搜索资源列表
leidatezhengtiqu
- 雷达信号的特征提取，来实现模式识别，源程序-Radar signal feature extraction, to achieve pattern recognition, source
paper2
- 语音识别技术主要包括特征提取技术、模式匹配准则及模型训练技术三个方面。此外，还涉及到语音识别单元的选取。选择识别单元是语音识别研究的第一步。语音识别单元有单词（句）、音节和音素三种，具体选择哪一种，由具体的研究任务决定。-Speech recognition technology, including feature extraction techniques, pattern-matching criteria and the three aspects of model training t
ARAC
- 语音识别中的语音信号特征提取和选择是关系到语音识别模型性能的一个重要问题。音信号的特征提取是解决时域信号的数字表问题，特征选择则是在多个特征中选择有的特征为后继的模式划分部分提供数据。-Speech recognition in speech signal feature extraction and selection in relation to the performance of speech recognition model of an important issue. Audio
safjfd
- 首先分析了典型说话人识别系统的各关键技术，详细分析了矢量量化技术在 说话人识别中的应用，研究了码本训练算法以及说话人判别算法，对算法中各参 数值的选取进行了讨论 其次根据系统的需求建立一个小的语音库，录制语音信 号，并对采集的语音信号进行预处理，检测语音信号的起始端点 在MATLAB 环境下仿真说话人识别系统，验证系统设计方案的可行性:特征提取阶段，提取 语音信号的12阶美尔倒谱系数以及各阶倒谱系数对应的1阶差分倒谱系数，在 训练阶段，采用分裂法和GLA算法相结合的矢量量
EdgeCheck
- 在模式识别中，基于轮廓的特征提取，并用MATLAB实现-In pattern recognition, based on contour feature extraction, and use MATLAB to achieve
Desktop
- 人脸识别技术是计算机模式识别领域非常活跃的研究课题，在法律、商业等领域有 着广泛的应用前景。自动人脸识别系统一般由两个模块组成：定位与检测模块，特征提 取与识别模块。本文对两个子模块进行了详细讨论，通过实验仿真了一个基于静态图像 的人脸识别系统。为提高系统的识别率，本文对定位检测模块和特征提取模块进行了深 入研究。 针对复杂多变人脸检测和定位问题，实现了一种基于对称特征的人脸定位方法。该 算法首先基于肽色特征提取出人脸区域，根据眼睛的颜色和梯度特征在肤色区找到眼睛 可
weatherOntology
- 本论文结合模式识别技术，在基于本体理论的基础上研究并实现强对流天气推理系统。该系统通过模式识别技术对图像数据进行预处理和特征提取，从中获取有用的特征信息，并结合气象专业知识，对特征信息进行分析，抽象出符合一定气象意义的知识，建立领域本体库，在此基础上研究并设计强对流领域推理规则，进而建立起强对流天气推理系统，以提高强对流气象预报领域的计算机化、快速化和实时化。-This paper combines the pattern recognition technology, ontology-bas
基于核函数主元分析的机械故障诊断方法
- 提出基于核函数主元分析的机械故障诊断方法, 它保留主元分析的优点并具有处理非线性的能力。该方法通过核函数映射将非线性问题转换成高维的线性特征空间, 然后对高维空间中的映射数据作主元分析,提取其非线性特征, 对机械故障模式进行识别。并与主元分析方法进行对比分析, 实验结果表明核函数主元分析法非常有效。-Proposed mechanical fault diagnosis method based on Kernel Principal Component Analysis, it retains
Face-recognition-
- 人脸的研究是跨越人文科学与自然科学的新兴交叉研究领域，在最近几年得到了模式识别领域众多学者的重视，也取得了良好的研究成果。针对人脸这种生物特征的识别，在其过程中最为重要的一个环节是特征的提取，更好的提取出人脸的特征，将会使得识别更有有效和准确，提高分类的同时，也是的识别率有良好的提高。-Face recognition research is a new cross field across the humanities and natural science, had many scholar
chepaihanzishibiexitong
- 车牌识别是我国实现智能交通的重要课题，车牌汉字识别是实现车牌识别的难点。进行车牌汉字识别前的车牌定位与分分、灰度归一化和尺度归一化等预处理工作，提取特征，运用模式识别算法实现车牌汉字识别，并给出实验结果。-Our license plate recognition is an important subject intelligent transportation, license plate character recognition is the difficulty to achieve
模式识别及其在图像处理上的应用
- 对模式识别进行了详细的概括，包括其框架、特征提取与选择以及各种算法进行了介绍。介绍了模式识别在图像处理方面的应用，以及现在存在的问题，最后做了展望。概括的很详尽
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
dynamics-model
- 为了实现干制红枣的大小自动分级 ， 介绍了应用 机 器 视 觉 的 干 制 红 枣 自 动 分 级 方 法 ， 利 用 CCD 摄 像 机 获取红枣的样本图像 ， 应用 MATLAB 软件编程实现了样本图像的灰度化 、 二值化 、 图 像 分 割 、 图 像 滤 波 、 图 像 形 态 学处理 、 边缘检测和特征量提取等处理 ， 参照 干 制 红 枣 分 级 标 准 完 成 了 红 枣 自 动 分 级 。 通 过 实 验 数 据 回 归 分 析 得出红枣实测纵径 、 果质量与识别值当
25292626
- 为了实现复杂环境下的人脸特征有效表达，提出一种改进的梯度方向直方图（ＨＯＧ）人脸识别方法．首先以人脸图像网格作为采样窗口并在其上提取 ＨＯＧ特征；然后将所有网格 ＨＯＧ特征向量进行组合，实现整个人脸特 征表达；最后采用最近邻分类器进行识别．另外，比较了该方法与Ｇａｂｏｒ小波和局部二值模式（ＬＢＰ）２种著名的人脸 局部特征表示方法的优劣．实验结果表明，在调优的 ＨＯＧ参数下，在具有光照和时间环境等复杂变化的ＦＥＲＥＴ人 脸库中，较少维数的 ＨＯＧ特征比ＬＢＰ特征有更好的表现，而且 ＨＯ
PCA_ORL
- 人脸识别技术作为生物体特征识别技术的重要组成部分，在近些年来已经发展成为计算机视觉和模式识别领域的研究热点。本实验是基于K-L变换的主成分分析法（PCA）在人脸识别中的应用，在ORL人脸库的基础上通过Matlab实现了快速PCA算法的验证仿真，并对样本图像进行了重构。本实验在ORL人脸库的基础上，选用每人前5张图片，共计40人200幅样本图像，通过快速PCA算法将10304维的样本特征向量降至20维，并实现了基于主分量的人脸重建，验证了PCA算法在高维数据降维处理与特征提取方面的有效性。-Fac
gdcji
- 用于信号特征提取、信号消噪，模式识别中的bayes判别分析算法，连续相位调制信号(CPM)产生。( For feature extraction, signal de-noising, Pattern Recognition bayes discriminant analysis algorithm, Continuous phase modulation signal (CPM) to produce.)