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。
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，
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
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
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
100p-Accuracy-in-Automatic
- 人脸识别系统在一定的条件下识别率达到了100 -Face recognition system recognition rate of 100 under certain conditions
A-hybrid
- 针对传统的ＢＰ或ＧＡ对模糊神经网络的识别应用存在收敛容易陷入局部极小 识别率低下等问题 提出一 种基于ＢＦＧＳ的混合遗传算法 其基本思想为 首先构造一种前馈型模糊神经网络结构 然后用遗传算法进化若干代 后 当目标函数的梯度或者范数小于预先设定值 则改用ＢＦＧＳ算法进行优化识别 仿真实验表明 对比ＧＡ该算法 收敛速度较快 识别精度提高了约７％ 能够较好地应用于一类模糊神经网络的识别-In traditional BP or GA to identify the application
Speech-recognition-in-MATLAB-
- 介绍了一种基于MATLAB的多个特定人连接词语音识别的方法，并提出了在进行端点检测时，引入平均的概念能进一步提高识别率。此设计是以LPCC系数、DTW算法为核心的基于图形界面的设计。-A Based on MATLAB more specific conjunctions speech recognition, and during endpoint detection, the introduction of the concept of average to further improve
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
renlianhsib
- PCA 人脸识别修订版，识别率88％ 获取特征值及特征向量 word 可以参考 学习-PCA face recognition revision, the recognition rate of 88 Get the eigenvalues and eigenvectors word can refer to learning
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
Ensemble-kNN
- 此PDF为英文文章，介绍了新的步态识别算法，即对行人足底的压力来进行步态识别，并采用集成KNN分类器来提高识别率，有一定的借鉴意义。-This PDF for the English article, introduced a new gait recognition algorithm, that is, the pressure on the pedestrian foot to carry out gait recognition, and the use of integrated KN
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++)