米吉提·阿不里米提
- 作品数：23 被引量：32H指数：4
- 供职机构：新疆大学信息科学与工程学院更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划新疆维吾尔自治区高校科研计划更多>>
- 相关领域：自动化与计算机技术电子电信语言文字理学更多>>
- 不同水平的普通话学习者单字调声调感知研究被引量：5
- 2020年
- 首先采用实验语音学的理论和方法进行比较分析,进一步了解普通话学习者声调学习的情况,通过定量研究的方法,对两种不同水平(高级水平和初级水平)学习者的声调感知进行声学分析并对学习普通话过程中的语调掌握状况展开探讨。考察了20名不同水平学习者对普通话声调学习的感知情况。按学习者对汉语9个单元音的4个声调感知和12个复合元音的4个声调的单字调辨认,以及阳平-上声的区分实验数据,统计学习者的辨认准确率、各调类的偏误率和反应时间,最后利用SPSS数据分析软件从统计的角度进行了辨认准确率和反应时间的相关性分析,分别对声调感知的准确率和反应时间的显著性差异进行检验。
- 帕丽扎提·克依木古力努尔·艾尔肯米吉提·阿不里米提艾斯卡尔·艾木都拉
- 关键词：声调感知单字调偏误分析
- 词干单元和卷积神经网络的哈萨克短文本分类被引量：1
- 2020年
- 针对哈萨克文本分类中词干提取效率低以及传统框架下特征表示维度高、数据稀疏、分类准确率不高等问题,提出基于哈萨克语形态分析的词干提取方法以及wor2vec_TFIDF融合特征表示和卷积神经网络(CNN)的哈萨克短文本分类方法.首先,根据哈萨克语的词素和语音规则,用词-词素平行训练语料训练高效词干提取模型,并用该模型从网上下载的哈萨克短文本中提取词干.其次,用word2vec算法训练词干向量来分布式地表示文本内容,再用TFIDF算法对其进行加权.最后,用CNN进行文本分类实验,得到95.39%的分类准确率.实验结果表明,稳健词素切分及加权词干向量表示和深度学习方法相比传统机器学习方法更能提高哈萨克短文本分类任务的效率.
- 沙尔旦尔·帕尔哈提米吉提·阿不里米提艾斯卡尔·艾木都拉
- 关键词：哈萨克语词干提取文本分类形态学
- 信号频域变换的教学方法思考
- 2019年
- 从多年的教学工作当中发现很多学生在信号的变换域等抽象概念的理解方面有较大困难,对抽象概念理解非常模糊。由于概念抽象、学习进度快、相关理论知识覆盖面广,大部分学生很难从大量资料中系统地理解相关概念。而且大部分教材和参考文献过分注重概念及数学公式的普遍性和通用性以及解题技巧上,在理论联系实际及应用过程的详解甚少,导致学生越学越吃力,通用公式联系不到各种不同的实际应用场合等情况。因此,有必要针对基本抽象概念的实例讲解来解释信息处理中核心概念,即信号的变换域。
- 米吉提·阿不里米提吾米提·尤努斯艾斯卡尔·艾木都拉
- 关键词：信号处理傅立叶变换变换域离散信号正交变换
- 跨信道环境下语种识别方法的研究
- 2022年
- 针对现有语种识别方法对跨信道环境下关注较少的问题进行研究,在实际应用场景中语音采集设备与传输信道差异使得语种识别性能急剧下降。为降低跨信道对识别性能的影响,文中提出一种基于注意力机制的BiLSTM语种识别方法,在特征提取阶段对比MFCC、FBANK、LPCC等不同语音特征的识别效果。实验证明FBANK特征在跨信道环境下的识别效果更好,引入注意力机制能够关注跨信道语音片段中与语种相关的信息,忽略非语种信息。所提方法在东方语种识别竞赛两个跨信道数据集(AP19⁃OLR和AP20⁃OLR)上进行实验,通过与基线系统X⁃VECTOR等语种识别方法进行对比,得出所提方法在两个数据集上的等错误率(EER)降低3.48%和5.66%。实验结果表明,基于注意力机制的BiLSTM语种识别方法能够有效提高语种识别任务中的特征提取能力,并改善跨信道环境下的语种识别性能。
- 迪力扎提·伊力哈木米吉提·阿不里米提郑方艾斯卡尔·艾木都拉
- 关键词：语种识别特征提取
- 维语词法分析器研究开发
- 维语是一种粘性语言,在这一类语言中词是由词根加词缀构成,理论上维语的词汇量是无限的。维语词的词根-词缀切分、音节切分的规律对维吾尔语自然语言处理方面提供更多方便。本文从不同的方面讨论了词法分析的关键技术问题。讨论维文词法...
- 米吉提·阿不里米提艾斯卡尔·艾木都拉吐尔地·托合提
- 关键词：维吾尔语词缀
- 文献传递
- 基于深度神经网络的维语语音关键词检索被引量：3
- 2021年
- 语音识别中的一个重要的分支就是关键词检索。虽然在英语上的关键词检索已经成熟,但是低资源的语音,比如维语的语音关键词检索研究缓慢,仍需要更深入的研究。文章在维吾尔语语数据集thuyg20上,先在GMM-HMM(Gaussian Mixture Model Hidden Markov Model)声学模型,DNN-HMM(Hidden Markov Model Deep Neural Network)声学模型,LSTM-HMM(Long Short-term Memory Hidden Markov Model)声学模型解码产生的网格lattice上捕捉关键词,将DNN-HMM和LSTM-HMM解码产生的网格进行融合,再在融合的网格lattice上进行关键词检索。实验结果表明,融合后的结果在准确率和召回率方面要优于DNN-HMM和LSTM-HMM模型的检索性能。
- 张伟涛米吉提·阿不里米提郑方艾斯卡尔·艾木都拉
- 关键词：维吾尔语
- 基于双向改进门控循环单元维吾尔语语音识别被引量：2
- 2022年
- 为了能够提升语音识别的准确率,并有效降低训练模型的复杂度,提出了一种双向改进门控循环单元的声学模型语音识别方法。模型上移除重置门,在状态更新过程中采用ReLU激活函数并与前馈连接采用的BN算法有效结合,改进的模型可以降低模型的计算复杂度,加快模型收敛;采用双向的结构不仅可以有效帮助模型捕捉到过去和未来的语义时序信息,而且可以有效提升识别准确率。在THUYG-20维吾尔语数据集上实验结果表明,与基线传统深度神经网络进行对比,基于双向改进门控循环单元网络词错误率下降2.34%;与标准双向长短期记忆网络(LSTM)比较每个迭代周期平均训练时间减少13.4%。
- 李连振米吉提·阿不里米提郑方艾斯卡尔·艾木都拉
- 关键词：维吾尔语语音识别声学模型
- 基于词干单元的维-哈语文本关键词提取研究被引量：4
- 2020年
- 提出了基于词干单元的维吾尔语和哈萨克语(以下称维-哈语)文本关键词提取方法。维-哈语属于资源缺乏的派生类语言,词素结构分析和词干提取方法能有效地减少派生类语言的粒度容量,并且可以提高其覆盖率。从网上下载维-哈语文本,并切分成词素序列,用word2vec训练词干向量以分布式表示文本内容,再用TF-IDF算法对其词干向量进行加权处理。根据训练集关键词干向量和测试集词干向量相似度来提取关键词。实验结果表明,基于词素切分及词干向量表示的方法是在维-哈语等派生类语言关键词提取任务中的重要步骤,通过这个步骤,能够提高关键词提取的准确率。
- 沙尔旦尔·帕尔哈提米吉提·阿不里米提艾斯卡尔·艾木都拉
- 关键词：形态学
- 基于ResNeSt网络的音频欺骗检测
- 2022年
- 目前最先进的语音合成和语音转换模型能够生成人耳无法区分的虚假语音,这对自动说话人验证(ASV)系统的安全构成巨大威胁。近年来,越来越多抗欺骗对策用于提高ASV系统的可靠性。然而,在实际使用中,在检测未知攻击时遇到困难,特别是,合成语音欺骗算法的快速发展正在产生越来越强大的未知攻击。在这项工作中,由于ResNeSt网络模型在图像分类和检测任务中取得较好的成绩,因此构建了残差卷积神经网络的变体ResNeSt,使用时域二维特征转换、频域特征等各种特征提取方法(MFCC、LFCC、CQCC)来检测未知的合成语音欺骗攻击。实验结果表明,ResNeSt系统在ASV的逻辑评估集上达到了6.04%的等错误率(EER),相比ASVspoof2019的基线模型提高了25%的性能。
- 何信胡金瑶艾斯卡尔·艾木都拉米吉提·阿不里米提
- 关键词：语音合成语音转换倒谱系数EER
- 非汉语母语者的普通话元音和辅音感知研究被引量：2
- 2020年
- 语音感知研究是语音学主要研究内容之一。为了解学习者对普通话元音和辅音的感知情况,并为汉语教学提供借鉴,拓宽言语学习模型的应用领域,减少教学的盲目性,根据第二语言习得理论模式,采用实验语音学和统计学的方法,设计辨认实验和区分实验,分别对普通话水平处于高级和初级水平的20名维吾尔族大学生元音、塞音、擦音和塞擦音的感知情况进行研究。辨认实验考察学习者对元音和辅音的感知反应时间和感知准确率。在区分实验中,计算元音对的频谱距离,辅音对的频谱距离,以及它们的时长差异,对学习者的区分能力进行分析。实验结果显示高级水平学习者的感知元音和辅音的能力明显高于初级水平学习者。学习者对发音部位靠后的元音反应时间快且感知准确率高,对于发音部位靠前的元音反应时间较慢且感知准确率低,对塞擦音的辨认准确率高,对擦音的辨认准确度最低。元音对的频谱距离和辅音对的时长差异会影响到学习者的区分能力,但辅音对的频谱距离和区分情况不存在密切联系。
- 古扎丽努尔·德力木拉提古力努尔·艾尔肯米吉提·阿不里米提艾斯卡尔·艾木都拉
- 关键词：语音感知
