语音控制汽车是未来的一种趋势。目前，将语音技术应用于汽车的产品只有在一些玩具中用到，由此可想利用语音技术进行汽车控制这一领域蕴涵着相当大的潜在市场。

NLPCC2016-WordSeg-微博 NLPCC 2016微博分词评估项目 ##任务说明 单词是自然语言理解的基本单元。 但是，中文句子由连续的汉字组成，没有自然的分隔符。 因此，中文分词已成为中文自然语言处理的首要任务，它可以识别句子中单词的顺序并标记单词之间的边界。 与流行的二手新闻数据集不同，我们使用了来自新浪微博的更多非正式文章。 培训和测试数据包含来自各个主题的微博，例如金融，体育，娱乐等。 每个参与者都可以提交三个运行：封闭式运行，半开放式运行和开放式运行。 在封闭的轨道上，参与者只能使用在提供的培训数据中找到的信息。 排除了诸如从外部获得的字数，部分语音信息或姓名列表之类的信息。 在半公开赛道中，除了提供的训练数据之外，参与者还可以使用从提供的背景数据中提取的信息。 排除了诸如从外部获得的字数，部分语音信息或姓名列表之类的信息。 在公开赛道上，参与者可以使用应该

MATLAB首先对语音进行不同的非线性自适应时频分析的去噪，然后提取MFCC、GFCC、LPCC等特征，最后通过随机森林，对音标进行分类注1：音频文件数据集；注2：一行代码自动添加文件和子文件到路径；

matlab GUI的设计和研究,并用LPCC+SVM分类做界面展示

LPCC特征，其他特征的提取，并且用matlabGUi进行设计

语音LPCC特征的提取设计

基于matlab的LPCC，包含MFCC，即相关介绍

应用MATLAB求解线性预测倒谱主程序,应用MATLAB求解线性预测倒谱主程序

语音识别参数：lpcc参数的matlab的源码，已测试，可运行！可用于说话人识别

质量检查系统 实施质量检查体系。 这是NLPCC-ICCPOL共享任务“开放域问题解答”的代码。 任务包括两部分： kbqa和dbqa ，前者是在给定知识库的情况下实施QA系统，而后者则需要从问题的给定文档中选择句子作为答案。 对于dbqa任务，我们使用LSTM层对问题进行编码，并使用另一个LSTM层对答案进行编码，然后计算这两个向量之间的角度。 如果答案和问题成对，我们希望这两个向量方向相同，否则让它们彼此垂直。 最后，对于新的一对问答，请根据其隐藏表示的角度对它们进行分类。 我们将Keras与Theano后端一起使用来运行LSTM。 对于kbqa任务，我们使用基准程序来识别语料库中的所有提及，然后使用一些手工制定的规则来识别给定问题中的实体。 此后，我们使用mention2id.py查找当前提及的所有可能的ID。 最后，计算当前问题与所有可能的ID以及这些ID的属性之间的相似度，