导读:本文包含了关键词检测论文开题报告文献综述、选题提纲参考文献，主要关键词:关键词,蒙古语,概率,词干,高斯,卷积,模型。
关键词检测论文文献综述写法
王菲达[1]（2019）在《全媒体文字智能检测解决方案——关键词检测系统解析》一文中研究指出关键词检测系统的设计主要是为了在现有新闻业务管理系统进行文稿内容编辑和审核时,提供一套关键词检测系统作为关键字词检测的辅助工具,包括对重要领导人姓名职务、重要会议及事件、国家部委名称、禁用词慎用词、错别字等关键内容在内的各项重要数据进行检测,辅助节目审查流程;系统在实现方式上采用松耦合方式确保对现有新闻业务系统不产生影响。用户在文稿内容编辑完成或稿件审核时,点击按钮自动对当前稿件内容进行关键词检测,并将检测的结果呈现给用户进行参考。本文将对关键词检测系统从用户需求、实现过程、系统设计、流程设计算法上进行分析和阐述。(本文来源于《传媒论坛》期刊2019年15期）
谷悦[2]（2019）在《噪声环境下的语音关键词检测》一文中研究指出随着智能家居、智能手机和自动化设备的快速发展,基于语音技术的人机交互变得越来越流行,例如谷歌公司的Google Now,微软公司的Cortana、亚马逊公司的Alexa和苹果公司的Siri已变得十分流行。为了实现免手持的语音识别体验,语音识别系统需要持续不断地监听特定的唤醒词语来开始语音识别任务,这个过程通常被称为关键词检测(Keyword Detection,KWD)或关键词识别(Keyword Spotting,KWS)。考虑到目前很多设备计算资源受限并且大都使用电池作为能量供应,这要求关键词检测必须满足小内存占用和低能量消耗的要求。在现实世界的环境中,噪声干扰不可避免,噪声鲁棒性对于关键词识别任务而言至关重要。为了提高关键词检测系统的鲁棒性,通用的方法是在系统前端增加一个语音增强模型。本文为提高关键词检测模型的鲁棒性做了叁个方面的尝试。首先,本文将预训练的语音增强模型和关键词检测模型连接起来形成一个更复杂的系统。整个模型使用联合训练的方法,因此关键词检测系统包含的语言学信息可以通过反向传播的方法传递给增强模型。第二,本文提出了一种新的卷积循环神经网络,这种网络结构需要参数量和计算量更少,并且不会降低增强模型的性能,极大程度上满足了小内存、低功耗的设备部署需求。最后,为了进一步提升系统的性能,设计了特征转换模块,将输入特征从能量谱转换为梅尔谱,有效地减少了计算量,更适合关键词检测系统。本文采用的基于联合训练框架的CNN-MelCRN32关键词检测系统在测试集上的准确率为93.17%,与带噪训练的(基于Multi-condition训练方法)基线系统相比相对提升64.2%,显着地提高了关键词系统的噪声鲁棒性。(本文来源于《内蒙古大学》期刊2019-05-31）
许欢[3]（2019）在《检测行业的“关键词”》一文中研究指出"整合、投融资、创新、科技、竞争、新技术",这几个关键词,几乎贯穿了检验检测行业近年来发展的始终,也成为各大检测论坛讨论的核心。在第十届中国第叁方检测实验室发展论坛——科技金融圆桌会议上,主持人打破以往形式,针对嘉宾所长,向每位嘉宾提出一个具有代表性的问题,请嘉宾作答。问题囊括了检测行业发展的众多方面。(本文来源于《中国纤检》期刊2019年01期）
翟玉婷,迟卫,金良安,苑志江,蒋晓刚[4]（2017）在《采用塔式关键词直方图的舰船图像实时分类检测方法》一文中研究指出针对传统舰船分类检测方法实时性差、容易受到物理噪声干扰等问题,采用塔式关键词直方图和支持向量机的检测方法对不同类别水面舰船图像进行实时分类检测。通过对不同类别的舰船图像进行分类实验,进一步综合确定适合的塔式关键词描述子参数及支持向量机核函数参数。实验结果表明,舰船分类检测准确率较已有检测方法有所提高。基于塔式关键词直方图和支持向量机的检测方法能够实现可靠、实时的舰船图像分类检测。(本文来源于《科学技术与工程》期刊2017年33期）
陈晓宁,赵健,杨润丰[5]（2017）在《基于兴趣点检测的视觉关键词提取新方法研究》一文中研究指出基于内容的图像检索的一个突出问题是提取整幅图像的全局特征,而用户通常只关注一幅图像中的局部区域。对于如今海量的数据库,提取图像的全局特征使得数据库的信息量变得非常大。这样,从巨大的图像特征库中查找匹配的图像特征时检索准确率将大大降低。针对用户感兴趣的局部区域,提出视觉关键词的概念。一幅图像用若干个视觉关键词替代,这样一幅图像的特征量将大大减小。视觉关键词是用户感兴趣的图像区域,这样使得检索更加具有针对性。实验结果表明检索准确率有明显提高。(本文来源于《现代电子技术》期刊2017年21期）
李鹏,屈丹[6]（2017）在《基于得分归一化和系统融合的语音关键词检测方法》一文中研究指出为了有效利用不同关键词检测系统的互补性,解决不同系统检测结果置信度得分不在同一范围的问题,提出了一种基于得分规整和系统融合的语音关键词检测方法。首先,为了克服连续语音识别系统中因剪枝错误而引起的关键词丢失问题,应用了关键词相关的软Beam宽度剪枝策略裁剪词图;其次,在系统融合前采用得分归一化方法,使得不同系统关键词检测结果置信度得分在同一范围;最后,通过系统融合处理将不同系统的关键词输出进行整合,得到最终的关键词检测结果。实验结果表明,经过得分归一化处理后,关键词检测性能的实际查询词权重代价(Actual term-weighted value,ATWV)平均相对提升30%;系统融合后关键词的检测性能,相比于得分归一化处理后的最佳单一系统,得到了10%的提升。(本文来源于《数据采集与处理》期刊2017年02期）
王立源[7]（2017）在《关键词检测技术的研究及应用》一文中研究指出关键词检测是语音识别领域的一个研究热点,具有广阔的应用前景。近几年来,基于模板匹配的关键词检测技术成为主流的技术,该类方法通过应用关键词语音模板与测试语音直接进行声学相似性的匹配来实现关键词检测。这类关键词检测方法避免了传统基于LVCSR关键词检测系统带来的训练数据问题和集外词问题,并且具有良好的扩展性。特征表示和模板匹配算法是基于模板匹配关键词检测的关键技术,特征表示以后验概率特征为主,模板匹配算法主要基于DTW算法及其变种算法,本文对这两方面关键技术进行了分析和研究。本文重点研究和分析了基于模板匹配关键词检测技术的主要算法,并进行了系统实现和实验分析。主要工作包括:1.对基于高斯后验概率特征和分段DTW匹配的关键词检测系统进行了研究分析和系统实现,并基于多种数据集进行了系统性能实验测试。2.针对基于Lattice的音素后验概率特征提取方法进行了重点分析,设计并初步实现了基于音素后验概率特征的关键词检测系统,以此系统针对汉语和英语数据集进行了实验测试和对比分析。3.对关键词检测系统进行了改进,提出了基于高斯分量筛选算法的高斯后验概率特征,以TF-IDF思想实现了高斯分量筛选算法。并引入了基于长时韵律特征的关键词确认进一步提高系统性能,针对叁维符号韵律特征,提出了基于Fisher向量的韵律特征编码。经过实验验证,本文提出的改进的关键词检测系统对系统性能有了一定的提高改进。(本文来源于《北京邮电大学》期刊2017-03-11）
曹丽莉[8]（2016）在《视觉关键词稀疏表示的全局异常事件检测研究》一文中研究指出由于很多不法分子为了破坏公共秩序危害人们的生命安全,在很多人群密集的公共场所实施犯罪行为,如地铁站、火车站、商场等,其破坏力极大,所以公共安全越来越引起世界各个国家的重视,视频监控异常检测技术的研究成为该领域的主要方向之一。本文结合计算机视觉、图像处理、模式识别等相关知识,提出了HMOFP特征稀疏表示与视觉关键词稀疏表示的全局异常事件检测研究的方法,具体研究如下：(1)本文采用改进的最大光流投影直方图(HMOFP)方法提取特征,首先利用HS光流算法提取光流场,舍弃幅值过小的光流减少计算时间,然后将0°-360°平均分割为八个方向区域,光流矢量按照方向分布在八个不同的方向区域,取某方向中所有光流矢量在其角平分线上的最大投影值作为该方向的特征描述子。(2)正常行为模式字典的构建是本文的重点研究之一。本文基于特征的相似性与最大光流投影直方图特征(HMOFP)的性质,提出了一种新的字典优化算法,首先对一定数量连续的正常帧提取HMOFP特征作为正常行为模式的初始字典,然后利用K-means进行聚类,将同一类中所有特征每一行的最大值组成的列向量作为优化后字典的一个原子(也就是一列),所有类的列向量组成的矩阵构成优化后的正常行为模式字典。(3)本文提出的第二种字典构建的方法基于特征的相似性与图像的视觉关键词,同样取一定数量连续的正常帧,首先对帧图像进行分块处理,利用改进的HMOFP提取局部子区域特征,然后对所有的局部子区域特征进行K-means聚类处理,将类中心级联构成整帧图像运动信息的视觉关键词,最后所有正常帧的视觉关键词构成了正常行为模式的字典。(4)利用OMP算法与正常行为模式字典求出待测样本的稀疏表示系数,根据稀疏重构代价原理(SRC)进行异常事件检测。通过设定阈值,大于等于该阈值的判断为异常事件,小于阈值的判断为正常事件。实验结果表明,基于HMOFP特征稀疏表示的全局异常事件检测方法准确率达到91%以上；视觉关键词稀疏表示的全局异常事件检测方法准确率达到97%以上,能够有效地进行拥挤场景全局异常事件检测。(本文来源于《北京交通大学》期刊2016-06-01）
李敏[9]（2016）在《基于语音关键词检测的人机交互研究》一文中研究指出人机交互(Human-Computer Interaction, HCI)是研究人、计算机及它们之间相互影响的技术,包括从键盘、鼠标到语音识别、手势输入、感觉反馈等一系列交互方式。随着人机交互技术的不断发展,人们发现语音是人与计算机之间进行交互的最方便快捷方式。而语音关键词检测是语音识别的一种特殊形式,其主要作用是从连续的语音流中检测出在实际应用中所需要的少量特定词汇且具有资源消费少、识别率高和实用强的特点。因此关键词检测技术有着广泛的应用。目前语音关键词检测系统主要有叁种：基于垃圾模型的关键词检测系统、基于音素/音节的关键词检测系统和基于连续语音识别的关键词检测系统。本论文中主要研究基于连续语音识别的关键词检测系统的相关技术。论文主要内容如下：(1)在连续语音识别理论部分,主要介绍语音信号的前端处理、声学模型、语言学模型和搜索解码。语音信号的前端处理部分主要包括端点检测、预加重、分帧和声学特征参数提取。本论文中提取的特征参数是梅尔倒谱系数(Mel-Frequence Cepstral Coefficients,MFCC),为了提高其鲁棒性和区分性,将提取的MFCC参数进行线性区分性(Linear Discriminant Analysis,LDA)变换。声学模型部分主要介绍了隐马尔科夫模型(Hidden Markov Models,HMM)、混合高斯模型(Gaussian Mixture Model,GMM)和子空间混合高斯模型(Subspace Gaussian Mixture Model,SGMM),并将SGMM-UBM (Subspace Gaussian Mixture Model-Universal Background Model)模型替换传统的]HMM-GMM模型建立声学模型。语言学模型主要介绍基于文法的语言模型和基于统计的语言模型,本论文中使用的是基于统计模型的叁元语言模型。搜索解码部分主要介绍Viterbi算法及解码之后的输出结果。(2)在语音关键词检测部分,主要介绍Lattice网格结构、关键词搜索算法、基于Lattice的后验概率置信度计算及改进、关键词的输出规则和系统性能评价标准。在计算置信度时,引入了最小编辑距离(Minimum Edit Distance,MED)字符串相似度函数,其主要作用是用来对检测到的错误进行惩罚。关键词搜索算法主要介绍了动态规划算法和令牌传递算法。(3)搭建了一个基于语音关键词检测的人机交互系统,主要利用的工具是Kaldi,数据库是基于清华大学的THCHS-30语音库。通过仿真实验分析了不同算法对系统性能的影响。(本文来源于《北京交通大学》期刊2016-02-22）
飞龙,高光来,王宏伟[10]（2016）在《基于词干的蒙古语语音关键词检测方法的研究》一文中研究指出为了提高蒙古语语音关键词检测任务中的集内词检测性能,该文结合蒙古文的构词特点提出了基于词干进行检测的蒙古语语音关键词检测方法。首先,该文采用基于分割识别的蒙古语语音识别系统将语音解码成了网格文本,并对网格文本进行了混淆网络的转换;其次,采用关键词的词干部分对混淆网络文本进行了关键词的检测。实验结果表明,基于词干进行检测的蒙古语语音关键词检测方法明显优于基于词混淆网络的蒙古语关键词检测方法,并有效提高了系统的召回率和精确率。(本文来源于《中文信息学报》期刊2016年01期）
关键词检测论文开题报告范文
（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：
随着智能家居、智能手机和自动化设备的快速发展,基于语音技术的人机交互变得越来越流行,例如谷歌公司的Google Now,微软公司的Cortana、亚马逊公司的Alexa和苹果公司的Siri已变得十分流行。为了实现免手持的语音识别体验,语音识别系统需要持续不断地监听特定的唤醒词语来开始语音识别任务,这个过程通常被称为关键词检测(Keyword Detection,KWD)或关键词识别(Keyword Spotting,KWS)。考虑到目前很多设备计算资源受限并且大都使用电池作为能量供应,这要求关键词检测必须满足小内存占用和低能量消耗的要求。在现实世界的环境中,噪声干扰不可避免,噪声鲁棒性对于关键词识别任务而言至关重要。为了提高关键词检测系统的鲁棒性,通用的方法是在系统前端增加一个语音增强模型。本文为提高关键词检测模型的鲁棒性做了叁个方面的尝试。首先,本文将预训练的语音增强模型和关键词检测模型连接起来形成一个更复杂的系统。整个模型使用联合训练的方法,因此关键词检测系统包含的语言学信息可以通过反向传播的方法传递给增强模型。第二,本文提出了一种新的卷积循环神经网络,这种网络结构需要参数量和计算量更少,并且不会降低增强模型的性能,极大程度上满足了小内存、低功耗的设备部署需求。最后,为了进一步提升系统的性能,设计了特征转换模块,将输入特征从能量谱转换为梅尔谱,有效地减少了计算量,更适合关键词检测系统。本文采用的基于联合训练框架的CNN-MelCRN32关键词检测系统在测试集上的准确率为93.17%,与带噪训练的(基于Multi-condition训练方法)基线系统相比相对提升64.2%,显着地提高了关键词系统的噪声鲁棒性。
（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。
关键词检测论文参考文献
[1].王菲达.全媒体文字智能检测解决方案——关键词检测系统解析[J].传媒论坛.2019
[2].谷悦.噪声环境下的语音关键词检测[D].内蒙古大学.2019
[3].许欢.检测行业的“关键词”[J].中国纤检.2019
[4].翟玉婷,迟卫,金良安,苑志江,蒋晓刚.采用塔式关键词直方图的舰船图像实时分类检测方法[J].科学技术与工程.2017
[5].陈晓宁,赵健,杨润丰.基于兴趣点检测的视觉关键词提取新方法研究[J].现代电子技术.2017
[6].李鹏,屈丹.基于得分归一化和系统融合的语音关键词检测方法[J].数据采集与处理.2017
[7].王立源.关键词检测技术的研究及应用[D].北京邮电大学.2017
[8].曹丽莉.视觉关键词稀疏表示的全局异常事件检测研究[D].北京交通大学.2016
[9].李敏.基于语音关键词检测的人机交互研究[D].北京交通大学.2016
[10].飞龙,高光来,王宏伟.基于词干的蒙古语语音关键词检测方法的研究[J].中文信息学报.2016