雷震春
- 作品数:23 被引量:28H指数:2
- 供职机构:江西师范大学更多>>
- 发文基金:国家自然科学基金江西省教育厅科学技术研究项目江西省学位与研究生教育教学改革研究项目更多>>
- 相关领域:自动化与计算机技术电子电信文化科学动力工程及工程热物理更多>>
- 一种基于加权成对约束度量学习算法的说话人识别方法
- 本发明提供一种基于加权成对约束度量学习算法的说话人识别方法,该方法包括以下步骤:根据加权约束对度量学习算法(WPCML),最小化同类样本间距离,同时最大化非同类样本间距离,获得用于计算样本间马氏距离的半正定矩阵;根据半正...
- 雷震春杨印根朱明华
- 文献传递
- 一种基于孪生卷积神经网络进行欺骗性语音检测的方法
- 本发明公开了一种基于孪生卷积神经网络进行欺骗性语音检测的方法,包括如下步骤:(1)提取语音的高斯概率特征:(a)对所有原始语音进行预处理;(b)对预处理后的语音进行CQCC特征提取;(c)对CQCC特征训练得到两个高斯混...
- 雷震春马明磊杨印根
- 文献传递
- 一种基于生成对抗网络过采样的网络入侵检测方法
- 本发明公开了一种基于生成对抗网络过采样的网络入侵检测方法,先选取网络入侵检测数据集中的主要特征,对主要特征进行数据预处理,得到训练集,再通过CGAN模型对训练集中的不平衡数据过采样,然后输入到网络入侵检测模型中进行训练,...
- 雷震春马明磊杨印根
- 文献传递
- 一种基于孪生卷积神经网络进行欺骗性语音检测的方法
- 本发明公开了一种基于孪生卷积神经网络进行欺骗性语音检测的方法,包括如下步骤:(1)提取语音的高斯概率特征:(a)对所有原始语音进行预处理;(b)对预处理后的语音进行CQCC特征提取;(c)对CQCC特征训练得到两个高斯混...
- 雷震春马明磊杨印根
- 一种概率序列核在说话人识别中的应用
- 2011年
- 以说话人识别中的背景模型为基础,根据模型中的各个高斯分量,构造出说话人特征空间,将长度不一样的语句映射成为空间中大小相同的向量,且经过相关矩阵进行规整后,采用线性支持向量机进行说话人识别。借鉴几种常见的特征规整方式,结合语句映射后的向量,提出四种不同的规整方法:均值/方差规整、权重规整、WLOG规整和球形规整,并与概率序列核进行比较研究。根据语音特征向量序列中相邻的特征向量的前后转移关系,结合提出的概率序列核,构造出转移概率序列核。实验在NIST2001库上进行,结果表明概率序列核模型识别性能接近经典的UBM-MAP模型,将这两类模型得分进行融合,可非常明显地提高识别性能,进一步融合转移概率序列核后,性能还可提高19.1%。
- 雷震春
- 关键词:说话人识别支持向量机
- 基于内嵌GMM核的支持向量机模型的说话人识别方法
- 本发明涉及一种基于内嵌GMM核的支持向量机模型的说话人识别方法,首先对每个说话人的语音进行特征提取,然后根据每个说话人的语音训练得到一个高斯混合模型,根据此高斯混合模型,可以将一条语句映射到一个固定大小的高维向量上,并将...
- 杨莹春吴朝晖雷震春
- 文献传递
- 基于内嵌GMM核的支持向量机模型的说话人识别方法
- 本发明涉及一种基于内嵌GMM核的支持向量机模型的说话人识别方法,首先对每个说话人的语音进行特征提取,然后根据每个说话人的语音训练得到一个高斯混合模型,根据此高斯混合模型,可以将一条语句映射到一个固定大小的高维向量上,并将...
- 杨莹春吴朝晖雷震春
- 文献传递
- 基于混合支持向量机的说话人识别方法
- 本发明涉及一种基于混合支持向量机的说话人识别的方法,是为每个说话人建立一个混合支持向量机模型,首先对每个说话人的语音进行特征提取,然后将每个说话人的所有训练样本数据采用聚类方法进行分区,每个区训练出一个支持向量机,在训练...
- 杨莹春吴朝晖雷震春
- 文献传递
- 一种基于残差神经网络的语音欺骗检测方法
- 本发明提供一种基于残差神经网络的语音欺骗检测方法,包括:采集真实语音信号数据和欺骗语音信号数据,进行特征提取,获得线性频率倒谱系数;对所述线性频率倒谱系数进行训练,获得高斯混合模型;将所述线性频率倒谱系数输入所述高斯混合...
- 雷震春马明磊杨印根
- 文献传递
- VAE过采样与迁移学习在网络入侵检测中的应用被引量:1
- 2021年
- 在网络入侵检测中,异常样本通常要比正常样本少得多,数据的不平衡问题会导致检测模型的分类结果倾向于多数类,影响模型准确率。文章提出应用变分自编码器(VAE)模型对网络入侵检测中的不平衡数据进行过采样,通过学习原数据的特征后生成新样本重新平衡数据分布,以提高检测模型的性能。在训练检测模型时采用迁移学习方法,先在过采样后混合的数据集上预训练,再迁移到原数据集上进行训练,得到最终的检测模型。在NSL-KDD数据集上进行实验,网络入侵检测模型使用前馈神经网络。结果表明,基于深度学习的VAE过采样方法比传统的SMOTE过采样方法要更加有效,提高了网络入侵检测模型准确率3.23%。
- 黄仲英杨印根雷震春
- 关键词:网络入侵检测VAESMOTE不平衡数据