搜索资源列表
speech_analysis
- 这时一个语音特征提取的程序源码，除了包含矩阵运算和矢量运算外，还包含了很多语音特征的提取算法，包括：共振峰(formant)提取、基音(pitch)提取、端点(endpoint)检测、线性预测系数(LPCC)、MFCC、LSF、PLCC、EPOCH等。这是我见到的最全的语音分析源码，推荐！-Then a voice feature extraction procedures source, in addition to containing matrix and vector operation
linear
- 线性判别中的感知算法对于文本的手写体数字从0到9，数字8的识别率很低。特征提取一般，不过还不错。
LDA
- 线性判别分析（LDA）是一种较为普遍的用于特征提取的线性分类方法。但是将LDA直接用于人耳识别会遇到维数问题和“小样本”问题。人们经过研究，通过多种途径解决了这两个问题并实现了基于LDA的人耳识别。文章对几种基于LDA的人耳识别方法做了理论上的比较和实验数据的支持，这些方法包括Fisherears、DLDA、VDLDA及VDFLDA。实验结果表明VDFLDA是其中最好的一种方法
lpcc.m__
- 用MATLAB开发的语音识别中语音特征提取方法之一LPCC(线性预测倒谱系数)
mfcc
- 语音信号的特征提取，语音信号的Mel倒谱特征（MFCC）的求解方法，语音信号的线性预测原理以及LPC特征的求解方法
lpcc
- 用MATLAB开发的语音识别中语音特征提取方法之一LPCC(线性预测倒谱系数）。-A MATLAB program for speech signal recognition using LPCC (Linear Predictive Cepstral Coding) one of the method for the pick up of speech character
Radon.zip
- 这是一个改进的radon线性特征提取m函数，对于机场跑道提取特别有效,This is a radon improved feature extraction m linear function, in particular for the effective extraction of airport runway
LDA
- 线性判别分析（LDA）用于特征选择，可以对数据集或者图像提取有用特征，用于分类或者聚类等机器学习应用中-Linear Discriminant Analysis (LDA) for feature selection, application in dataset or image feature extraction, for classification or clustering applications in machine learning
featureExtraction
- 该程序包实现了模式识别中的两个特征提取算法，主成分分析PCA和线性判别分析LDA。采用C++语言编写，开发环境VS。 程序包还提供了两个测试样本文件。-The package to achieve the recognition of the two feature extraction algorithm, principal component analysis PCA and linear discriminant analysis LDA. Using C++ language, dev
disp_fig
- 采用通过提取图像的边缘特征对两幅图像配准，并采用双线性插值算法来提高配准精度。用于两幅图像间变化不大的配准。-Adopted through the extraction of image edge characteristics of two image registration, using bilinear interpolation algorithm to improve registration accuracy. Between two images for little chan
jiyushilianglianghuadeshuohrshibe
- 基于矢量量化的说话人识别本文从语音信号的预处理开始分析， 主要研究了特征参数的选择、提取、及识别算法，应用全极点模型，提取了语 音信号的线性预测倒谱系数和美尔倒谱系数，并进一步获得其一阶差分，将倒 谱系数与其一阶差分结合在一起形成新的特征参数。在识别算法方面，本文对 矢量量化的方法进行了研究，用Matlab语言实现了说话人识别系统的仿真与验 证。实验证明这种参数与单纯的线性预测倒谱系数和美尔倒谱系数相比更为有 效。- speech paper，help you study
DTWspeech
- 本 文 首先 介绍了语音识别的研究和发展状况，然后循着语音识别系统的 处理过程，介绍了语音识别的各个步骤，并对每个步骤可用的几种方法在实 验基础上进行了分析对比。研究了语音信号的预处理和特征参数提取，包括 语音信号的数字化、分帧加窗、预加重滤波、端点检测及时域特征向量和变 换域特征向量.其中端点检测采用双门限法.通过实验比对特征参数的选取， 采用12阶线性预测倒谱系数作为识别参数。详细分析了特定人孤立词识别算 法，选定动态时间弯折为识别算法，并重点介绍其设计实现。 在
work_for_pattern_recognition
- 通过设计线性分类器；最小风险贝叶斯分类器；监督学习法分层聚类分析；K－L变换提取有效特征，设计支持向量机对给定样本进行有效分类并分析结果。-By designing a linear classifier minimum risk Bayes classifier supervised learning method hierarchical cluster analysis K-L transform to extract efficient features, designed to
PCA
- 提出一种基于主分量分析和相融性度量的快速聚类方法。通过构造主分量空间将高维数据投影到两个主成分上 进行特征提取，每一个主分量都是原始变量的线性组合-Is proposed based on Principal Component Analysis and Measure of blending fast clustering method. Principal component space by constructing a high-dimensional data onto two p
lda
- lda线性特征提取，用于人脸识别，首先进行小波特征提取后用lda提取特征。-lda linear feature extraction for face recognition, first of all, after feature extraction using wavelet feature extraction using lda.
matlab_image
- MATLAB基本图形图像处理操作，包含图像增强，图像分割，特征提取，图像识别，灰度处理线性算法，文字处理等多个压缩包-MATLAB image processing and basic graphics, including image enhancement, image segmentation, feature extraction, image recognition, linear gray-scale processing algorithms, word processing an
kda-1.0
- 基于KDA的人脸识别首先利用核方法将人脸图像数据集非线性映射到一个高维特征空间中，然后在高维特征空间中利用LDA进行线性特征提取-Face recognition based on first use of nuclear KDA method will face image data set nonlinear mapping to a high dimensional feature space, and then use LDA in high-dimensional feature sp
LPCC
- 线性预测倒谱系数（Linear Prediction Cepstrum Coefficient,LPCC）是线性预测系数（Linear Prediction Coefficient,LPC）在倒谱域中的表示。该特征是基于语音信号为自回归信号的值设，利用线性预测分析获得倒谱系数。(Linear Prediction Cepstrum Coefficient)
特征提取相关源码
- matlab对图片线性特征进行提取，精度较高。(Image linear feature extraction)
LLE_Algorithm-master
- 此程序为局部线性嵌入，是一种提取特征的有效方法(This procedure is locally linear embedding, and is an effective way to extract features.)