搜索资源列表
1
- 摘要：提出了一种新的说话人识别中特征参数的提取方法*在分别使用傅立叶分析和小波分析得到两组特征 参数之后，进一步利用+,-./0准则进行参数选取，构造了一种新的混合特征参数*在不增加训练和识别时计算 量的同时，结合了傅立叶分析和小波分析两者的优点，具有更好的分类能力*实验结果显示，这种新的混合参数 有效地提高了说话人的识别率，能更好地表征说话人的特征*
改善动态相位跟踪和不平衡电压检测性能的改进软锁相环算法
- 相位检测是控制系统的基础，软锁相环检测适用于电 压畸变场合，便于数字化实现。分析了软锁相环应用于静止 同步补偿器时面临的若干问题，并提出了2 方面的改进方 案：一是针对超前/滞后环节参数选取困难的问题，将其滤 波功能转移到前置延时信号消除环节中；二是q 轴电压经 PI 调节的输出直接作为相位的误差信号，减少了前向积分 环节。通过仿真实验证明改进后的软锁相环在动态相位跟踪 及不平衡电压检测等方面的性能有显著改善。
复杂网络孤立点选取算法
- 复杂网络中重要参数孤立点选择的Matlab 程序
GASVM.用遗传算法进行特征选取和svm参数优化的程序
- 用遗传算法进行特征选取和svm参数优化的程序。遗传算法工具箱goat已在压缩包 需要安装libsvm就可以直接运行。数据集采用UCI中的german数据集，并完成归一化操作,Genetic algorithm with feature selection and parameter optimization svm procedures. Genetic Algorithm Toolbox in goat need to install libsvm package can be run dir
pid
- 单纯形法整定pid参数,simulink环境,单纯形法很依赖初值的选取,在canshu.m中输入初始值。-Simplex method pid tuning parameters, simulink environment, simplex method is very dependent on the selection of initial value, in canshu.m enter the initial value.
L-curve
- L-曲线法是反问题正则化方法中的参数选取中的重要方法，本程序给出了如何恰当选取其中的参数！-L-curve method is the inverse problem regularization method of parameter selection in an important way, this procedure is given on how to properly select one of the parameters!
artical
- 关于最小二乘平差模型的总结与区别，讨论了关于参数选取的有关问题-On the least squares adjustment model and the difference between a summary of discussions on issues related to the parameters selected
DTWspeech
- 本 文 首先 介绍了语音识别的研究和发展状况，然后循着语音识别系统的 处理过程，介绍了语音识别的各个步骤，并对每个步骤可用的几种方法在实 验基础上进行了分析对比。研究了语音信号的预处理和特征参数提取，包括 语音信号的数字化、分帧加窗、预加重滤波、端点检测及时域特征向量和变 换域特征向量.其中端点检测采用双门限法.通过实验比对特征参数的选取， 采用12阶线性预测倒谱系数作为识别参数。详细分析了特定人孤立词识别算 法，选定动态时间弯折为识别算法，并重点介绍其设计实现。 在
TheSimulationStudyonPIDNeuralNetworkDecouplingCont
- 介绍了汽包锅炉燃烧控制系统的控制任务、量间关系、原则性控制方案、传统控制方法,以及解耦控制方法的发展 ,引入了 PID型神经网络控制系统的结构、学习算法、初始权值参数选取. MATLAB仿真结果表明 ,该控制系统对多变量强耦合时变的锅炉燃烧控制对象具有良好的解耦性能和自学习控制特性.-The control tasks, the relations between physical variables, the fundamental controlschemes, the convention
segmentdfdfsdf
- 图像分割技术是图像处理领域的研究热点之一 同时 它也是一个经典难题，到目前为止不存在一种通用 的图像分割算法使它适用于所有类型的图像。很多 的分割算法与选择的参数有关，参数选取的好坏直 接影响着分割结果的好坏，不好的参数选择会影响 图像的分割结果。参数的选择存在很大的人为性。 不利于实现自动化的分割。-Image processing, image segmentation technology is one of the hot areas of research at
choas
- 对混沌时间序列相空间重构中最佳延迟时间间隔和嵌入维数的选取方法作 了综述,提出了同时考虑这2 个参数选取的重构展开虚假邻点法以及预测误差最小-Of chaotic time series phase space reconstruction of the best delay time interval and the embedding dimension of the selection methods were reviewed and put forward these two pa
PSO
- 介绍了PSO算法，以及与遗传算法/人工神经网络的区别，并介绍了算法中参数的选取方法等内容。-Introduced the PSO algorithm, as well as with genetic algorithm/artificial neural network differences and describes the algorithm parameter selection methods and so forth.
Variable_KD_Tree_Algorithms_for_Spatial_Pattern_Se
- 一篇介绍并行kd tree寻优和参数选取的文章，值得一看！-Introduced a parallel kd tree optimization and parameter selection of articles, worth a visit!
svm
- 基于遗传算法的支持向量回归机参数选取，针对支持向量回归机( support vector regression , SVR) 的参数选择问题,提出了基于遗传算法的 SVR 参数自动确定方法。分-Based on genetic algorithm parameter selection of Support Vector Regression
Design
- 辅助飞机总体设计参数选取，估算重量以及飞机气动特性参数选取-Auxiliary aircraft design parameter selection, estimation of parameters of weight and aerodynamic characteristics of aircraft selected
adapt
- 自适应线性神经网络实现噪声对消，参数选取不同，效果不同-Adaptive linear neural network to achieve noise cancellation, select different parameters, different results
adaptive-genetic-algorithm
- 自适应GA SVM 参数选择算法研究Param eter selection algorithm for support vector machines based on adaptive genetic algorithm 支持向量机是一种非常有前景的学习机器, 它的回归算法已经成功地用于解决非线性函数的逼近问题. 但 是, SVM 参数的选择大多数是凭经验选取, 这种方法依赖于使用者的水平, 这样不仅不能获得最佳的函数逼近效果, 而且采用人工的方法选择 SVM 参数比较浪费
23445455
- 针对小生境粒子群优化技术中小生境半径等参数选取问题，提出了一种新颖的小生境方法，无须小生 境半径等任何参数。通过监视粒子正切函数值的变化，判断各个粒子是否属于同一座山峰，使其追踪所在山峰 的最优粒子飞行，进而搜索到每一座山峰极值。算法实现简单，不仅克服了小生境使用中需要参数的弊端，而且 解决了粒子群算法只能找到一个解的不足。最后通过对多峰值函数的仿真实验，验证了算法可以准确地找到所 有山峰-Proposed a novel niche for niche particle
svm参数优化
- 采用svm来做分类，一般能得到较满意的结果，但用svm做分类预测时需要调节相关的参数才能得到比较理想的预测分类准确率，那么svm的参数该如何选取？该程序主要说明如何更好地提升分类器性能。(Use svm to do the classification, the general can get more satisfactory results, but when using svm to do classification prediction need to adjust the relev
SVM_Short-term-Load-Forecasting2
- 本文采用最小二乘支持向量机（LSSVM）模型，根据浙江台州某地区的历史负荷数据和气象数据，分析影响预测的各种因素，总结了负荷变化的规律性，对历史负荷数据中的“异常数据”进行修正，对负荷预测中要考虑的相关因素进行了归一化处理。LSSVM中的两个参数对模型有很大影响，而目前依然是基于经验的办法解决。对此，本文采用粒子群优化算法对模型参数进行寻优，以测试集误差作为判决依据，实现模型参数的优化选择，使得预测精度有所提高。实际算例表明，本文的预测方法收敛性好、有较高的预测精度和较快的训练速度。(this