搜索资源列表
11
- 采用时序分析和BP神经网络,建立了基于时序-神经网络的车辆变速器齿轮故障诊断系统。通过 对车辆变速器齿轮运行状态特征信号进行时序分析和特征向量提取,并以此作为BP神经网络的输入向量进行网 络训练,从而实现变速器齿轮运行状态的识别与故障诊断。该系统应用于LC5T81变速器齿轮的故障诊断中,能 够比较准确地识别与诊断出变速器齿轮的跑合运行状态、磨损运行状态和故障运行状态。验证表明该诊断系统有 效、可行。 -Fault Diagnosis of Vehicle Transmissi
12
- 采用时序分析和BP神经网络,建立了基于时序-神经网络的车辆变速器齿轮故障诊断系统。通过对车辆变速器齿轮运行状态特征信号进行时序分析和特征向量提取,并以此作为BP神经网络的输入向量进行网络训练,从而实现变速器齿轮运行状态的识别与故障诊断。该系统应用于LC5T81变速器齿轮的故障诊断中,能够比较准确地识别与诊断出变速器齿轮的跑合运行状态、磨损运行状态和故障运行状态。验证表明该诊断系统有效、可行。 -Fault Diagnosis of Vehicle Transmission Gear Base
13
- 采用时序分析和BP神经网络,建立了基于时序-神经网络的车辆变速器齿轮故障诊断系统。通过对车辆变速器齿轮运行状态特征信号进行时序分析和特征向量提取,并以此作为BP神经网络的输入向量进行网 络训练,从而实现变速器齿轮运行状态的识别与故障诊断。该系统应用于LC5T81变速器齿轮的故障诊断中,能 够比较准确地识别与诊断出变速器齿轮的跑合运行状态、磨损运行状态和故障运行状态。验证表明该诊断系统有 效、可行。 -Based on time series analysis and BP neu
14
- 采用时序分析和BP神经网络,建立了基于时序-神经网络的车辆变速器齿轮故障诊断系统。通过对车辆变速器齿轮运行状态特征信号进行时序分析和特征向量提取,并以此作为BP神经网络的输入向量进行网 络训练,从而实现变速器齿轮运行状态的识别与故障诊断。该系统应用于LC5T81变速器齿轮的故障诊断中,能 够比较准确地识别与诊断出变速器齿轮的跑合运行状态、磨损运行状态和故障运行状态。验证表明该诊断系统有 效、可行。 -Based on time series analysis and BP neu
15
- 采用时序分析和BP神经网络,建立了基于时序-神经网络的车辆变速器齿轮故障诊断系统。通过对车辆变速器齿轮运行状态特征信号进行时序分析和特征向量提取,并以此作为BP神经网络的输入向量进行网络训练,从而实现变速器齿轮运行状态的识别与故障诊断。 -Based on time series analysis and BP neural networks, a fault diagnosis is built for vehicle transmission gear
Image-contour-extraction
- 图像形状提取:加入了神经网络识别,即提取出每幅图像的7阶矩特征后,送入神经网络进行识别-Image shape extraction: joined the neural network recognition, namely the extraction of each image in the7order moment characteristics, into the neural network identification
dct_bp
- 结合DCT和BP神经网络进行人脸识别。先利用DCT提取特征,然后利用BP神经网络分类,在ORL人脸库上测试效果不错。-The combination of DCT and BP neural network for face recognition. First DCT Feature Extraction, and then use the BP neural network classifier, a good test results on the ORL face database.
dct_pnn
- 结合DCT和概率神经网络进行人脸识别。先利用DCT提取特征,然后利用PNN分类,在ORL人脸库上测试效果不错。-The combination of DCT and probabilistic neural network for face recognition. First DCT Feature Extraction, and then use a PNN classification, good test results on the ORL face database.
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
zhuyuanfenxi123
- 利用主元分析的方法提取车牌字符的有效特征,为下一步输入神经网络识别做准备。-Using principal component analysis method to extract effective features of the license plate to prepare for the next input of the neural network recognition.
large_kmer_stat_20120603
- 对一条DNA序列进行特征的提取,其中包括4种特征-Feature extraction of a DNA sequence, including four kinds of features
spro
- spro是一个用于提取说话人特征的开源工具,用它可以提取mfcc、lpc等特征-spro is aimed at extracting features in the area of speaker recognition,you can extract features such as mfcc and lpc.
Tone-Recognition
- 调信息在汉语语音识别中具有非常重要的意义。采用支持向量机对连续汉语连续语音进行声调识别实 验,首先采用基于Teager能量算子和过零率的两级判别策略对连续语音进行浊音段提取,然后建立了适合于支持向 量机分类模型的等维声调特征向量。使用6个二类SVM模型对非特定人汉语普通话的4种声调进行分类识别,与 BP神经网络相比,支持向量杌具有更高的识别率。-Tone is an essential component for word formation in Chinese languages
Feature-selection-and-extraction
- 武汉大学《模式识别导论》特征的选择与提取的课件-feature selection and extraction of 《pattern recognition introductory》from Wuhan University.
BRISQUE_release
- 无参考图像质量评价,BRISQUE,基于MSCN的提取图片特征-No-Reference Image Quality Assessment in the Spatial Domain
Apso-bp-Rainfall
- 降水短期气候预测是一个非常复杂、重要的研究课题。为了提高其预测能力,拟采用1959—2011 年逐月74 项大气环流特征量序列、月平均500 hPa 高度场和月平均海温场,选取预测因子;用主分量分析方法提取样本数据中主要信息为综合因子。用粒子群优化人工神经网络方法,建立宣城市夏季降水短期气候预测模型。对2007—2011 年宣城市夏季降水预报检验结果表明,粒子群优化人工神经网络收敛速度快,迭代次数少;试报平均绝对误差是66.5 mm,绝对值平均相对误差10.5 ,预测精度高,具有很好的应用推广前
fsvm_pca
- 一个基于FSVM的人脸识别程序,用PCA提取特征,进行识别,里面包含原始的人脸图像-A based on FSVM face recognition program, using PCA feature extraction, identification, which contains the original face image
shuzishibie
- 以数字与字母识别系统的基本处理流程为主线,从待识别数据的获取入手,通过预处理、特征的提取与选择,到分类器的设计等部分都进行了较为详尽的分析与研究,MATLAB仿真实验表明;采用最小距离法对所给出的一组数字及字符图片进行不同的分块识别,最终得出分8块识别率为85.71 ;分16块识别率为95.71 ;分20块识别率为95 ;具有较高的识别率。-The basic process flow of the numbers and letters recognition system as the ma
Speech-signal-classification-
- 语音特征信号识别是语音识别研究领域中的一个重要方面,一般采用模式匹配的原理解 决。语音识别的运算过程为:首先,待识别语音转化为电信号后输入识别系统,经过预处理后用数学方法提取语音特征信号,提取出的语音特征信号可以看成该段语音的模式。然后将该段语音模型同已知参考模式相比较,获得最佳匹配的参考模式为该段语音的识别结果.-Speech characteristic signal recognition is an important aspect in the field of speech re
classification-of-Speech-signal-
- 语音特征信号识别是语音识别研究领域中的一个重要方面,一般采用模式匹配的原理解 决。语音识别的运算过程为:首先,待识别语音转化为电信号后输入识别系统,经过预处理后用数学方法提取语音特征信号,提取出的语音特征信号可以看成该段语音的模式。然后将该段语音模型同已知参考模式相比较,获得最佳匹配的参考模式为该段语音的识别结果-Recognition is the speech characteristic signal in the field of speech recognition is an i