导读:本文包含了全局辨识论文开题报告文献综述及选题提纲参考文献，主要关键词:汉语方言辨识,韵律特征,I-vector,特征融合
全局辨识论文文献综述
邱远航,顾明亮,马勇,金赟,韩军[1]（2017）在《全局信息融合的汉语方言自动辨识》一文中研究指出提出身份认证矢量(Identity vector,I-vector)结合韵律信息的汉语方言辨识方法。全差异空间替代本征音与本征信道空间,将高维超矢量映射为低维I-vector表示,并进行信道补偿与特征降维处理。汉语是有调语言,各方言在其韵律结构上具有明显差异,I-vector特征融合全局韵律信息,可有效增补各方言鉴别性。利用融合信息对闽、粤、吴等五种方言以及普通话进行辨识实验,等错率(Equal Error Rate,EER)达到8.01%,比高斯混合模型-通用背景模型(Gaussian Mixture Model-Universal Background Model,GMM-UBM)降低56.2%,表明融合全局韵律信息的Ivector方法可有效提高汉语方言辨识正确率。(本文来源于《计算机工程与应用》期刊2017年17期）
白伟伟,任俊生,李铁山,张秀凤[2]（2017）在《基于全局最优局部加权学习算法的船舶操纵运动辨识》一文中研究指出运用一种基于全局最优的局部加权学习(Locally Weighted Learning,LWL)算法进行船舶操纵运动辨识建模。该方法是一种基于计算机存储的离线学习的黑箱建模方法,直接考虑船舶运动状态输入与输出之间的映射关系,可克服传统机理建模及参数辨识模型中存在的参数漂移问题和未建模动态问题。对样本点进行重新排列并提高输入空间的维度,解决船舶运动状态一对多映射和不可分问题。通过学习"Mariner"轮的叁自由度数学模型,并进行旋回试验、Z形试验及逆螺旋试验,验证算法的有效性。(本文来源于《中国航海》期刊2017年01期）
唐锋[3]（2015）在《基于全局信息融合粒子群算法的水轮发电机模型参数辨识》一文中研究指出针对粒子群(PSO)优化算法辨识发电机模型参数时存在局部最优和后期收敛速度慢很难准确获取具有强泛化能力的模型参数的问题,提出了一种基于多粒子全局信息共享和变权重的全局信息融合PSO算法(GPSO),并通过IEEE3机9节点系统算例验证了该算法的有效性。结果表明,与常规PSO算法相比,该算法具有泛化能力强、辨识精度高和后期收敛速度快的优点。(本文来源于《水电能源科学》期刊2015年08期）
丁学明,沈业茂,张久忠[4]（2012）在《T-S模型全局优化辨识》一文中研究指出T-S模型把一个非线性系统当做多个线性子系统与其权重乘积之和,能够逼近任意非线性系统。提出基于遗传算法和支持向量机的T-S模型全局优化辨识方法,利用遗传算法同时辨识T-S模型的结构和参数,以结构风险最小化作为辨识的评价指标,综合考虑模型复杂度和辨识误差,辨识精度高,泛化能力强,仿真结果证明了算法的有效性。(本文来源于《计算机工程与应用》期刊2012年36期）
吕翎,李钢,张檬,李雨珊,韦琳玲[5]（2011）在《全局耦合网络的参量辨识与时空混沌同步》一文中研究指出研究了参量未知的离散型时空混沌系统构成全局耦合网络的参量辨识与同步问题.首先将Milosavljevic所设计的控制律加以推广.利用推广后的控制律进行了网络节点时空混沌系统中未知参量的有效辨识,并完成了该网络的完全同步.进一步以物理中具有时空混沌行为的一维对流方程的离散形式作为实例进行了仿真分析.(本文来源于《物理学报》期刊2011年09期）
王建宏,王道波[6]（2011）在《未知时延系统的全局优化辅助变量辨识》一文中研究指出对于未知时延系统,借助分离性原理,推导出迭代的可分离的非线性最小二乘(SNLS)辨识方法。为了降低收敛于局部最小的可能性,消除强观测噪声所引起的参数估计的偏差,利用全局优化理论,引进辅助变量,推导了全局优化的辅助变量(GOIV)辨识方法。仿真试验验证了算法的有效性。(本文来源于《航空计算技术》期刊2011年03期）
王建宏,王道波[7]（2011）在《基于全局非线性可分离的最小二乘法的飞机颤振模态参数辨识》一文中研究指出考虑在输入-输出数据都带有噪声的前提下,将偏差补偿最小二乘算法(CLS)进行推广得到非线性可分离的最小二乘算法(NSLS)。采用适用于噪声环境的非线性可分离的最小二乘算法可准确地辨识飞机的颤振模态参数,该算法结合传递函数模型,将带噪声系统的辨识问题转化为非线性可分离的最小二乘问题。利用该算法,两噪声的方差值和传递函数中的模型参数可分离地估计出来。最后利用试飞试验数据辨识飞机的系统参数,验证了该方法的有效性。(本文来源于《振动与冲击》期刊2011年02期）
王建宏,王道波,王志胜[8]（2010）在《基于频域全局优化算法的飞行器颤振模态参数辨识》一文中研究指出对于同时存在输入和输出观测噪声的飞行器颤振试飞试验的随机模型,本文借助于频域极大似然估计原理推导了该随机模型的极大似然代价函数的简化形式。在此基础上为了降低收敛于局部最小的可能性,弱化算法对初始值的依赖性,利用全局优化理论推导了全局优化的迭代卷积平滑辨识方法。该辨识方法通过引入随机抑制项来调整迭代算法,使算法每次都收敛到全局最小值。最后利用试飞试验数据辨识飞行器的系统参数,验证了该方法的有效性。(本文来源于《Proceedings of 2010 Chinese Control and Decision Conference》期刊2010-05-26）
田亚杰,边信黔[9]（2006）在《应用全局最小二乘法辨识AUV运动参数》一文中研究指出用系统辨识的方法来估计AUV的水动力参数有很多优点,是当前研究的热点。考虑到AUV运动模型的特点,本文提出用全局最小二乘法(TLS)来辨识AUV水动力参数。首先分析了AUV运动模型,然后讨论了TLS及其与最小二乘法(LS)的区别与联系,提出了辨识模型并且利用仿真数据分别用TLS和LS两种方法进行了辨识,最后分析比较了两种方法的辨识结果得出结论。(本文来源于《自动化技术与应用》期刊2006年02期）
田涛,杨志远,宋春平,罗毅华[10]（1999）在《一种全局收敛的时滞连续系统零极点辨识算法》一文中研究指出针对一类时滞连续系统的模型参考自适应递推辨识算法， 运用微分中值定理，在参数不确定性的情况下进行了辨识算法的收敛性分析。通过对包括增益、时滞和实零极点在内的参数不确定性所进行的收敛性讨论， 提出了一种对模型误差进行低通滤波的改进算法， 以改善辨识算法的收敛效果(本文来源于《现代电力》期刊1999年04期）
全局辨识论文开题报告
（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：
运用一种基于全局最优的局部加权学习(Locally Weighted Learning,LWL)算法进行船舶操纵运动辨识建模。该方法是一种基于计算机存储的离线学习的黑箱建模方法,直接考虑船舶运动状态输入与输出之间的映射关系,可克服传统机理建模及参数辨识模型中存在的参数漂移问题和未建模动态问题。对样本点进行重新排列并提高输入空间的维度,解决船舶运动状态一对多映射和不可分问题。通过学习"Mariner"轮的叁自由度数学模型,并进行旋回试验、Z形试验及逆螺旋试验,验证算法的有效性。
（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。
全局辨识论文参考文献
[1].邱远航,顾明亮,马勇,金赟,韩军.全局信息融合的汉语方言自动辨识[J].计算机工程与应用.2017
[2].白伟伟,任俊生,李铁山,张秀凤.基于全局最优局部加权学习算法的船舶操纵运动辨识[J].中国航海.2017
[3].唐锋.基于全局信息融合粒子群算法的水轮发电机模型参数辨识[J].水电能源科学.2015
[4].丁学明,沈业茂,张久忠.T-S模型全局优化辨识[J].计算机工程与应用.2012
[5].吕翎,李钢,张檬,李雨珊,韦琳玲.全局耦合网络的参量辨识与时空混沌同步[J].物理学报.2011
[6].王建宏,王道波.未知时延系统的全局优化辅助变量辨识[J].航空计算技术.2011
[7].王建宏,王道波.基于全局非线性可分离的最小二乘法的飞机颤振模态参数辨识[J].振动与冲击.2011
[8].王建宏,王道波,王志胜.基于频域全局优化算法的飞行器颤振模态参数辨识[C].Proceedingsof2010ChineseControlandDecisionConference.2010
[9].田亚杰,边信黔.应用全局最小二乘法辨识AUV运动参数[J].自动化技术与应用.2006
[10].田涛,杨志远,宋春平,罗毅华.一种全局收敛的时滞连续系统零极点辨识算法[J].现代电力.1999