提出了适合高维任意分布数据集的模糊聚类新算法,扩展了聚类分析的应用范围,并构造了一种新的模糊聚类有效性函数。实验结果表明,本文提出的一系列有关模糊聚类分析的新思想和新方法都取得了良好的效果并在国家科技支撑计划项目中得到了应用。研究成果主要表现在以下几个方面:1.提出了一种改进的可能性C均值聚类方法。该方法首先通过改进PCM算法的目标函数来计算数据模式的隶属度矩阵和聚类中心完成粒子编码,从而降低了算法对初始中心的敏感,避免聚类一致性问题,提高了聚类的精度;针对基于目标函数的模糊聚类算法是一种局部搜索算法,引入粒子群优化算法,使全局的寻优能力大大提高,具有良好的搜索能力和聚类效果。2.提出了一种新的支持向量模糊聚类方法。该方法比起传统聚类方法表现出较好的性能,它通过对二次规划问题的求解可以保证全局最优解,而且能够处理任意形状数据集和划分有重叠区域的聚类形状,并且容易处理高维数据;实验结果验证了该设计方法的可行性和有效性。3.提出了一种基于密度函数的近似初始化方法。该方法主要解决针对大多数基于目标函数的模糊聚类算法大都需要预先给定初始的聚类中心的问题。该方法通过利用样本分布的密度函数来确定聚类中心,仿真实验表明该方法不仅对高维的大数据集能取得良好的聚类效果,而且计算量也得到了有效的控制。4.提出了一种基于划分系数与相似度量的有效性算法。该方法既考虑了数据集的分布特征又结合了模糊划分系数,使聚类结果更清晰,可以用作数据集的模糊聚类有效性评价。设计了一种模糊决策评价函数来对加权指数进行最优化选取。实验结果证明了它们的有效性。本文的工作受到国家科技支撑计划项目和陕西省“13115”科技创新工程重大科技专项的资助。
郭崇慧,庞军[5](2011)在《一种求解单一簇的模糊双聚类算法》文中认为双聚类算法是一类新型数据挖掘聚类算法,通常以均方残差为评价指标.基于均方残差的双聚类算法,大多采用贪婪策略求解,通常不能得到大小适中且结果准确的簇.而在联合聚类中,模糊理论能改善这种基于均方残差的算法,得到大小适中且结果准确的簇.为了提高基于均方残差双聚类算法的性能,本文结合模糊理论提出一种求解单一簇的模糊双聚类算法.首先,提出定义双聚类簇内的模糊变量,即显着性指标;然后,建立基于显着性指标的模糊双聚类模型,并给出算法及其收敛性分析;最后,利用仿真数据和真实数据,将模糊双聚类算法与FLOC双聚类算法和模糊联合聚类算法进行对比,以验证模糊双聚类算法的有效性.
谭庆,何清,赵卫中,史忠植[6](2011)在《基于进化规划的FCMBP模糊聚类改进方法》文中研究指明分析了基于摄动的模糊聚类方法(fuzzy clustering method based on perturbation,FCMBP),指出指数复杂度的遍历过程是目前PC计算环境下难以处理十阶以上较高阶数模糊相似矩阵的原因.把寻求具有最小"失真"的最优模糊等价矩阵看作优化问题来求解,提出了一种基于进化规划的FCMBP模糊聚类改进方法.与FCMBP相比,该方法通过引入基于进化规划的优化技术避免了遍历过程,使其能够对高阶模糊相似矩阵进行处理.得到的等价矩阵"失真"小于传递闭包法所得结果,从而获得更为精确可靠的聚类效果,将FCMBP模糊聚类方法推广到能够处理高阶模糊相似矩阵的情形,满足应用需要.
何晓[7](2011)在《模糊聚类算法在汉语文本聚类中的研究》文中研究指明文本聚类是文本自动分类的一个重要研究领域。由于聚类不需要训练,也不需要预先对文档手工标注类别,具有一定的灵活性和自动化处理能力,目前已经成为对文本信息进行处理的重要手段。而模糊聚类算法具有较好的适应性和抗噪音能力,通过对文本的模糊划分,可以得到一个比较好的聚类结果。论文在研究分析中文文本预处理的基础上,结合中文文本挖掘过程,重点研究并改进了FCMBP模糊聚类算法。过去FCMBP算法中的高阶模糊等价标准型的平移等价类的数据库没有一个高效的生成算法,并且每一个模糊等价标准型的平移等价类还要定义相应的相似参数系的等价类数据库,运算时间长,非常繁琐。论文基于FCMBP的理论,提出一个由低阶向高阶生成模糊等价标准型矩阵的平移等价类数据库的算法。通过定义初始低阶数据库,利用函数自身嵌套调用的方法,解决了高阶数据库的生成问题,并给出了提高运算速度的多阶段逐步改变函数初始条件的思路。同时针对给出的模糊等价标准型平移等价类的数据库生成算法,提出一个生成相应相似参数系的等价类的算法,解决了为每一个模糊等价标准型平移等价类一一配备相应相似参数系等价类的问题。改进后运算速度得到了提升,并通过实例验证了改进算法的准确性。论文搭建了一个用于中文文本聚类分析的平台,并把改进后的FCMBP算法用在该平台的聚类模块中,在对算法性能进行有效性评估时,算法的查全率和查准率平均在90%以上,取得了很好的效果,进一步验证了模型的可行性。
华斌,张洪波,何晓[8](2011)在《FCMBP模糊聚类算法的改进》文中提出在FCMBP算法中,高阶模糊等价标准型的平移等价类数据库缺少一个高效的生成算法,且每一个模糊等价标准型的平移等价类需要定义相应的相似参数系等价类,过程繁琐。为解决上述问题,提出由低阶向高阶自动生成模糊等价标准型矩阵的平移等价类数据库的算法以及生成相应相似参数系的等价类的算法。通过实例验证该算法较好地解决了高阶模糊等价标准型的平移等价类数据库的自动生成问题。
赵卫中,何清,史忠植[9](2010)在《基于摄动的模糊聚类算法最优模糊等价矩阵相关性质分析》文中认为对基于摄动的模糊聚类算法进行深入研究.给出一个模糊相似矩阵的实例,存在与该矩阵距离相同且都是最小的两个不相等的模糊等价矩阵,从而证明了全局最优模糊等价矩阵不具有唯一性.对基于摄动的模糊聚类算法求出的可行解的不同情况进行分析,给出了每种情况下可行解个数的计算表达式.完善了基于摄动的模糊聚类算法的相关理论.
孙慧[10](2010)在《粒子群优化模糊神经网络用于语音识别的研究》文中指出语音识别技术是近年来高速发展的一项人工智能技术,具有广泛的应用前景,在互联网、通信、军事、国防、人机交互等方面都有重要的应用价值,长期以来一直是人们研究的热点。语音信号的非线性和语义的模糊性是语音识别研究的关键所在。因此,结合了人工神经网络的非线性、自学习性等特点和模糊系统的模糊推理和模糊划分等优点的模糊神经网络(Fuzzy Neural Network, FNN),很快被应用到语音识别中。同时,粒子群优化算法(Particle Swarm Optimization, PSO)是一种性能良好的全局优化算法,也是一种很有潜力的神经网络训练算法。本文对粒子群优化模糊神经网络在语音识别中的应用进行了深入的研究,取得了以下的成果:1、针对传统BP算法训练模糊神经网络依赖于初始值、训练时间较长、易陷入局部极值的问题,本文提出了粒子群算法优化模糊神经网络。同时为平衡粒子群算法的全局探索和局部改良能力,算法引入了自适应动态改变的惯性因子。考虑到语音识别过程中语音特征参数的维数都比较大,模糊神经网络的结构较复杂,不宜将全部参数都采用粒子群算法优化,文中利用粒子群算法对模糊神经网络模糊层的中心进行聚类,宽度和权值则分别采用距离测度和伪逆法获得,将训练好的网络应用于语音识别。实验表明,该算法有很好的识别性能,在识别率和收敛速度上都优于BP算法训练的网络。2、针对基本粒子群算法易陷入局部极值的问题,本文引入了量子粒子群算法(Quantum-behaved Particle Swarm Optimization, QPSO)。并用四个典型的测试函数对两种优化算法的性能进行了测试,结果表明量子粒子群算法比基本粒子群算法更易找到全局最优值,因此本文提出用量子粒子群算法优化模糊神经网络。3、针对当前语音识别系统对环境依赖性强、实现过程复杂的问题,本文提出了一种改进的语音识别系统,结合两种信噪比环境下的语音对系统进行训练,训练的模板库可以适用于任何信噪比下语音的识别,大大提高了识别系统对环境的适应性,简化了语音识别的过程。本文将量子粒子群优化的模糊神经网络应用于改进的语音识别系统,并与在相同条件下的原系统实验结果进行对比,表明改进的系统具有良好的识别性能。
二、FCMBP聚类法在语音识别和模糊控制中的应用(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、FCMBP聚类法在语音识别和模糊控制中的应用(论文提纲范文)
(1)煤矿瓦斯传感器人工调校噪声数据处理方法(论文提纲范文)
0 引言 |
1 人工调校噪声数据识别框架 |
1.1 人工调校噪声数据定义 |
1.2 人工调校噪声数据识别框架 |
1.2.1 数据预处理 |
1.2.2 时间粒度划分 |
1.2.3 特征集和样本集构建 |
1.2.4 优化的曲线拟合函数 |
(1)高斯函数: |
(2)混合高斯函数: |
(3)二项式函数: |
(4)三项式函数: |
(5)分段二项式函数: |
1.2.5 人工调校噪声数据处理 |
2 方法描述 |
3 实验分析 |
3.1 函数拟合效果 |
3.2 拟合评价指标 |
3.3 实验验证 |
4 结语 |
(2)自动驾驶轮椅沿路沿行驶的方法研究与实现(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 智能轮椅研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.2.3 智能机器人导航研究现状 |
1.3 本文主要研究内容与结构安排 |
第二章 相关技术概述 |
2.1 系统定位技术 |
2.1.1 全球定位技术 |
2.1.2 惯性定位 |
2.1.3 电子地图匹配 |
2.1.4 基于视觉的定位技术 |
2.2 多传感器数据融合技术 |
2.2.1 卡尔曼滤波算法 |
2.2.2 模糊神经网络算法 |
2.3 RANSAC算法 |
2.4 本章小结 |
第三章 系统整体设计 |
3.1 系统整体分析 |
3.2 系统硬件分析与设计 |
3.2.1 主控模块分析与设计 |
3.2.2 超声传感器模块 |
3.2.3 激光传感器模块 |
3.3 系统软件分析 |
3.3.1 激光雷达路沿特征识别程序设计 |
3.3.2 基于多传感器融合的路沿跟随程序设计 |
3.4 实验方案总体设计 |
3.5 本章小结 |
第四章 轮椅机器人规整路沿下自主定位与路径规划设计 |
4.1 引言 |
4.2 规整路沿特征分析 |
4.3 基于多传感器数据融合的自主定位 |
4.3.1 轮椅系统坐标系定义与转换 |
4.3.2 轮椅双轮差速驱动模型 |
4.4 规整路沿特征识别与路径规划 |
4.4.1 路沿特征识别与路沿线拟合 |
4.4.2 人工势场法局部路径规划 |
4.4.3 改进的人工势场法路径规划 |
4.4.4 校园环境实验 |
4.5 本章小结 |
第五章 轮椅机器人复杂路况下的自主定位与路径规划设计 |
5.1 复杂路况下路沿特征分析 |
5.2 路径规划算法设计 |
5.2.1 模糊神经网络理论分析 |
5.2.2 基于模糊神经网络的沿路沿自动驾驶 |
5.3 轮椅车沿路沿自动驾驶试验 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
作者简介 |
(3)模糊系统作为通用逼近器研究综述(论文提纲范文)
1 两类模糊系统作为逼近器的研究 |
1.1 Mamdani型模糊系统 |
1.2 T-S型模糊系统 |
2 对模糊系统一些问题的解决 |
2.1 对维数灾难的缓解 |
2.2 模糊系统的进一步研究 |
3 模糊系统在工业控制中的应用 |
4 讨论 |
(4)基于目标函数的模糊聚类算法关键技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 关键技术研究现状及发展趋势 |
1.2.1 常用的聚类分析算法 |
1.2.2 模糊聚类算法的研究现状 |
1.2.3 模糊聚类有效性的研究 |
1.2.4 传统的聚类分析存在的问题及其发展趋势 |
1.3 论文的研究内容及研究成果 |
1.4 论文的结构安排 |
第二章 模糊聚类分析理论基础 |
2.1 经典集合简介 |
2.1.1 集合的概念 |
2.1.2 集合间的关系 |
2.1.3 集合的表示 |
2.1.4 幂集、重有序组合笛卡尔乘积 |
2.2 模糊集合及运算 |
2.2.1 模糊集合的定义及其表示 |
2.2.2 模糊集合的运算 |
2.3 分解定理与扩展原理 |
2.3.1 分解定理 |
2.3.2 扩展原理 |
2.4 模糊等价关系 |
2.5 模糊聚类分析步骤 |
2.5.1 数据标准化 |
2.5.2 建立模糊相似矩阵 |
2.5.3 基于模糊等价关系的聚类方法 |
2.6 小结 |
第三章 基于目标函数的模糊聚类改进算法 |
3.1 引言 |
3.2 模糊聚类算法 |
3.2.1 模糊c均值聚类算法 |
3.2.2 可能性c均值聚类算法 |
3.2.3 可能性模糊c均值聚类算法 |
3.2.4 实验结果分析 |
3.3 基于K均值和粒度原理的FCM改进算法 |
3.3.1 基于改进的K均值算法初始化聚类中心 |
3.3.2 基于粒度原理确定最佳聚类数 |
3.3.3 合并聚类中心 |
3.3.4 改进算法的实现原理及步骤 |
3.3.5 实验结果分析 |
3.4 基于粒子群优化的可能性C均值聚类改进方法 |
3.4.1 PCM改进算法 |
3.4.2 粒子群优化改进算法 |
3.4.3 基于PSO的PCM改进算法 |
3.4.4 实验结果分析 |
3.5 小结 |
第四章 一种改进的支持向量核聚类方法 |
4.1 引言 |
4.2 SVC算法 |
4.2.1 基于SVM训练 |
4.2.2 聚类标识 |
4.3 改进的SVC方法 |
4.4 实验结果分析 |
4.5 小结 |
第五章 聚类中心初始化方法研究 |
5.1 引言 |
5.2 山峰函数 |
5.3 减法聚类 |
5.4 基于密度函数的近似初始化方法 |
5.5 实验仿真 |
5.6 小结 |
第六章 模糊聚类的有效性指标研究 |
6.1 引言 |
6.2 基于可能性分布的聚类有效性函数 |
6.2.1 划分系数 |
6.2.2 可能性理论 |
6.2.3 可能性划分系数 |
6.2.4 聚类有效性函数 |
6.2.5 实验结果分析 |
6.3 基于子集测度的聚类有效性函数 |
6.3.1 子集测度理论 |
6.3.2 聚类有效性函数确定 |
6.3.3 实验结果分析 |
6.4 基于模糊FISHER的聚类有效性函数 |
6.4.1 Fisher距离 |
6.4.2 模糊Fisher距离 |
6.4.3 聚类有效性函数 |
6.4.4 实验结果分析 |
6.5 基于划分系数与相似性度量的聚类有效性函数 |
6.5.1 紧凑度测量 |
6.5.2 分离度测量 |
6.5.3 有效性函数 |
6.5.4 实验结果分析 |
6.6 模糊加权参数M的选取 |
6.6.1 模糊加权参数m |
6.6.2 基于模糊决策的评价函数 |
6.6.3 实验结果分析 |
6.7 小结 |
第七章 总结与展望 |
7.1 本文总结 |
7.2 展望未来 |
致谢 |
参考文献 |
攻读博士学位期间的研究成果 |
学术论文 |
软件着作权 |
参加研究的科研项目 |
(5)一种求解单一簇的模糊双聚类算法(论文提纲范文)
1 引言 |
2 均方残差简介 |
3 模糊双聚类模型及求解 |
4 算法收敛性分析 |
5 模糊双聚类算法 |
6 数值实验 |
6.1 聚类评价 |
6.2 仿真数据 |
6.3 真实数据 |
7 结束语 |
(6)基于进化规划的FCMBP模糊聚类改进方法(论文提纲范文)
1 引言 |
2 FCMBP模糊聚类方法概要 |
3 EP-FCMBP模糊聚类方法 |
4 实验结果 |
5 结论 |
(7)模糊聚类算法在汉语文本聚类中的研究(论文提纲范文)
内容摘要 |
Abstract |
第1章 绪论 |
1.1 引言 |
1.2 课题研究的背景和实际意义 |
1.2.1 研究及应用背景 |
1.2.2 现实意义 |
1.3 国内外研究现状 |
1.3.1 文本挖掘研究现状 |
1.3.2 模糊聚类研究现状 |
1.4 主要研究内容与安排 |
第2章 主要聚类方法介绍 |
2.1 基于划分的方法 |
2.2 基于密度的方法 |
2.3 基于模型的方法 |
2.4 层次聚类方法 |
2.5 基于网格的方法 |
2.6 基于模糊的方法 |
第3章 文本聚类的相关技术 |
3.1 基本概念和定义 |
3.1.1 聚类分析的数据类型 |
3.1.2 文本间距离 |
3.1.3 文本表示模型与权值计算 |
3.2 文本预处理 |
3.2.1 文本切分 |
3.2.2 词干提取 |
3.2.3 停用词处理 |
3.2.4 特征选择 |
第4章 模糊理论与模糊聚类 |
4.1 文本聚类算法的要求 |
4.2 模糊聚类算法的优势 |
4.3 FCMBP模糊聚类算法简述 |
4.3.1 FCMBP模糊聚类简单的理论基础 |
4.3.2 FCMBP模糊聚类的经典算法 |
4.3.3 FCMBP模糊聚类算法的缺点与不足 |
4.4 算法改进思想 |
4.4.1 生成模糊等价标准型的平移等价类的数据库的算法 |
4.4.2 相似参数系等价类的生成算法 |
4.4.3 实例 |
4.5 小结 |
第5章 系统实现与实验结果分析 |
5.1 功能模块设计 |
5.1.1 预处理模块 |
5.1.2 向量空间模型表示模块 |
5.1.3 聚类模块 |
5.2 语料库 |
5.3 评价指标 |
5.3.1 F度量 |
5.3.2 平均纯度 |
5.3.3 互信息 |
5.3.4 熵 |
5.4 聚类实验结果分析 |
5.5 小结 |
第6章 总结与展望 |
附录 |
参考文献 |
后记 |
(9)基于摄动的模糊聚类算法最优模糊等价矩阵相关性质分析(论文提纲范文)
1 引言 |
2 FCMBP算法概要 |
3 全局最优模糊等价矩阵唯一性讨论 |
4 FCMBP算法可行解的个数 |
4.1 基本定义及相关说明 |
4.2 FCMBP算法可行解个数分析 |
5 结论 |
(10)粒子群优化模糊神经网络用于语音识别的研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题研究的背景及意义 |
1.2 语音识别的发展进程 |
1.2.1 国内外研究状况 |
1.2.2 语音识别面临的困难 |
1.3 模糊神经网络与语音识别 |
1.4 粒子群优化算法与神经网络 |
1.5 本文研究内容与组织结构 |
第二章 语音识别技术 |
2.1 语音识别的基本原理 |
2.1.1 语音识别系统简介 |
2.1.2 语音识别系统分类 |
2.2 语音信号的预处理 |
2.2.1 滤波和模数变换 |
2.2.2 预加重 |
2.2.3 分帧和加窗 |
2.2.4 端点检测 |
2.3 语音识别中的特征提取 |
2.3.1 过零率与峰值幅度(ZCPA) |
2.3.2 美尔频率倒谱系数(MFCC) |
2.4 孤立词语音识别系统的识别方法 |
2.5 本章小结 |
第三章 模糊神经网络 |
3.1 模糊系统 |
3.1.1 模糊集 |
3.1.2 模糊规则 |
3.1.3 模糊推理系统 |
3.1.4 反模糊化器 |
3.2 模糊神经网络 |
3.2.1 神经网络 |
3.2.2 模糊神经网络的结构 |
3.2.3 模糊神经网络的学习算法 |
3.3 本章小结 |
第四章 粒子群优化的模糊神经网络在语音识别中的应用 |
4.1 粒子群优化算法概述 |
4.2 粒子群优化算法的基本原理 |
4.3 粒子群优化算法的改进 |
4.4 粒子群聚类算法优化模糊神经网络 |
4.5 粒子群优化模糊神经网络用于语音识别算法的研究 |
4.5.1 实验过程描述 |
4.5.2 实验结果及结论 |
4.6 本章小结 |
第五章 量子粒子群优化模糊神经网络在语音识别中的应用 |
5.1 量子粒子群算法概述 |
5.2 量子粒子群的基本原理 |
5.3 量子粒子群算法性能测试 |
5.3.1 测试函数 |
5.3.2 测试结果分析 |
5.4 量子粒子群优化模糊神经网络 |
5.5 语音识别系统的改进 |
5.6 量子粒子群优化模糊神经网络用于语音识别算法的研究 |
5.6.1 实验过程描述 |
5.6.2 实验结果及结论 |
5.7 本章小结 |
第六章 总结与展望 |
6.1 研究总结 |
6.2 研究展望 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文目录 |
四、FCMBP聚类法在语音识别和模糊控制中的应用(论文参考文献)
- [1]煤矿瓦斯传感器人工调校噪声数据处理方法[J]. 胡峰,叶福豪,王国胤,代劲. 工矿自动化, 2020(07)
- [2]自动驾驶轮椅沿路沿行驶的方法研究与实现[D]. 张焕林. 西安电子科技大学, 2020(05)
- [3]模糊系统作为通用逼近器研究综述[J]. 王文庆,杨振新,唐轩. 西安邮电大学学报, 2015(01)
- [4]基于目标函数的模糊聚类算法关键技术研究[D]. 陈东辉. 西安电子科技大学, 2012(03)
- [5]一种求解单一簇的模糊双聚类算法[J]. 郭崇慧,庞军. 系统工程学报, 2011(06)
- [6]基于进化规划的FCMBP模糊聚类改进方法[J]. 谭庆,何清,赵卫中,史忠植. 系统工程理论与实践, 2011(07)
- [7]模糊聚类算法在汉语文本聚类中的研究[D]. 何晓. 天津财经大学, 2011(11)
- [8]FCMBP模糊聚类算法的改进[J]. 华斌,张洪波,何晓. 计算机工程, 2011(02)
- [9]基于摄动的模糊聚类算法最优模糊等价矩阵相关性质分析[J]. 赵卫中,何清,史忠植. 系统工程理论与实践, 2010(07)
- [10]粒子群优化模糊神经网络用于语音识别的研究[D]. 孙慧. 太原理工大学, 2010(10)