导读:本文包含了开集识别论文开题报告文献综述及选题提纲参考文献，主要关键词:调制识别,开集识别,生成对抗网络,重构判别网络
开集识别论文文献综述
郝云飞,刘章孟,郭福成,张敏[1]（2019）在《基于生成对抗网络的信号调制方式的开集识别》一文中研究指出为解决信号调制方式的开集识别问题,基于生成对抗网络提出了一种适用于一维信号数据的重构判别网络模型,该模型由重构网络和判别网络组成,分别用来重构和判别输入信号。两个网络在相互对抗的训练过程中,对已知调制方式信号的数据分布形式充分学习,使得重构后的输出不仅能够呈现已知调制方式信号更多有用的信息,而且能够扰乱未知调制方式的信号,从而增强判别网络对输入信号调制方式的判别能力。仿真结果表明,该模型能够实现信号调制方式的开集识别,而且在信噪比大于0dB时,对已知调制方式和未知调制方式信号的识别率均大于93%。(本文来源于《系统工程与电子技术》期刊2019年11期）
赵存成[2]（2017）在《在线式开集说话人识别系统的设计与实施》一文中研究指出随着说话人识别技术的发展,以身份矢量I-vector为基础的说话人建模技术取得了非常大的成功,成为目前占主导地位的说话人识别系统。在此基础上,从实际应用的角度出发,每个说话人的注册数据以及注册说话人的数量往往是随着测试数据的增加而不断累积的。相比传统离线场景下的说话人识别技术,在线和增量识别场景的说话人识别系统具有更广泛的应用范围。针对这一课题,本文重点从以下几个方面展开了研究:(1)对I-vector模型的相关原理和关键技术环节进行了研究,设计并实施了基于I-vector的说话人识别系统,对系统的各个组成部分进行方案选择与比较;(2)分析了在线场景下说话人识别系统所面临的问题,设计并实施了在线式的说话人识别系统,能够完成说话人的在线识别与注册;(3)针对在线开集说话人识别系统,结合特征分割算法、说话人更新与自适应技术等方法对系统的各个部分进行了方案设计和改进,并针对说话人确认环节的阈值设定和判决等问题提出了一种有效的阈值计算方法和双阈值判决机制,提高了说话人确认系统的性能;(4)对系统的各个环节进行了实验,通过实验对方案进行了验证和评估,结合不同指标对整体性能进行了评估与分析。(本文来源于《北京邮电大学》期刊2017-03-11）
闫家畅[3]（2014）在《支持开集的语者识别系统的设计与实施》一文中研究指出语者识别(也称作说话人识别)是一种生物认证技术,它根据语音波形中反映说话人静态和动态特征的语音参数自动鉴别说话人身份。基本的说话人识别类型包括了说话人辨认(speaker identification)和说话人确认(speaker verification),前者是测试数据的说话人属于已知的说话人集合中,需要从该集合中找出哪个说话人同测试数据最为相似；而后者则要判断测试数据是否真正地来自给定的某个说话人。根据测试数据的说话人是否在已知的说话人集合内,可以将说话人识别分为开集识别和闭集识别,闭集识别相当于是一个说话人辨认过程,而对于开集识别来说,不仅要找出测试数据同集合中的哪个说话人最相似,还要确认该测试数据的身份是否就是这个说话人,否则是集合外的陌生说话人。在实际系统应用中,一般不知道某个未知语音的身份是否在集合内,因此开集识别的应用更加广泛。在本文中,将开集识别看作是说话人辨认过程和说话人确认过程的结合,并分别就这两个过程中存在的可以提升性能的研究方向进行探讨,包括通过得分规整和合理的闽值训练方案保证说话人确认的准确性,以及在说话人辨认过程中使用基于说话人聚类的快速搜索算法来提高性能等,在此基础上本文实现了一个拥有完善功能的支持开集的说话人识别系统,将理论研究出的处理方案和改进措施应用于实际的系统中,最后通过实验测试其有效性。(本文来源于《北京邮电大学》期刊2014-12-01）
梁亦聪,丁晓青,方驰[4]（2014）在《开集人脸识别中的性能评估系统》一文中研究指出构建一套适用于开集人脸识别任务的性能评估系统.该系统包括训练集质量评估和对测试样本分类结果性能评估两部分.对于前者,利用巴氏距离作为贝叶斯分类错误率的近似,并考虑开集问题中样本并非服从独立同分布假设的特殊性质,在高斯与非高斯情况下均得到训练集的质量评价函数,其中高斯情况下该函数具有闭式表达.对于后者,通过考察测试样本对附近正/负样本对的分布密度,度量由分类器得到的样本对相似程度的可靠程度,完善以往文献对比缺乏衡量的不足.文中结果在多个人脸数据库上均得到验证.(本文来源于《模式识别与人工智能》期刊2014年04期）
陈黎,徐东平[5]（2011）在《基于SVM-GMM的开集说话人识别方法》一文中研究指出建立一种支持向量机-高斯混合模型(SVM-GMM),用以提高开集说话人识别的识别率。该模型的基本思想是将SVM的分类结果用GMM模型进行确认。由于SVM模型具有较好的分类性能,而GMM模型能够较好地描述类别内部的相似性,因此这2个模型的组合能够优势互补,从而获得较好的识别效果。实验结果表明,使用SVM-GMM模型能有效地提高开集说话人识别的识别率。(本文来源于《计算机工程》期刊2011年14期）
陆春梅[6]（2011）在《与文本无关的开集说话人识别技术研究》一文中研究指出随着信息技术的发展,身份识别在信息安全领域发挥着越来越重要的作用。生物识别以其特有的稳定性、唯一性和方便性,逐渐成为身份识别领域中的重要研究方向。说话人识别技术是生物识别技术的一种,此技术的重点是根据说话人之间个性特征的差异来区分说话人。目前与文本相关的闭集说话人识别技术已经取得了较高的识别率,但是对于开集识别而言,识别率较低。因为开集识别要涉及到说话人辨认和阈值确认,所以辨认和阈值确认是开集识别的难点和关键。本文针对与文本无关的开集说话人识别技术,详细分析了说话人识别系统的基本原理和结构,并且对语音端点检测、特征参数提取、开集辨认、闽值确认几个部分进行了深入的研究。所做的主要工作如下：(1)预处理和语音端点检测部分,首先分析预处理和语音端点检测的重要性。然后从理论上描述基于短时能量的端点检测算法、基于短时过零率的端点检测算法、基于短时能频值的端点检测算法、基于谱熵的端点检测算法和基于改进谱熵的端点检测算法。最后对预加重和上述五个端点检测算法进行实验仿真,并对上述五个端点检测算法进行优缺点的比较。针对实验室环境下录制的说话人发音较小的特点,采用改进谱熵的端点检测算法。(2)特征提取部分,从理论上分析了参数提取方法和PCA理论。研究将PCA理论应用于特征参数的提取。仿真实验证明该方法能够在一定程度上改善识别性能,同时减少码本训练的运算时间。(3)开集辨认部分,针对传统VQ的不足,研究将FCM算法与PCA理论相结合的开集说话人辨认系统。仿真实验证明FCM+PCA具有比FCM、VQ+PCA和VQ更高的识别率。(4)开集识别部分,详细描述经典阈值、动态阈值、RS阈值的估计方法。研究将FCM+PCA辨认和RS阈值确认相结合的开集说话人识别系统。仿真实验证明此系统的EER与基于上述叁种阈值的识别系统的EER相比较在一定程度上有所降低。(本文来源于《西南交通大学》期刊2011-06-01）
张凯,苏剑波[7]（2011）在《基于相似度分布的开集人脸识别方法》一文中研究指出利用相似度多个维度的信息进行开集判别,以提高开集人脸识别的准确率.该方法首先通过大量带标识的测试样本获得已知类样本和非已知类样本相似度向量的分布,然后引入线性判别分析学习两个类中相似度向量的分布特征,在开集判别中通过相似度向量的特征匹配来判断样本是否为已知类.利用相似度分布中的分类信息,训练出的特征具有更强的分类能力.不同人脸库的实验表明,相对于传统方法,文中方法能提高开集识别的准确率.(本文来源于《模式识别与人工智能》期刊2011年01期）
张凯[8]（2010）在《基于相似度空间寻优的开集人脸识别方法》一文中研究指出提出了一种对相似度空间进行寻优的新方法,以提高开集人脸识别的准确率。该方法首先将开集识别问题转化为二分类问题,然后引入寻优方法寻找分割相似度空间的最优超平面,该超平面能够将相似度空间分割为接受空间和拒绝空间两部分。在判别过程中,利用相似度向量在空间中的位置判断样本是否为已知类。由于利用了相似度空间中向量分布的信息,训练出的特征具有更强的分类能力。通过不同人脸库的实验表明,相对于传统的方法,本文所提的方法能显着地提高开集识别的准确率。(本文来源于《微型电脑应用》期刊2010年06期）
张凯[9]（2009）在《开集人脸识别系统初探》一文中研究指出随着科技的发展和人们安全意识的提高,对快速有效的身份鉴别的需求日益迫切。人脸识别技术相比于传统的门锁,密码的方式更为方便,可靠和安全;相比于虹膜、指纹等其他生物识别技术更友好,事后的查询能力更强。因而成为身份鉴别技术的研究热点。而开集人脸识别,即假定待测人脸并不一定属于数据库中的识别方法,更符合人脸识别在安防、门禁等场合的应用,因而具有广泛的研究价值。本文从特征的选取和开集判别两个角度来提高开集识别的准确率,并提出了模块化的开集人脸识别实验平台,以满足自动人脸识别系统在测试和实际应用中的需要。论文的主要工作如下:1、通过面特征挑选改进了线性子空间方法现有的基于灰度点特征的子空间方法中,灰度点特征表达能力不强,包含了大量的冗余信息,并且不完全符合子空间方法PCA中方差大的方向是信息量大的方向从而在降维过程中倾向于保留下来的假设。针对使用灰度点特征的上述叁个缺点,本文提出了使用挑选的Haar面特征进行子空间分析的方法。通过Adaboost挑选少量分辨能力较强的Haar面特征,并根据特征的不同分辨能力给以不同的权值,与子空间分析方法更为契合。该方法在保证识别率的同时,降低了子空间分析方法输入向量的维数,从而降低了人脸识别过程的计算复杂度。2、提出了基于相似度分布的开集判别方法现有的开集判别方法中,最近邻方法已经得到了广泛的应用;相似度归一化方法和传导原理方法尽管提高了开集判别的准确率,但是和最近邻方法一样,仅利用相似度最大者这一个维度的信息进行开集判别,为了利用相似度其他维度的信息,本文提出了相似度向量,在相似度向量空间中学习该接受向量和该拒绝向量的分布规律,寻找最优的超平面对这两类向量进行分割,以进行开集判别。该方法在不同的特征,不同的识别方法以及不同的相似度评价方法上都体现出了较好的效果。3、构建并实现了基于数据库的模块化开集人脸识别实验平台以日常考勤应用和实验算法测试的两种应用情景为目的,本文提出并实现了基于数据库的模块化开集人脸识别实验平台。该平台通过模块化的思想,以数据库为平台信息交流的核心,将数据的处理与算法的过程独立开来,不仅保证新的识别方法能便捷地添加到实验平台中,使得平台能对各种算法的识别率进行统计,还能直接使用该平台进行日常考勤应用。(本文来源于《上海交通大学》期刊2009-12-01）
刘丹[10]（2008）在《人脸标定与开集识别算法研究》一文中研究指出随着科技的发展和人们安全意识的提高,对快速有效的身份鉴别的需求日益迫切。人脸相比于其他人体生物特征具有直接、友好、不具侵犯性等优点,因此人脸图像识别成为身份鉴别的研究热点,有着广泛的应用前景。一套完整的人脸图像识别系统,包括3个关键步骤:人脸检测、面部特征点标定、特征比对。叁个步骤环环相扣,直接影响人脸识别系统的识别性能。本文的研究方向是人脸标定与开集识别算法,重点探讨了人脸识别系统中面部特征点标定和特征比对中的开集识别问题,提出相关优化算法,并实现对应的系统模块。体现在工作量上,包括以下部分:1.将Adaboost人脸检测方法推广到复杂背景下的多角度人脸检测,实现了基于角度估计的多角度人脸检测演示模块。作为人脸标定的前期步骤,人脸检测算法的精度直接影响着后续标定工作的精度。与正面人脸检测相比,多角度人脸检测的研究相对薄弱,难度也大得多。本文将多角度人脸划分成叁类:全侧脸,半侧脸及正面人脸,并为不同角度的人脸建立不同的分类器分别用于检测和角度估计,解决了复杂背景下多角度人脸检测问题。2.研究了面部特征点精确标定问题,针对传统ASM轮廓定位不精的缺点,提出局部轮廓约束的主动形状模型,并实现了准实时正面人脸特征标定演示模块。主动形状模型(ASM)是面部特征点标定的一种常用算法。针对传统ASM对面部轮廓点定位不够理想的问题,本文提出了一种局部轮廓约束的主动形状模型(Local Profile Constraint ASM)。该模型对传统ASM有两个方面的改进:其一,将候选点的轮廓强度作为自调节权重加入ASM的局部纹理匹配函数,使最佳匹配点更易被吸引到面部轮廓上。其二,引入全变分模型(TVM)作为图像实施标定前的预处理,在保留足够用于标定的纹理信息前提下,增强轮廓点与其一维邻域点的轮廓强度对比。在BioID人脸库上的大规模测试结果表明,该方法有效地提高了轮廓点的定位精度,为后续的特征比对打下良好的配准基础。3.研究了特征比对中的开集识别问题,提出基于Adaboost的开集人脸识别算法。人脸图像识别系统中,特征比对算法直接影响到识别系统性能,是识别算法最核心的问题。本文针对特征比对算法中的开集问题,即有拒识的识别问题,提出一种新颖的解决方案。利用样本的几何变换,减小正负样本相似度之间的重迭区域,扩大正负样本集间距离,进而对一般的基于Adaboost的闭集人脸识别方法作出改进。同时,使用两层识别结构和样本变换预处理策略,提高识别速度。(本文来源于《上海交通大学》期刊2008-12-01）
开集识别论文开题报告
（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：
随着说话人识别技术的发展,以身份矢量I-vector为基础的说话人建模技术取得了非常大的成功,成为目前占主导地位的说话人识别系统。在此基础上,从实际应用的角度出发,每个说话人的注册数据以及注册说话人的数量往往是随着测试数据的增加而不断累积的。相比传统离线场景下的说话人识别技术,在线和增量识别场景的说话人识别系统具有更广泛的应用范围。针对这一课题,本文重点从以下几个方面展开了研究:(1)对I-vector模型的相关原理和关键技术环节进行了研究,设计并实施了基于I-vector的说话人识别系统,对系统的各个组成部分进行方案选择与比较;(2)分析了在线场景下说话人识别系统所面临的问题,设计并实施了在线式的说话人识别系统,能够完成说话人的在线识别与注册;(3)针对在线开集说话人识别系统,结合特征分割算法、说话人更新与自适应技术等方法对系统的各个部分进行了方案设计和改进,并针对说话人确认环节的阈值设定和判决等问题提出了一种有效的阈值计算方法和双阈值判决机制,提高了说话人确认系统的性能;(4)对系统的各个环节进行了实验,通过实验对方案进行了验证和评估,结合不同指标对整体性能进行了评估与分析。
（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。
开集识别论文参考文献
[1].郝云飞,刘章孟,郭福成,张敏.基于生成对抗网络的信号调制方式的开集识别[J].系统工程与电子技术.2019
[2].赵存成.在线式开集说话人识别系统的设计与实施[D].北京邮电大学.2017
[3].闫家畅.支持开集的语者识别系统的设计与实施[D].北京邮电大学.2014
[4].梁亦聪,丁晓青,方驰.开集人脸识别中的性能评估系统[J].模式识别与人工智能.2014
[5].陈黎,徐东平.基于SVM-GMM的开集说话人识别方法[J].计算机工程.2011
[6].陆春梅.与文本无关的开集说话人识别技术研究[D].西南交通大学.2011
[7].张凯,苏剑波.基于相似度分布的开集人脸识别方法[J].模式识别与人工智能.2011
[8].张凯.基于相似度空间寻优的开集人脸识别方法[J].微型电脑应用.2010
[9].张凯.开集人脸识别系统初探[D].上海交通大学.2009
[10].刘丹.人脸标定与开集识别算法研究[D].上海交通大学.2008