搜索资源列表
vq
- 说话人识别是语音识别的一种特殊方式，其目的不是识别语音内容，而是识别说话人是谁，即从语音信号中提取个人特征。采用矢量量化（VQ）可避免困难的语音分段问题和时间归整问题，且作为一种数据压缩手段可大大减少系统所需的数据存储量。本文提出了识别特征选取采用复倒谱特征参数和对应用VQ的说话人识别系统改进的一种方法。当用于训练的数据量较小时，复倒谱特征可以得到比较稳定的识别性能。VQ的改进方法避免了说话人识别系统的训练时间与使用时间相差过长从而导致系统的性能明显下降以及若利用自相关函数带来的大量运算。-Sp
adapterSystemPaper
- 论文标题:自适应模糊系统在手写体数字识别中的应用研究 作者:张镭 作者专业:计算机软件人工智能 导师姓名:黄战 授予学位:硕士 授予单位:暨南大学 授予学位时间:19990501 论文页数:59页 文摘语种:中文文摘 分类号:TP18 TP391.4 关键词:手写体数字 自适应 模糊逻辑 神经网络 模式识别 摘要:该文针对模式识别的特点,构造了适合于模式识别问题的自适应模糊系统,对三种不同学习算法加以改进,在手写全数字识别上对分类器进行了实现,
FaceDetection
- 一个典型的人脸识别系统主要包括训练过程和识别过程。训练过程主要完成将已知人脸进行定位、特征提取与选择、以及分类器的设计；识别过程则完成将未知图片进行处理，并最终识别出身份的分类和决策
speechsignalprocessingincar
- 汽车中的话音拨号系统是自动语音识别技术的应用热点. 自动语音识别系统是一个 基于训练的系统. 在汽车噪声中, 由于实际应用环境与形成系统参数的训练环境的失配, 传统 语音识别系统的性能会大幅度地下降, 从而无法实用. 为了提高语音识别系统在特定环境下的 识别率及实用性, 首先根据汽车环境中语音的失真模型分析了系统性能下降的原因, 然后针对 加性汽车噪声与信道失真对系统的影响, 讨论了在汽车噪声中改善语音识别系统性能的方法. 提出了在识别系统中用基于子带的语音增强算法和倒谱均值
application_of_special_person_on_ASR_for_the_contr
- 常用的说话人识别方法有模板匹配法、统计建模法、联接主义法(即人工神经网络实现)。考虑到数据量、实时性以及识别率的问题，采用基于矢量量化和隐马尔可夫模型(HMM)相结合的方法。 说话人识别的系统主要由语音特征矢量提取单元(前端处理)、训练单元、识别单元和后处理单元组成，
052520
- 提出了一种用于矢量量化的改进的聚类算法,该算法在MKM(Modified K-Means)算法的框架的基础上,对初始码本的生成、失真测度的选择、*型胞腔的处理等方面进行了改进,从而减少了原算法在能量和增益上对聚类结果的影响.并将该算法应用于波形编辑孤立字识别器,这种识别器直接对语音样本的时域波形进行训练和聚类,不需要提取语音参数,算法复杂度较低,加上提出的聚类算法失真测度简单易实现,对芯片的运算能力要求不高,非常适用于有低成本要求的语音识别器场合.通过中文元音字识别的实验证明,在相同码本尺寸下
5
- 在电话语音识别中需要识别电话号码，这需要识别0到9十个数字，而识别前首先需要训练这十个数字，请编写程序设计一个电话号码表，要求数字组数最少。其中：每一组数字都是八位（例如：62781707），0到9十个数字中每两个数字之间至少连接一次（象62781707，其中出现了：6－2、2－7、7－8、8－1、1－7、7－0、0－7七个连接，7－0和0－7是不同的连接），0－0、1－1、......、9－9的连接也要考虑。每个数字在开头、结尾至少各出现一次（象62781707，其中6在开头出现一次，7在结尾
SVM
- 本书介绍的支持向量机方法，是建立在统计学习理论的VC 维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度）和学习能力（即无错误地识别任意样本的能力）之间寻求最佳折衷，以期获得最好的推广能力 。-This book introduces the support vector machine method is based on statistical learning theory, VC dimension and structural risk mi
Data-Classification-and-Recognition
- 提出一种基于模糊C 均值的支持向量机分类算法，通过模糊C 均值算法对未知类别数据 进行划分，然后再利用支持向量行对划分后的数据机进训练。解决了以往人们应用支持向量机进行 数据分类识别前必须采用已知类别的数据对支持向量机进行训练的弊端，提高了数据分类的效率。-Support vector machines classification algorithm is proposed based on Fuzzy C-Means, Fuzzy C-Means algorithm unknown
PCA
- 针对稀疏表示识别方法需要大量样本训练过完备字典且特征冗余度较高的问题，提出了结合过完备字典学习与PCA降维的小样本语音情感识别算法.该方法首先用PCA降维方法将特征降维，再将处理后的特征用于过完备字典训练与稀疏表示识别方法，从而给出了语音情感特征的稀疏表示方法，并确定了新算法的具体步骤.为验证其有效性，在同等特征维数下，将方法与BP, SVM进行比较，并对比、分析语音情感特征稀疏化前后对语音情感识别率、时间效率以及空间效率的影响.试验结果表明，所提出方法的识别率比SVM与BP高 与采用稀疏化前的
as
- matlab一个基于BP神经网络的matlab程序可以实现对几种字体0-9的数字识别这个文件训练网络的压缩包-Study dataBased on BP neural network matlab program can achieve several fonts on the figure 0-9 to identify the document training network packet compression
Partial-discharge-signals-of
- 提出了基于主动学习SVM的局部放电模式识别方法。将主动学习的思想引用到“一对一”多分类SVM分类器,选用基于后验概率的釆样函数对放电样本进行选择,挑选出对分类器最有价值的样本进行训练。 -Puts forward the partial discharge pattern recognition method based on active learning SVM. Will reference to the one to one the ideology of active stud
Grading-test
- 为实现合格和缺陷板栗的分级， 研究了 1 种基于 BP 神经网络与板栗图像特征的板栗分级方法。 试验以罗田板 栗为研究对象， 提取的颜色及纹理等 8 个特征值， 通过主成分分析提取相应的主成分得分向量构成模式识别的输入。 利 用 BP 神经网络方法建立了板栗分级模型。 试验结果表明， 在图像信息主成分因子数为 3， 中间层节点数为 12 时， 建立 的模型最佳， 模型训练时的回判率为 100 ， 预测时识别率达到了 91 .67 。 研究结果表明基于机器视觉技术的针对缺陷 板栗分
tesseract-ocr-Study-Notes
- 利用tesseract-ocr在vs2010下做字符识别所总结的学习经验，字符训练的详细步骤，及其他有用的学习网址-For detailed steps to make use of tesseract-ocr character recognition in the vs2010 summarized learning experiences, character training, and other useful learning site
fisher
- 人脸识别，分类SVM，对图片进行训练，标签，识别。-Face recognition, classification SVM
AdaBoostFace
- 基于adaboost的正面人脸检测 通过对haar特征的提取来进行训练与识别-face detection by adaboost
ken_ni16
- LZ复杂度反映的是一个时间序列中，三相光伏逆变并网的仿真，通过反复训练模板能有较高的识别率。- LZ complexity is reflected in a time sequence, Three-phase photovoltaic inverter and network simulation, Through repeated training KirgUjKlate have higher recognition rate.
qui_v23
- 复化三点Gauss-lengend公式求pi，通过反复训练模板能有较高的识别率，用MATLAB编写的遗传算法路径规划。- Complex of three-point Gauss-lengend the Formula pi, Through repeated training bRFIoJwlate have higher recognition rate, Genetic algorithms using MATLAB path planning.
fun_ge36
- matlab实现了五类灰色关联度模型的计算,包含特征值与特征向量的提取、训练样本以及最后的识别，利用matlab写成的窄带噪声发生。- matlab implements five gray correlation degree computing model, Contains the eigenvalue and eigenvector extraction, the training sample, and the final recognition, Using matlab writt
bb587
- isodata 迭代自组织的数据分析，通过反复训练模板能有较高的识别率，最小均方误差等算法的MSE的计算。- Isodata iterative self-organizing data analysis, Through repeated training hQgFUSHlate have higher recognition rate, Minimum mean square error MSE calculation algorithm.