一、一种基于遗传算法的话者身份确认系统建模方法（论文文献综述）
司虎,戴蓓倩,李辉[1]（2000）在《一种基于遗传算法的话者身份确认系统建模方法》文中提出本文描述了一种采用短语音和基于遗传算法的话者身份确认系统的建模方法．利用遗传算法的全局搜索和优化特性，系统只需利用话者的短语音，就可快速建立话者的一类较优秀的模板．实验结果表明，这种方法既降低了用户的语音数据采集量，有利于话者模板的建立，又提高了系统的确认性能及鲁棒性，较传统方法有明显的优越性．
裴凤雀[2]（2020）在《智能生产线过程质量大数据分析与协同优化》文中研究指明上世纪70年代以来,能源问题日益凸显,光伏发电技术成为各国研究重点。此外,随着世界工业进程的推进,我国于2015年启动《中国制造2025》战略,推动以智能制造为核心的制造革命。如何实现光伏产业生产线的量化、优化与智能化成为了光伏行业的研究前沿。本论文针对串焊过程质量检测抽检不稳定、代表性差等过程能力指数（Process capability index,CPK）薄弱问题,提出了基于生产过程的质量在线实时监测、预测和协同优化方法,将事后检测转化为事中检测,将质量抽检转化为全部检测。本论文在介绍智能生产线过程质量大数据分析与协同优化的研究背景意义的基础上,对工业大数据、面向质量的数据关联分析与建模技术、质量标定与质量预测和预测导向的制造服务协同优化等进行了国内外现状分析,主要的研究内容和取得的成果可以归纳为以下几部分:基于节点精化的分层赋时Petri网的智能生产线系统建模研究。在分析离散动态事件系统和Petri网特点的前提下,对智能生产线系统进行特性研究,将其划分为若干层级,对关重特征进行质量相关的动态行为建模。通过案例构建了顶层/中间层/底层基于节点精化的分层赋时Petri网（Place Refinement Timed Petri Net,PTPN）的太阳能串焊系统模型,并对每层系统中的p D动态决策域与配置进行了研究。此外对该系统的有界性、活性、可达性进行了分析,验证PTPN的有效性。针对质量度量,研究基于QLF-SNR方法（Taguchi Quality Loss Function and Signal-Noise Ratio,QLF-SNR）的智能生产线加工质量多级协同异常发现方法。对多源信息进行QLF-SNR质量度量,结合PTPN智能生产线模型,实现加工信号向质量信息的转化,形成了多级质量特征度量。针对单元级/系统级采用了Relief算法的特征选择技术,降维处理,构建了智能生产线加工质量异常发现流程。以太阳能电池组件智能生产线多级系统模型进行案例验证,完成服务异常的阈值设定研究,实现多级协同异常发现,为质量预测提供标准质量等级研究方法。针对事后检测,研究基于多核融合的SVMs-DS方法（mulit-kernel Support vector machine and D-S theory,SVMs-DS）智能生产线加工质量预测。构建基于QLF-SNR的质量度量方法的智能生产线加工质量等级标定和多核融合评价模型研究,建立了过程质量预测评价模型更新机制,实现基于多核融合的SVMs-DS智能生产线加工质量预测。以太阳能电池组件智能生产线加工质量预测为案例,通过多核SVMs实现质量预测等级分类,利用DS证据理论提升分类精度,多核融合模型同单核预测精度进行对比,验证该算法的有效性和精确性,为面向质量的协同优化提供优化依据。针对质量精细化等级控制,研究面向串焊质量的协同优化机理和方法。分析串焊过程运作模式的约束和面向加工质量的PTPN模型约束,采用基于增广拉格朗日协同的适应协同优化（Augmented Lagrangian Coordination,ALC）机理,利用中心化ALC目标系统模型,构建辅助变量、一致性约束,对约束松弛化处理,实现协同优化模型的耦合关系搭建,通过改进遗传算法,采用分段编码形式,进行段内段间分别处理,优化了ALC协同优化模型的求解过程,通过算例研究,验证算法的有效性和高效性。最后,太阳能串焊机双层大数据分析架构开发与验证。基于Hadoop开源架构设计实现ATWDP大数据处理平台,采用Hive数据仓库和Mysql数据库双层存储模式,通过Spark和Sqoop进行桥接,以百度Echarts进行渲染,利用HDFS和Map Reduce进行分布式并行计算,实现数据实时和批量的处理,并通过基于SVMs-DS的加工质量预测的具体案例验证系统的有效性和实时性。通过本论文的研究,以太阳能电池组件生产线为例,将生产过程质量进行了系统建模、质量标定、异常发现、质量预测和协同优化等研究,实现了串焊过程质量的在线实时检测、预测和协同优化,实现数据闭环与信息反馈,为智能制造提供可参考范式。
柳赛男[3]（2007）在《基于Web的制造业仓库管理物流平台关键技术及其应用研究》文中提出现阶段，国内中小机电企业将利润的提高转移到“物流”管理上来，而仓库管理是“物流”管理中的重要组成部分，成为提高企业效益的关键所在。随着自动化技术、计算机技术和网络技术的发展，仓库管理系统也朝着现代化的方向发展。本文在阐述生产物流国内外研究现状的基础上，从面向中小机电企业仓库管理的物流管理平台的体系结构、自动化仓库建模、自动化仓库调度策略研究和基于Web的制造业仓库管理物流平台的信息集成技术等方面，对基于Web的制造业仓库管理物流平台关键技术及其应用进行了较为深入的研究。在分析信息系统体系结构研究现状的基础上，结合现阶段国内中小机电企业生产和经营特点，提出了面向中小机电企业的仓库管理物流平台的体系结构，给出了系统的总体框架及各子系统的集成框架，并建立了面向中小机电企业的仓库管理工作流模型，给出了构成工作流模型的功能视图、组织视图、资源视图和信息视图。在介绍Petd网基本概念的基础上，考虑一般仓库系统布局，从已有的仓库调度策略出发，提出了各仓库子系统的优化调度策略，并应用有色分层Petfi网对各子系统进行了建模。在分析各子系统调度特点的基础上，提出从整体上分析仓库系统的调度策略，从而协调各子系统的运行，并应用仿真工具CPN-Tools对所建模型进行了仿真，结果表明提出的调度策略可以解决系统的“死锁”问题，能够提高系统的运行效率，为深入研究仓库系统的调度策略提供了一种有效的手段，对提高仓库系统的整体运行效率具有一定的应用价值。在一般库区分配策略的基础上，提出了基于映射的货品-货位耦合库区分配策略，这种策略采用货品按出库频率高低排列形成不同优先级的货品链，货位按照距离出入库台的远近划分为优先级不同的货位链，优先级高的货品链和优先级高的货位链相匹配耦合，形成相应的货位分区。建立了相应的数学模型，应用Pareto最优解思想与遗传算法相结合对问题进行了求解。对AGV小车在仓库系统中的调度问题进行了分析研究，讨论了AGV小车在仓库调度中的调度机制，在分析问题的基础上建立了相应的数学模型，采用遗传算法对问题进行了求解，论述了编码、选择、交叉和变异算子的规则。对基于Web的制造业仓库管理物流平台的信息集成技术：基于B／S的多层架构技术、基于XML的数据交换技术和基于RBAC的动态访问控制技术进行了研究。阐述了B／S多层架构技术访问多个数据库的优点；阐述了数据库和XML文档之间的转换模式，使用XML模板语言实现了数据库数据的提取，通过模型映射的方式将XML文档数据存储于数据库中；提出了基于RBAC的动态访问控制模型，在建立模型的基础上给出了访问控制的形式化的描述，定义了访问控制的约束关系和规则。在基于Web的中小机电企业仓库管理物流系统体系结构和关键技术研究的基础上，开发了原型系统，给出了原型系统的运行实例，将原型系统应用到某企业的仓库管理中，系统运行结果表明对提高中小机电企业仓库管理的效率具有一定的促进作用。
邱政权[4]（2007）在《在噪声环境下的说话人识别》文中进行了进一步梳理说话人识别的研究有几十年了,因此有些技术已经很成熟。尤其是与文本相关的说话人识别已经商品化。但是与文本无关的说话人识别,因为事先不知道文本的内容,所以就困难得多,但是这也是吸引人的地方,所以正是人们的研究热点。而且,虽然说话人识别在纯净语音环境中取得了令人满意的结果,但是一旦到了噪声环境下,说话人的识别率就会急剧地下降。这就牵涉到说话人识别系统的鲁棒性问题了。因此本文着重研究在噪声环境下的说话人识别。本文所做的工作主要如下:（1）针对在噪声环境下的说话人识别系统做了两点改进。第一,为了提高系统的鲁棒性,通过不同尺度的小波基,把含有噪声的信号分解于不同频段中,然后在各个频段分别通过TEO（Teager能量算子）去噪。针对说话人识别的特点,在小波重构时对各小波系数进行了加权处理。再把各个频段的输出通过小波重构恢复信号。最后通过Mel滤波器组把小波系数转换成MFCC。第二,为了进一步提高识别性能和训练速度,我们在识别阶段采用了改进的OGMM（正交高斯混合模型）即把正交变换改到EM算法之前进行,这样就不必要在EM迭代过程中每次都进行正交运算了。从实验得出,采用我们提出的DWT-TEO参数对于说话人识别的效果较好。采用改进的正交高斯混合模型进一步提高了识别性能和训练速度。（2）KLT已经成功用于与文本无关的说话人辨认的特征提取,但是对于特征矢量分解,它需要巨大的计算负担。为了减轻计算负担,把Karhunen Looeve变换（KLT）和重叠子帧合并起来用于噪声环境下的说话人辨认。基于重叠子帧的分离方法,我们提出了一种有效技术去建立特征矢量矩阵和取得KLT技术的优点的有效性。在传统的MCE方法中,对于有K个说话人的系统而言,每一类别的分类错误都需要计算K-1类的判别函数,随着K的增加,使得计算量大量增加,于是提出了一种改进的MCE模型去减少计算量,并进而提高运算速度。实验结果显示:所提出的方法确实减少了计算量,而且提高了系统的辨认率。（3）采用了改进的小波去噪方法对含噪语音进行了前端处理,并且针对说话人识别的特点,在小波重构之前对各小波系数进行了加权处理;识别过程采用了GMM识别算法。实验结果显示,本文所提出的方法对于含噪说话人识别有着比纯粹使用MFCC作为识别特征的说话人识别有明显的优越性。所提出的方法对进行实时的说话人识别有很好的指导作用。（4）高斯函数的线性组合能描述大量的采样分布,因此GMM具有计算的有效性和易于实现的优点,特别是在实时平台上。基于ML规则,模型参数不断更新,直到观察序列的概率的一些极限点。然而实际上,由于爬山特征,任意的原始模型参数估计通常将导致局部最优。遗传算法（GA）是近年来发展起来的强有力全局搜索工具,特别适合于求解复杂组合优化问题及非线性函数优化。提出了基于说话人识别的可以解决GMM局部最优问题GMM/GA新算法。实验结果显示,提出的GMM/GA新算法比纯粹的GMM算法能获得更优的效果。（5）去噪的目的是去掉噪声和保留尽量重要的特征。近来,用非线性处理的信号去噪,如小波变换已越来越普遍。对于小波阈值,使用了根据估计值变量和偏差的能显示软硬阈值的半软阈值函数。GMM普遍用于说话人识别系统中,并且在宽带语音中表现出了很好的性能。然而,在噪声环境下,性能急剧下降。GMM的另一个困难是需要至少几分钟的训练语音,这对实时应用是不适用的。另一方面,ANN需更少的训练数据。所以联合概率神经网络（PNN）和GMM去提高系统的性能。试验结果显示,所提出的方法有利于噪声环境下的说话人识别。
二、一种基于遗传算法的话者身份确认系统建模方法（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、一种基于遗传算法的话者身份确认系统建模方法（论文提纲范文）
（1）一种基于遗传算法的话者身份确认系统建模方法（论文提纲范文）
| 1 引言 |
| 2 话者确认系统的性能评价 |
| 3 基于遗传算法的采用短语音的话者身份确认系统的建模 |
| 4 模板库的生成与遗传操作 |
| 4.1 基因编码 |
| 4.2 适应度函数的选择 |
| 4.3 遗传操作 |
| 4.3.1 初始模板的形成 |
| 4.3.2 选择 |
| 4.3.3 交叉和变异 |
| 4.3.4 评价及模板库的更新 |
| 4.3.5 停止 |
| 5 实验结果 |
| 5.1 遗传代数与适应度值 |
| 5.2 遗传算法建模方法与k-均值聚类建模方法的确认性能比较 |
| 5.3 遗传算法建模的时间适应性 |
| 6 结论 |
（2）智能生产线过程质量大数据分析与协同优化（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 光伏产业发展现状 |
| 1.1.2 太阳能电池组件生产线简介 |
| 1.1.3 太阳能电池组件生产线的研究现状与主要问题 |
| 1.2 关键技术的国内外研究现状 |
| 1.2.1 智能生产线中的工业大数据 |
| 1.2.2 数据关联分析与建模 |
| 1.2.3 过程质量的度量和预测 |
| 1.2.4 决策导向的制造服务协同优化 |
| 1.3 项目来源与应用前景 |
| 1.4 本论文主要研究内容与章节安排 |
| 1.4.1 主要研究内容 |
| 1.4.2 章节安排 |
| 2 基于分层赋时Petri网(PTPN)的生产线智能系统建模 |
| 2.1 引言 |
| 2.2 离散动态事件和Petri网 |
| 2.2.1 离散事件动态系统及其特性 |
| 2.2.2 基本Petri网定义和性能分析 |
| 2.3 智能生产线系统的DEDS建模 |
| 2.3.1 智能生产线的定义和主要特点 |
| 2.3.2 PTPN模型定义 |
| 2.3.3 PTPN的建模仿真 |
| 2.4 面向太阳能电池组件智能生产线的建模示例 |
| 2.4.1 顶层建模(系统级) |
| 2.4.2 中间层建模(单元级和特性级) |
| 2.4.3 底层建模(传感级) |
| 2.4.4 pD动态决策阈与配置 |
| 2.5 本章小结 |
| 3 基于QLF-SNR的智能生产线加工质量多级协同异常发现方法 |
| 3.1 引言 |
| 3.2 面向工业大数据的智能生产线加工质量异常发现 |
| 3.2.1 基于QLF的智能生产线加工质量特征度量 |
| 3.2.2 特征选择方法研究 |
| 3.2.3 智能生产线加工质量异常发现流程 |
| 3.3 面向太阳能电池片智能生产线的加工质量特征级异常案例分析 |
| 3.3.1 基于PTPN模型的智能生产线加工质量特性及特征分析 |
| 3.3.2 基于QLF-SNR特征级质量损失特征度量及异常发现 |
| 3.3.3 阈值设计 |
| 3.4 面向太阳能电池片智能生产线的加工质量单元级/系统级案例分析 |
| 3.4.1 基于Relief的智能生产线单元级/系统级加工质量特征选择 |
| 3.4.2 基于QLF-SNR单元级/系统级质量损失特征度量及异常发现 |
| 3.4.3 精度验证 |
| 3.5 本章小结 |
| 4 基于SVMs-DS的智能生产线加工质量预测评价研究 |
| 4.1 引言 |
| 4.1.1 支持向量机 |
| 4.1.2 D-S证据理论 |
| 4.2 面向工业大数据的智能生产线加工质量协同预测评价模型 |
| 4.2.1 基于QLF-SNR模型的生产线加工质量评价等级标定 |
| 4.2.2 基于SVM和DS的质量预测模型与更新机制 |
| 4.3 面向太阳能电池片智能生产线的加工质量预测评价案例分析 |
| 4.3.1 构建评价特征集 |
| 4.3.2 训练和测试样本 |
| 4.3.3 D-S证据融合 |
| 4.3.4 对比验证 |
| 4.4 本章小结 |
| 5 基于AGA-ALC方法的加工质量协同优化研究 |
| 5.1 引言 |
| 5.2 智能生产线面向加工质量的协同优化模型描述 |
| 5.2.1 面向加工质量的串焊过程协同优化问题的提出与研究难点 |
| 5.2.2 电池组件加工过程运作模式与面向加工质量的PTPN模型约束 |
| 5.2.3 面向加工质量的协同优化思想 |
| 5.3 基于增广拉格朗日协同的协同优化机理研究 |
| 5.3.1 中心化ALC目标系统模型 |
| 5.3.2 辅助变量和一致性约束 |
| 5.3.3 约束松弛化 |
| 5.3.4 面向PTPN模型的基于ALC的协同优化模型描述 |
| 5.4 分段编码遗传算法研究 |
| 5.4.1 遗传算法简介 |
| 5.4.2 分段编码遗传算法 |
| 5.5 基于AGA-ALC的加工质量多级协同优化算例 |
| 5.5.1 面向改进遗传算法的基于ALC的协同优化建模 |
| 5.5.2 优化结果与对比分析 |
| 5.6 本章小结 |
| 6 太阳能串焊机双层大数据分析系统开发与验证 |
| 6.1 引言 |
| 6.2 太阳能电池片制造业及其工业大数据特性分析 |
| 6.2.1 太阳能电池片制造业发展概况 |
| 6.2.2 太阳能电池片制造业工业大数据特性分析 |
| 6.3 ATWDP处理平台的功能设计 |
| 6.3.1 ATWDP处理平台的系统体系架构 |
| 6.3.2 ATWDP处理平台的总体设计 |
| 6.3.3 ATWDP处理平台的关键模块具体实现 |
| 6.4 ATWDP处理平台的运行实例、系统验证和性能分析 |
| 6.4.1 ATWDP处理平台运行实例 |
| 6.4.2 ATWDP处理平台性能分析 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 7.1 主要工作总结 |
| 7.2 研究创新点 |
| 7.3 研究展望 |
| 致谢 |
| 参考文献 |
| 附录A |
| 附录B |
（3）基于Web的制造业仓库管理物流平台关键技术及其应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 国内外的研究现状 |
| 1.2.1 生产物流装备研究 |
| 1.2.2 物流系统的建模研究 |
| 1.2.3 物流系统的仿真研究 |
| 1.2.4 物流管理系统和优化技术研究 |
| 1.2.4.1 物流管理信息系统 |
| 1.2.4.2 物流系统优化技术 |
| 1.3 论文的选题背景、研究意义、主要研究内容和总体框架 |
| 1.3.1 选题背景及意义 |
| 1.3.1.1 我国中小机电企业经营特点 |
| 1.3.1.2 论文的研究目标与意义 |
| 1.3.2 论文的主要研究内容 |
| 1.3.3 论文的总体框架 |
| 第二章 面向中小机电企业的仓库管理物流平台体系结构 |
| 2.1 引言 |
| 2.2 信息系统体系结构的定义、原理和发展现状 |
| 2.2.1 体系结构在计算机领域中的应用 |
| 2.2.2 信息系统体系结构的定义和原理 |
| 2.2.3 信息系统体系结构的发展现状 |
| 2.3 基于Web仓库管理物流平台总体架构 |
| 2.4 面向中小机电企业的仓库管理模型 |
| 2.4.1 企业建模的基本概念和方法 |
| 2.4.1.1 企业模型的基本概念 |
| 2.4.1.2 主要的企业建模方法 |
| 2.4.2 面向中小机电企业的仓库管理工作流模型 |
| 2.4.2.1 工作流模型的建模方法 |
| 2.4.2.2 面向中小机电企业的仓库管理工作流模型 |
| 2.4.3 面向中小机电企业的仓库管理工作流模型的视图模型 |
| 2.4.3.1 面向中小机电企业的仓库管理工作流模型的功能模型 |
| 2.4.3.2 面向中小机电企业的仓库管理工作流模型的组织模型 |
| 2.4.3.3 面向中小机电企业的仓库管理工作流模型的资源模型 |
| 2.4.3.4 面向中小机电企业的仓库管理工作流模型的信息模型 |
| 2.5 技术体系 |
| 2.5.1 基本支持技术 |
| 2.5.2 基本应用技术 |
| 2.6 本章小结 |
| 第三章 基于Petri网的自动化仓库建模研究 |
| 3.1 引言 |
| 3.2 形式化和非形式化的建模技术 |
| 3.2.1 非形式化建模技术 |
| 3.2.2 形式化建模技术 |
| 3.3 基本Petri网的定义 |
| 3.4 Petri网的特点 |
| 3.5 Petri网的基本性质 |
| 3.5.1 可达性 |
| 3.5.2 有界性与安全性 |
| 3.5.3 活性 |
| 3.5.4 可逆性 |
| 3.6 分层有色Petri网的基本概念 |
| 3.7 基于Petri网的自动化仓库系统的建模分析 |
| 3.7.1 自动化仓库系统的Petri网建模 |
| 3.7.1.1 出入库子系统的CTPN建模 |
| 3.7.1.2 输送小车子系统的CTPN建模 |
| 3.7.1.3 拣选子系统的CTPN建模 |
| 3.7.1.4 输送子系统的CTPN建模 |
| 3.7.1.5 仓库系统的整体CTPN建模 |
| 3.7.2 仓库系统调度策略分析 |
| 3.8 自动化仓库系统的计算机仿真 |
| 3.9 本章小结 |
| 第四章 基于遗传算法的仓库管理系统调度策略 |
| 4.1 引言 |
| 4.2 遗传算法的基本概念 |
| 4.2.1 遗传算法的发展 |
| 4.2.2 遗传算法的特点 |
| 4.2.3 基本遗传算法的要素 |
| 4.2.4 基本遗传算法的流程 |
| 4.3 基于遗传算法的库区货位分配问题 |
| 4.3.1 问题描述 |
| 4.3.2 调度策略 |
| 4.3.2.1 库区分配策略 |
| 4.3.2.2 货位分配策略 |
| 4.3.3 数学模型 |
| 4.3.3.1 库区分配优化问题数学模型 |
| 4.3.3.2 货位分配优化问题数学模型 |
| 4.3.4 算法设计 |
| 4.3.5 实验结果 |
| 4.4 基于遗传算法的AGV小车调度问题 |
| 4.4.1 问题描述 |
| 4.4.2 调度策略 |
| 4.4.3 数学模型 |
| 4.4.4 遗传算法设计 |
| 4.4.4.1 染色体的编码 |
| 4.4.4.2 选择、交叉和变异操作 |
| 4.4.4.3 算法描述 |
| 4.4.5 仿真结果及分析 |
| 4.5 本章小结 |
| 第五章 基于Web的制造业仓库管理物流系统信息集成技术 |
| 5.1 引言 |
| 5.2 物流信息系统信息集成技术分析 |
| 5.3 基于B/S的多层架构技术 |
| 5.3.1 .Net技术架构 |
| 5.3.2 B/S的基本结构 |
| 5.3.2.1 B/S三层模式的逻辑结构 |
| 5.3.2.2 B/S三层模式的功能结构 |
| 5.3.2.3 B/S三层模式的物理结构 |
| 5.3.2.4 B/S三层模式的用户结构 |
| 5.3.3 基于B/S架构的技术分析 |
| 5.3.3.1 用户界面层技术分析 |
| 5.3.3.2 业务逻辑层技术分析 |
| 5.3.3.3 数据服务层技术分析 |
| 5.4 基于XML的数据交换技术 |
| 5.4.1 XML语言的发展 |
| 5.4.2 XML语言的特点 |
| 5.4.3 基于XML的数据交换的应用 |
| 5.4.4 基于XML的数据交换 |
| 5.4.4.1 XML形式化接口 |
| 5.4.4.2 XML数据库映射接口 |
| 5.5 基于RBAC的动态访问控制技术 |
| 5.5.1 访问控制技术的研究现状 |
| 5.5.2 基于角色的访问控制技术简介 |
| 5.5.3 任务约束基于角色的动态访问控制模型 |
| 5.5.4 任务的约束关系 |
| 5.5.5 授权规则 |
| 5.5.6 应用实例 |
| 5.6 本章小结 |
| 第六章 原型系统开发与应用实例 |
| 6.1 引言 |
| 6.2 制造业物流管理平台的原型系统构建 |
| 6.2.1 原型系统的体系结构 |
| 6.2.2 系统的主要功能结构 |
| 6.3 制造业物流管理平台的应用实例 |
| 6.3.1 系统编码的设计和实现 |
| 6.3.2 数据库设计 |
| 6.3.3 应用场景 |
| 6.3.3.1 物流管理子系统 |
| 6.3.3.2 物流调度子系统 |
| 6.3.3.3 仿真子系统 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 攻读博士学位期间发表(撰写)的论文及参加的课题 |
| 致谢 |
（4）在噪声环境下的说话人识别（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.1.1 选题与研究意义 |
| 1.1.2 说话人识别概述 |
| 1.2 说话人识别原理 |
| 1.2.1 说话人的语音参量 |
| 1.2.2 特征类型的优选准则 |
| 1.2.3 说话人识别的历史 |
| 1.2.4 国内外研究动态 |
| 1.2.5 说话人识别存在的一些问题 |
| 1.2.6 噪声环境 |
| 1.2.7 LPC 的基本原理 |
| 1.2.8 美尔倒谱系数MFCC |
| 1.3 噪音下的语音检测与噪声消减 |
| 1.3.1 噪音条件下的语音检测 |
| 1.3.2 噪声消减技术比较 |
| 1.3.3 谱相减算法与误差补偿 |
| 1.4 本文主要工作和内容安排 |
| 1.4.1 本文主要工作 |
| 1.4.2 本文的内容安排 |
| 第二章 基于DWT-TEO 的说话人识别 |
| 2.1 引言 |
| 2.1.1 小波变换在语音信号处理中的应用 |
| 2.2 小波去噪 |
| 2.2.1 小波变换的反演及对基本小波的要求 |
| 2.2.2 小波变换的噪声处理 |
| 2.3 TEAGER 能量算子 |
| 2.3.1 Teager 能量算子对噪声的影响 |
| 2.4 基于DWT-TEO 的说话人识别 |
| 2.4.1 离散小波变换 |
| 2.4.2 TEO |
| 2.4.3 小波去噪 |
| 2.4.4 正交高斯混合模型模型（OGMM） |
| 2.5 实验及结果 |
| 2.6 结论 |
| 2.7 本章小结 |
| 第三章 用于说话人识别的KLT |
| 3.1 引言 |
| 3.1.1 KLT 变换 |
| 3.2 用于说话人辨认的基于重叠子帧的有效KLT |
| 3.2.1 说话人特征提取 |
| 3.2.2 改进的MCE 模型 |
| 3.2.3 试验结果 |
| 3.2.4 结论 |
| 3.3 基于说话人辨认的新的语音去噪方法 |
| 3.3.1 小波去噪原理 |
| 3.3.2 自适应KLT 算法 |
| 3.3.3 基于DWT 和KLT 的去噪方法 |
| 3.3.4 试验结果 |
| 3.3.5 总结 |
| 3.4 本章小结 |
| 第四章 针对说话人识别的加权自适应小波去噪 |
| 4.1 引言 |
| 4.2 自适应滤波 |
| 4.2.1 最佳滤波准则 |
| 4.2.2 LMS 自适应算法 |
| 4.2.3 LMS 算法的性能 |
| 4.3 多分辨分析与MALLAT 算法 |
| 4.3.1 Mallat 算法的信号分解过程 |
| 4.3.2 Mallat 算法的信号重建过程 |
| 4.4 自适应小波去噪 |
| 4.5 针对说话人识别进行的加权小波去噪方法 |
| 4.5.1 离散小波变换自适应消噪系统 |
| 4.5.2 高斯混合模型（GMM）模型 |
| 4.5.3 实验 |
| 4.5.4 结论 |
| 4.6 本章小结 |
| 第五章 基于说话人识别的GMM/GA 算法 |
| 5.1 引言 |
| 5.2 隐马尔可夫模型（HMM） |
| 5.2.1 第一个问题的求解 |
| 5.2.2 第二个问题的求解 |
| 5.2.3 第三个问题的求解 |
| 5.3 隐马尔可夫模型在说话人识别中的应用 |
| 5.4 高斯混合模型（GMM）模型 |
| 5.4.1 EM 算法 |
| 5.4.2 GMM 辨认算法 |
| 5.4.3 GMM 确认算法 |
| 5.5 最大似然参数估计 |
| 5.6 GMM/GA 新算法 |
| 5.6.1 人口初始化 |
| 5.6.2 适应值 |
| 5.6.3 基因运算 |
| 5.7 试验结果 |
| 5.8 结论 |
| 5.9 本章小结 |
| 第六章 基于新的DWT-PNNGMM 去噪的说话人识别 |
| 6.1 引言 |
| 6.2 神经网络基本原理 |
| 6.2.1 神经元 |
| 6.2.2 网络拓扑 |
| 6.2.3 网络的训练（学习）算法 |
| 6.3 概率神经网络（PNN） |
| 6.3.1 PNN 的结构 |
| 6.3.2 PNN 的算法 |
| 6.4 基于新的DWT-PNNGMM 去噪的说话人识别 |
| 6.4.1 二进制小波变换 |
| 6.4.2 MFCC 估计 |
| 6.4.3 PNNGMM 分类器 |
| 6.4.4 说话人识别试验 |
| 6.4.5 结论 |
| 6.5 本章小结 |
| 第七章 性能比较 |
| 7.1 引言 |
| 7.2 三种不同去噪方法的性能比较 |
| 7.2.1 基于DWT-TEO 的说话人识别 |
| 7.2.2 用于说话人识别的KLT |
| 7.2.3 针对说话人识别的加权自适应小波去噪 |
| 7.2.4 采用其它去噪方法的性能 |
| 7.2.5 不同去噪方法的性能比较 |
| 7.3 两种GMM 最优化的性能比较 |
| 7.3.1 基于说话人识别的GMM/GA 算法 |
| 7.3.2 基于说话人识别的DWT-PNNGMM 去噪 |
| 7.3.3 两种GMM 最优化的性能比较 |
| 7.4 本章小结 |
| 结论 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
四、一种基于遗传算法的话者身份确认系统建模方法（论文参考文献）
- [1]一种基于遗传算法的话者身份确认系统建模方法[J]. 司虎,戴蓓倩,李辉. 小型微型计算机系统, 2000(01)
- [2]智能生产线过程质量大数据分析与协同优化[D]. 裴凤雀. 南京理工大学, 2020(01)
- [3]基于Web的制造业仓库管理物流平台关键技术及其应用研究[D]. 柳赛男. 浙江大学, 2007(06)
- [4]在噪声环境下的说话人识别[D]. 邱政权. 华南理工大学, 2007(06)