搜索资源列表
1
- 摘要：一般的说话人识别系统包括特征提取和识别模型两部分，其中特征参数的选择对系统 的识别性能有关键性的影响，现就特征提取展开研究，介绍了各种常用的语音特征参数及目前 主流的两种参数的提取过程，并论述了小波分析应用于语音特征参数提取中的优势
AODV_AOMDV
- AODV和AOMDV路由协议性能仿真与分析:：使用NS一2仿真软件，选取分组投递率、端到端的平均时延、归一化的路由开销和路由发现频率4个指标对AODV和AOMDV 路由协议进行了性能仿真，通过改变业务源连接数目、节点的暂停时间分析比较这些参数对2个协议性能的影响，研究结果表明了AOMDV 多径协议的优越性。并提出了对AOMDV协议的改进。
face_classify_adaboost_cascade
- adaboost 弱分类器构成强分类器算法，并作图，分析样本数对性能的影响
libadaboost-0.1.beta
- 机器学习的自适应提升（adaboost）算法包，提供了学习boosting算法的通用框架，包括：学习、验证、测试、性能分析等 -Machine learning to enhance the adaptive (adaboost) algorithm package, boosting learning algorithm provides a generic framework, including: learning, validation, testing, performance ana
SunLightFace
- 支持摄像头，人脸识别二次开发包，相当易用、好用。是VC开发，但只有极小部分用到了MFC,大部分CODE均为标准C++编写。SunLightFace.exe是演示程序，可以通过这个程序来测试SDK的性能。SunLightFace.dll 是SDK，其性能技术指标与演示程序是完全相同的。 SunLightFace.dll是按WINDOWS API的标准调用来生成的动态库，并提供了VB,VC,C#三类范例代码，精简扼要，如果因VS版本问题无法打开，可以用其它文件编辑器打开.CPP,.H,.CS，.
Face_Recognition_Based_on_PCA_Comparative_Study.ra
- 主成成份分析( PCA) 方法是人脸识别技术中常用的一种一维特征抽取方法。传统PCA 方法用于人脸识别常常面临图像维数高,直接计算量的问题。为了解决这2 个问题,人们对PCA 进行了改进,提出并实现了多种基于PCA 的人脸识别。对3 种基于PCA 的人脸识别方法做了理论上的研究和实验上的性能比较。实验结果表明PCA + 2DPCA 是其中综合效果最好的一种方法。-Principal component analysis into (PCA) is a commonly used face rec
abshibie
- 构建神经网络，可用于识别二十六个英文字母。包含了神经网络的构建，训练和性能分析，以及识别。-recognise character
Seal-Identification
- 运用H15；I色彩窄间对印章图像颜色特征提取等一系列预处理，研究了多种识 别方法后发现基于纹理特征的印鉴识别方法不但速度快，而且识别率也较高，并且方法简便。通 过将极坐标和傅垦叶变换结合，计算m印签图像纹理的频谱度量，来完成印鉴的特征提取，运用支 持向量机分类器对印鉴进行识别，实验证明，方法具有良好的旋转不变纹理分析性能，提高了识别 率。-It WaS found a fast，simple and a higher seal image(HSI)identification
mvrymh1
- 在信道不完美估计状况下,空频分组码在ofdm系统中的性能分析-Under the condition of imperfect channel estimation, space-frequency block codes in ofdm system performance analysis