搜索资源列表
Research_0n_Speech_Cepstral_Features
- 该文在研究基于线性预测倒谱和非线性MEL刻度倒谱特征的基础上，研究了LPCC和MFCC参数提取的算法原理及提取算法，提出了一级、二级差分倒谱特征参数的提取算法。识别实验验证了MFCC参数的鲁棒性优于LPCC参数。-In this paper, research is based on linear prediction and nonlinear MEL Cepstrum Cepstrum scale, based on studies of LPCC and MFCC parameter ex
PCA
- 提出一种基于主分量分析和相融性度量的快速聚类方法。通过构造主分量空间将高维数据投影到两个主成分上 进行特征提取，每一个主分量都是原始变量的线性组合-Is proposed based on Principal Component Analysis and Measure of blending fast clustering method. Principal component space by constructing a high-dimensional data onto two p
sift5
- :研究了一种多目标识别算法,该算法用SUSAN角点形成SIFT特征点,采用阶梯图像金字塔结构实现尺度不变,为所有匹配点建立统一的超定线性方程组并对该方程组系数矩阵进行简 化使其维数降低一半,得到增广矩阵.对增广矩阵进行列变换,依据坐标转换的特性可从中提取多目标的稳定正常点,实现了快速分离多目标的匹配点. -: Study of a multi-target recognition algorithm using SUSAN corner formed SIFT feature point
基于核函数主元分析的机械故障诊断方法
- 提出基于核函数主元分析的机械故障诊断方法, 它保留主元分析的优点并具有处理非线性的能力。该方法通过核函数映射将非线性问题转换成高维的线性特征空间, 然后对高维空间中的映射数据作主元分析,提取其非线性特征, 对机械故障模式进行识别。并与主元分析方法进行对比分析, 实验结果表明核函数主元分析法非常有效。-Proposed mechanical fault diagnosis method based on Kernel Principal Component Analysis, it retains
Chirp-radar
- 线性调频雷达信号特征提取方法研究-Chirp radar signal feature extraction method
PCA
- 在这篇文章中，我们主要阐述了基于PCA和LDA的人脸识别技术。这个技术包含两个步骤：首先，我们通过PCA将人脸图片从原始向量空间中提取到子向量空间——特征脸空间；然后，再通过LDA获得一个线性分类器。-In this article, we mainly elaborated based on PCA and LDA face recognition technology. This technique consists of two steps: First, we will face ima
Matlab
- nonmaxsup——非最大值抑制 hysthresh——设定阈值区间，返回一个二值化图像 canny——边缘探测，图像边缘增强 adjgamma——调整图像的伽马值 findline——利用线性Hough变换和Canny边缘探测得到的线上各点的坐标 circlecoords——返回由圆的半径和圆心坐标决定的圆上各点像素的坐标 houghcircle——取一幅经过canny变换的图像，利用hough变换找到图像中的一个圆 findcircle——计算所得线上各点
LTE
- 对于城市环境中的高精度单频 GNSS 接收机而言，若考虑误差预报处理已抵消电离层误差，则地面传播环境所导致的多径效应将成为系统误差的主要因素。基于现有蜂窝通信的高分辨率信道估计结果，针对电波传播的幅度、相位、多普勒等特征提取信道响应函数，在极小误差范围内提供至 L 波段信号的线性特征映射-For multipath effects in urban environments with high accuracy single-frequency GNSS receiver, the foreca
dimensionalspectral
- 小波变换是一种线性运算 , 它对信号进行不同尺度的分解 , 可有效地应用于如 信噪分离 , 提高时频两域的分辩率等 。本文讨论小波变换用于心电 Q RS 波形中细微特征 ( 即高频成份特征 ) 提取的方法.-Wavelet transform is a linear operation, its signal is decomposed at different scales, can be effectively used as the signal to noise separat
cu430
- 进行逐步线性回归，用平面波展开法计算二维声子晶体带隙,是学习PCA特征提取的很好的学习资料。- Stepwise linear regression, Computation Method D phononic bandgap plane wave, Is a good learning materials to learn PCA feature extraction.
fai_v31
- 小波包分析提取振动信号中的特征频率，计算互信息非常有用的一组程序,进行逐步线性回归。- Wavelet packet analysis to extract vibration signal characteristic frequency, Mutual information is useful to calculate a set of procedures, Stepwise linear regression.