特征提取是电子技术与信号处理领域中的核心环节，通过从原始数据中识别出最具代表性的信息，为模式识别、机器学习及数据分析提供强有力的支持。广泛应用于图像处理、语音识别、生物医学工程等多个前沿科技领域。掌握特征提取技术不仅能够提升工程师解决实际问题的能力，还能促进跨学科创新项目的开发。本页面汇集了2579...
Kohonen的SOFM(自组织特征映射)：这种算法部分收到生物特征影响，在网络输出层内按几何中心或特征进行聚类。
现有的代数特征的抽取方法绝大多数采用一维的方法，即首先将图像转换为一维向量，再用主分量分析（PCA）,Fisher线性鉴别分析（LDA）,Fisherfaces式核主分量分析（KPCA）等方法抽取特征，然后用适合的分类器分类。针对一维方法维...
针对齿轮故障特征信号具有强噪声背景、非线性、非平稳性特点，提出采用形态梯度小波对齿轮振动信号进行降噪。首先使用形态梯度小波把齿轮振动信号分解到多个尺度上，然后对各层的细节系数进行软阈值方法降噪处理，对经过处理后的小波系数进行重构。对降噪后的...
本书描述了因特网和IP的主要特征，包括包丢失和时延抖动，并让读者了解数字信号处理器(DSP)和语音编码器在VoIP中所扮演的角色。本书还为读者讲述了如何通过ISDN、xDSL、HFC本地环路或其他途径建立与业务提供商之间的通路，以及目前主要...