搜索资源列表
200613225718
- 语音识别模块的性能指标： 高识别率：在一定的硬件环境下，平均准确率可达97％； 端点检测：在识别过程，具备端点检测功能； 实时识别：具有唤醒功能； 环境噪音：一定范围之内，仍可保证高识别率-speech recognition module performance indicators : high recognition rate : some of the hardware environment, average accuracy rate of up t
fASR
- 以半连续隐含马尔可夫模型HMM 为例,分析了影响Viterbi算法效率的主要原因,讨论了提高该算法效率的3种实用策略,即码本剪枝、Beam剪枝及降低精度,在保证一定识别率的前提下,使得搜索处理更加有效,提高了搜索的速度-to semi-continuous HMM HMM example, Analysis of the impact on the efficiency of the Viterbi Algorithm main discussed increasing the efficien
embeddeyedTTS
- 计算机技术总是在朝着功能更强大、使用更方便的方向发展，用户的需求永远都是技术前进的动力。ASR和TTS的出现，让人和计算机的距离更加靠近，人机接口更加自然。由于技术（识别率不够高）和人们习惯上的原因，ASR离真正的普及还有一段距离。但是，在通信领域，由于CTI的广泛应用，计算机技术不断融入通信平台，这项技术正在如火似涂的发展、普及。VoiceXML就是一个很好的例子，它的应用就是以ASR和TTS作为基础的。
1
- 一个理想的系统应是R,S尽量小，而P,A尽可能大。而在一个实际系统中，S,R是相互制约的，拒识率R的提高总伴随着误识率S的下降，与此同时识别率A和识别精度P的提高。因此，在评价手写数字识别系统系统时，我们必须综合考虑这几个指标。另外，由于手写数字的书写风格、工整程度可以有相当大的差别，因此必须弄清一个指标在怎样的样本集合下获得的。
ImprovedPedestrianDetectionAlgorithminNighttime.ra
- 针对夜间动态背景下的行人检测中分割算法受光照条件影响大、误识别多等问题，提出双阈值分割算法和以多目标跟踪为核心的算法框架。新的分割算法解决了行人亮度分布不均时的分割问题，同时在新的框架下可以综合多帧的处理结果进行综合判断，通过将基于支持向量机的识别算法和多目标跟踪算法的融合，降低了系统的计算量，且比一般的系统具有更高的识别率。
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，
MATLAB环境下的语音识别
- 介绍了MATLAB环境下的语音识别系统,阐述了具体的实现过程,采用离散隐马尔科夫模型,为提高识别率采用男女2套参数,对离散隐马尔科夫模型在实际语音识别系统中遇到的问题进行分析,并给出相应的解决办法
sasdw.rar
- 现有数字信号自动调制识别方法大多只适用于无记忆信号，如PSK、ASK、FSK信号等。将有记忆 信号(MSK信号)和无记忆信号一起考虑，提出了一种改进的数字信号自动识别方法。该方法采用信号的瞬时统 计量作为特征参数，采用多层神经网络作为分类器。计算机仿真表明：当噪声采用高斯白噪声，并且信噪比大于 l5 dB时，识别率高于96％ ；当信噪比不低于l0 dB时，识别率不低于90％。,Existing digital signal automatic modulation recognition
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、非典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
kkk
- 擅 蔓：以人脸的表情识别为实验背景， 分析了在对人脸表情的识别过程中，单个独立分薰对识别率的影响，由此进一步总结了在表情识 别中如何更有效地选取独立子空间，以实现在不影响识别率的前提下，减少用于构成独立子空问所需的独立分量的个数。 独立成分分析；表情识别；独立子空间 -Good man: Face to face identification for the experimental background, the analysis of facial expressions in the
lunwen
- 本文主要研究普通计算环境下语音自动识别(ASR)技术的软件实时实现，基于语音识别的基本原理和过程。在VC环境下建立了一套语音识别系统及其演示软件。实验表明，该系统对特定人情况有较高的识别率和一定的实时性-In this paper, under the computing environment on general automatic speech recognition (ASR) technology to achieve real-time software, speech recogn
icassp99
- 利用时-频方法实现调制信号的识别，并给出正确识别率-CLASSIFICATION OF MODULATION MODES USING TIME-FREQUENCY METHODS
11
- 一个非常识别率较高的图像纹理识别的C++源码-A very high recognition rate for Image Texture Recognition C++ source code
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
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
face_code_cpp
- 将生物特征识别应用于人脸，实际上是包含两个方面：第一，从图像或视频帧中检测人脸，即所谓的“人脸 检测”（face detection）；第二，对检测到的人脸进行识别，判断这张脸是谁，即“人脸识别”（face recognition）。 就实际应用而言，采用人脸做生物特征识别，其识别率、可靠性都无法与指纹、虹膜识别相提并论，但失 为模式识别中的一个典型应用，至少可以起到抛砖引玉的作用。-Paper of face identification sourc code
Support-vector-machine-
- 提出了一种支持矢量机的汉语声调识别新方法。论文首先在基频和对数能量的基础上，建立了一个适合于支 持矢量机分类的等维声调特征。然后对支持矢量机的多分类策略和不同核函数对声调识别的影响进行了实验研究。 与BP神经网络相比，支持矢量机具有更高的识别率和更强的推广能力。-This paper presents a novel support vector machine based Chinese tone recognition method．A new tone recognition
语音识别系统
- 一个语音识别的小程序，识别率可达90%以上。(A speech recognition system implemented by c++)
31175278moulationclassification
- 主要是实现调制识别，区分几种常用的数字调制信号。含有两个文件夹 其一为特征参数的仿真；其二为正确识别率的仿真。文件夹key feature simulink中： 运行程序会得到各特征参数之间区分图 从图中可看到特征参数的有效性，见图。 文件夹classification rate simulink中：运行main.m文件 可以得到正确识别率 见图。(It is mainly to realize modulation recognition and distinguish severa