-
機(jī)器學(xué)習(xí)完整流程
對(duì)數(shù)據(jù)進(jìn)行預(yù)處理和特征工程，包括數(shù)據(jù)清洗、歸一化/標(biāo)準(zhǔn)化、特征選擇、特征提取、生成新特征等，以使數(shù)據(jù)適合后續(xù)建模。
-
語(yǔ)音識(shí)別包含哪幾種
語(yǔ)音識(shí)別是一門多學(xué)科交叉技術(shù)，它與聲學(xué)、語(yǔ)音學(xué)、語(yǔ)言學(xué)、信息理論、模式識(shí)別理論以及神經(jīng)生物學(xué)等學(xué)科都有非常密切的關(guān)系。它的任務(wù)主要是將語(yǔ)音信號(hào)轉(zhuǎn)換成對(duì)應(yīng)的文字。為了實(shí)現(xiàn)這一目標(biāo)，語(yǔ)音識(shí)別系統(tǒng)通常包括特征提取、聲學(xué)模型、語(yǔ)言模型以及字典與解碼等部分。
-
機(jī)器學(xué)習(xí)算法工作原理
在這篇文章中，小編將對(duì)機(jī)器學(xué)習(xí)的相關(guān)內(nèi)容和情況加以介紹以幫助大家增進(jìn)對(duì)它的了解程度，和小編一起來(lái)閱讀以下內(nèi)容吧。
-
人臉識(shí)別原理及處理流程
人臉識(shí)別將是下述內(nèi)容的主要介紹對(duì)象，通過(guò)這篇文章，小編希望大家可以對(duì)人臉識(shí)別的相關(guān)情況以及信息有所認(rèn)識(shí)和了解，詳細(xì)內(nèi)容如下。
-
基于數(shù)學(xué)形態(tài)譜嫡的機(jī)械部件性能退化特征提取
摘要:提出了基于數(shù)學(xué)形態(tài)譜嫡的性能退化特征提取方法。首先對(duì)機(jī)械狀態(tài)振動(dòng)信號(hào)進(jìn)行多尺度形態(tài)分解,建立數(shù)學(xué)形態(tài)譜,在此基礎(chǔ)上,結(jié)合信息嫡理論,度量振動(dòng)信號(hào)在不同尺度域劃分下的形態(tài)復(fù)雜性。實(shí)驗(yàn)結(jié)果表明,以數(shù)學(xué)形態(tài)譜嫡作為特征參數(shù),可以有效地描述軸承、齒輪等旋轉(zhuǎn)機(jī)械部件的性能退化趨勢(shì)。
-
基于特征提取模式的腦電信號(hào)分析方式
摘要:腦機(jī)接口是腦電信號(hào)識(shí)別的重要研究方向,正確區(qū)分腦電信號(hào)是將思維意識(shí)轉(zhuǎn)化為外圍設(shè)備具體動(dòng)作的根本前提。現(xiàn)重點(diǎn)分析了一種基于特征提取模式的腦電信號(hào)分類識(shí)別方法,致力于有效提升分類的精度。首先利用功率譜模型提取腦電信號(hào)的時(shí)頻特征,并將其作為人工神經(jīng)網(wǎng)絡(luò)的樣本集及測(cè)試集,然后搭建多層反向傳播網(wǎng)絡(luò),再利用LMS改進(jìn)算法進(jìn)行訓(xùn)練,最終得到分類識(shí)別結(jié)果。經(jīng)實(shí)驗(yàn)證明,該腦電信號(hào)識(shí)別方法的分類效果良好。
-
基于曲線匹配的中長(zhǎng)期電力負(fù)荷分配方法
摘要:針對(duì)目前發(fā)電企業(yè)電力負(fù)荷分配存在的問(wèn)題,提出了一種基于曲線匹配的中長(zhǎng)期電力負(fù)荷分配方法。通過(guò)將所提方法與傳統(tǒng)分配方法進(jìn)行實(shí)驗(yàn)對(duì)比證明,所提分配方法具有更高的匹配度,更適用于實(shí)際的電力負(fù)荷分配中。
-
基于視頻聚類的關(guān)鍵幀提取算法
摘要：關(guān)鍵幀可以有效減少視頻索引的數(shù)據(jù)量，是分析和檢索視頻的關(guān)鍵。在提取關(guān)鍵幀過(guò)程中，為了解決傳統(tǒng)聚類算法對(duì)初始參數(shù)敏感的問(wèn)題，提出了一種改進(jìn)的基于視頻聚類的關(guān)鍵幀提取算法。首先，提取視頻幀的特征，依據(jù)幀間相似度，對(duì)視頻幀進(jìn)行層次聚類，并得到初始聚類結(jié)果；接著使用K-means算法對(duì)初始聚類結(jié)果進(jìn)行優(yōu)化，最后提取聚類的中心作為視頻的關(guān)鍵幀。實(shí)驗(yàn)結(jié)果表明該方法可以大幅提高關(guān)鍵幀的準(zhǔn)確率和查全率，能較好地表達(dá)視頻的主要內(nèi)容。
-
基于形態(tài)特征提取的圖像匹配搜索技術(shù)研究
摘要：傳統(tǒng)的圖像搜索方法一般是由圖像處理軟件自動(dòng)抽取圖像的顏色、形狀、紋理等特征，并以此建立特征索引庫(kù)，進(jìn)而由用戶輸入要查找的物品圖像，從而找出與之具有相近特征的圖像。而文中給出了從數(shù)學(xué)形態(tài)學(xué)的角度來(lái)提取圖像的關(guān)鍵形態(tài)特征，然后建立海量物品圖片的形態(tài)細(xì)化骨架庫(kù)，并以此簡(jiǎn)化圖像搜索的關(guān)鍵內(nèi)容，降低數(shù)據(jù)庫(kù)存儲(chǔ)量，提高匹配效率以及準(zhǔn)確性的具體方法。
-
基于智能語(yǔ)音的智能家居系統(tǒng)設(shè)計(jì)
摘 要 ：文中設(shè)計(jì)了一款智能家居系統(tǒng)，主要介紹了語(yǔ)音識(shí)別技術(shù)的相關(guān)基礎(chǔ)原理以及流程。詳細(xì)分析了一段語(yǔ)音信號(hào)從采集到預(yù)處理，提取特征值后與語(yǔ)音庫(kù)中的聲學(xué)模型比對(duì)得出識(shí)別結(jié)果的過(guò)程及隱馬爾科夫的建模過(guò)程、算法流程，最后利用 Arduino 開發(fā)板搭建智能家居系統(tǒng)。
-
人臉表情識(shí)別算法綜述
摘 要：人臉表情識(shí)別因其廣泛的應(yīng)用領(lǐng)域與良好的發(fā)展前景，成為計(jì)算機(jī)視覺領(lǐng)域的一個(gè)研究熱點(diǎn)。文中綜合論述了表情識(shí)別的研究狀況與各類算法，并對(duì)其中的特征提取算法與表情分類算法進(jìn)行了簡(jiǎn)單描述。常規(guī)的特征提取算法有基于幾何特征的提取方法、基于整體統(tǒng)計(jì)特征的提取方法、基于頻率特征率的提取方法和基于運(yùn)動(dòng)特征的提取方法。常規(guī)的表情分類算法則從基于傳統(tǒng)機(jī)器學(xué)習(xí)與深度學(xué)習(xí)兩個(gè)角度進(jìn)行介紹。
- MAX30134讓血糖監(jiān)測(cè)系統(tǒng)更輕松與舒適，挑戰(zhàn)趣味測(cè)試
- 了解PI門柵極驅(qū)動(dòng)器，挑戰(zhàn)趣味拼圖游戲
- MPS粉絲團(tuán)招募，邀您解鎖新能源電源“芯”技術(shù)
- 我與貿(mào)澤不得不說(shuō)的秘密——BOM與搜索功能，讓選型和采購(gòu)更絲滑更高效
- 加入Vishay電子學(xué)習(xí)社，優(yōu)質(zhì)資源限時(shí)免費(fèi)放送
- STM32H5系列高性能MCU，卓越性能和高安全性超乎你想象
- 華邦電子與萊迪思聯(lián)合技術(shù)論壇即將來(lái)襲，21ic邀你來(lái)報(bào)名
