搜索资源列表
dpprony
- 基于prony算法的低频振荡模式识别，另附一篇相关文章。
2DLDAwiththeSVM-basedfacerecognitionalgorithm
- 二维线性鉴别分析(2DLDA)算法能有效解决线性鉴别分析(LDA)算法的“小样本”效应，支持向量机 (SVM)具有结构风险最小化的特点，将两者结合起来用于人脸识别。首先，利用小波变换获取人脸图像的低频分量，忽 略高频分量：然后，用2DLDA算法提取人脸图像低频分量的线性鉴别特征，用“一对多”的SVM 多类分类算法完成人脸 识别。基于ORL人脸数据库和Yale人脸数据库的实验结果验证了2DLDA+SVM算法应用于人脸识别的有效性。-”Small sample size”problem
prony
- prony算法在电力系统的低频振荡中的应用，分析，判断，给出频率相位等-prony algorithm in power system low frequency oscillation of the application, analysis, judgments, given frequency and phase, etc.
ann
- 介绍了一种基于神经网络白化匹配滤波器的QRS 波检测方法。我们用神经网络白化匹配滤波器来处 理ECG 信号的低频成分, 模拟其非线性及非稳态的特性。处理后的信号中含有ECG 中大部分高频成分, 让其通过 一线性匹配滤波器来检测QRS 波及其位置。对于大噪声的ECG 信号, 在匹配滤波器后加差分滤波, 取平方及滑动 平均等处理, 提高检测正确率。使用这种方法我们对M IT?B IH 心电信号数据库中噪声比较大的105号数据进行的 处理, 检测正确率为9912 。作为对比, 用数字
duoquanzhishengjingwangluo
- 应用多权值神经网络方法对静态手势进行识别, 对手势字母图像采用傅里叶描述子提取特征信息, 取低频信息成分构建成犯维特征向量, 并应用多权值神经网络的算法, 构建各类的神经元网络-W ith th e develo Pm en t of hu m an eom p uter intera etion te ehn olo盯, th e h as been b ased on an im P o rt a n t tas k fo r U r o n s diseu ssion
小波变换和混沌理论在股市预测中的应用
- 应用小波变换和混沌理论相结合的方法对股票市场进行预测 ,即先对股指时序进行小波分解 ,然后对分解得到的高、低频部分分别进行混沌预测 ,再将预测的结果进行小波重构 ,得到原时序的预测结果。 在此基础上应用小波和混沌理论提出进一步提高预测精度的方法 ,即通过对高频部分再进行小分解、混沌预测和小波重构而使高频部分的预测精度得以提高 ,进而提高原始时序的预测精度。(The method of combining wavelet transform and chaos theory is used to