搜索资源列表
face_pattern_recognization
- 一篇很好的关于模式识别的论文,是关于多模态识别的-this paper is very good for student in pattern recognizaiton
Hilbert335
- 测量6205深沟球轴承的故障振动加速度信号, 对信号进行时频分析, 利用经验模态分解方法将振动信号分解成不同特征时间尺度的固有模态函数,对每个固有模态函数进行Hilbert 变换得到Hilbert 谱,通过谱分析识别轴承的故障部位和类型, 证实Hilbert 谱的有效性-Measuring 6205 deep groove ball bearing fault vibration acceleration signal, the signal frequency analysis, empiri
116
- 针对柴油机振动信号的瞬时非线性特点, 提出采用柴油机振动信号的本征模函数( IMF) 分量进行特征频带识别的新方法。将柴油机振动信号经经验模态分解, 并去掉主要干扰因素所对应的IMF分量, 再将剩余IMF分量进行重构得到柴油机振动信号-For instantaneous nonlinear characteristics of vibration signals of diesel engine, the diesel engine vibration signal of the intrins
119
- 根据希尔伯特- 黄模态分解的特点, 结合 ST A / LT A 算法自动识别信号模态与噪音 模态, 提 出了基于 HHT的模态分解-ST A / LTA 的地震信号自动去噪算法-According to Hilbert- Huang mode decomposition characteristics, combined with ST A/LT A algorithm for automatic identification signal and noise modal modal prop
ITD
- 基于环境激励的ITD时域模态分析方法，简单快速识别，方便-ITD domain modal analysis method based incentive environment
dynamics-model
- 为了实现干制红枣的大小自动分级 ， 介绍了应用 机 器 视 觉 的 干 制 红 枣 自 动 分 级 方 法 ， 利 用 CCD 摄 像 机 获取红枣的样本图像 ， 应用 MATLAB 软件编程实现了样本图像的灰度化 、 二值化 、 图 像 分 割 、 图 像 滤 波 、 图 像 形 态 学处理 、 边缘检测和特征量提取等处理 ， 参照 干 制 红 枣 分 级 标 准 完 成 了 红 枣 自 动 分 级 。 通 过 实 验 数 据 回 归 分 析 得出红枣实测纵径 、 果质量与识别值当
456
- 基于语音信号与心电信号的多模态情感识别研究和处理-Based on speech signal with the ecg signal modal emotion recognition research and treatment
VMD
- 本文介绍了一种自适应信号分解新方法-变分模态分解，并且针对滚动轴承早期故障识别困难这一问题，提出了基于VMD的诊断方法。-In this paper, a new adaptive signal decomposition method, variational mode decomposition, is introduced. Aiming at the problem of early fault identification of rolling bearing, a diagnosis
fw802
- 数据模型归一化，模态振动，完整的基于HMM的语音识别系统，粒子图像分割及匹配均为自行编制的子例程。- Normalized data model, modal vibration, Complete HMM-based speech recognition system, Particle image segmentation and matching subroutines themselves are prepared.
VMD、MPE、GK
- 基于变分模态分解与多尺度排列熵的 生物组织变性识别* 刘备 胡伟鹏 邹孝 丁亚军 钱盛友
结合双模多尺度 ＣＮＮ 特征及自适应深度ＫＥＬＭ 的浮选工况识别
- 针对可见光图像特征驱动的浮选工况识别方法的不足，提出一种基于双模态图像多尺度 ＣＮＮ 特征及自适应深度自编码核极限学习机（Ｋｅｒｎｅｌ Ｅｘｔｒｅｍｅ Ｌｅａｒｎｉｎｇ Ｍａｃｈｉｎｅ，ＫＥＬＭ）的浮选工况识别方法。先对泡沫的可见光、红外图像进行非下采样剪切波多尺度分解，设计双通道 ＣＮＮ 网络对双模态多尺度图像进行特征提取及融合，将多个双隐层自编码极限学习机串联成深度学习网络对 ＣＮＮ 特征逐层抽象提取，然后通过核极限学习机映射到更高维空间进行决策，最后改进量子细菌觅食算法并应用于深度自编码