识别性
共 24 篇文章
识别性 相关的电子技术资料，包括技术文档、应用笔记、电路设计、代码示例等，共 24 篇文章，持续更新中。
小波包变换在人脸识别光照补偿中的应用
·摘 要:提出了一种用于非均匀光照条件下人脸识别的光照补偿算法。该算法首先将人脸图像变换到对数域，并在对数域中计算2维小波包变换，通过舍弃部分子带图像中的系数来实现人脸图像的非均匀光照补偿。由于人脸光照补偿的目的是为了提高人脸识别性能，所以光照补偿的效果利用人脸识别率来表征。在Yale B人脸库中，与对数域离散余弦变换（DCT）光照补偿算法进行了比较，实验结果表明，本文方法的人脸识别平均误识率可以
语音识别SoC_UniLite的系统设计
·摘要： UniLite系统以DSP为核心,集成了片内存储器、AD/DA通道和多种的输入输出端口,有效控制了系统的成本和功耗,在有限的RAM空间上实现了高性能非特定人语音识别以及语音编解码的功能.系统采用连续隐含马尔科夫(CHMM)算法,运用了分阶段提取特征、束搜索等策略,在保证系统识别性能的同时大大降低了内存消耗,提高了识别速度,识别率在98.5﹪以上,识别时间在0.5倍实时以下.&
利用可见光和热红外图像对人脸识别性能的比较分析
·We present a comprehensive performance analysis of multiple appearance-based face recognition methodologies on visible and thermal infrared imagery. We compare algorithms within and between modalitie
一种广义的K—L变换与人脸识别
·摘 要:提出了一种直接基于图像矩阵的包含在类平均图像中判别信息的最优压缩方法。在ORL标准人脸库上的试验结果表明，提出的方法不仅识别性能优于传统的主分量分析和Fishr线性鉴别分析，而且特征抽取的速度得到了很大的提高。
基于二维对称主成分分析的人脸识别
·摘 要:由于人脸姿态、光照和表情等各方面的显著差别,使人脸识别成为非常具有挑战性的模式识别问题。主成分分析是模式识别技术中经典的特征抽取和降维技术之一。本文把其改进算法二维对称主成分分析应用到人脸识别中。二维对称主成分分析与传统主成分分析和对称主成分分析相比,可以得到更好的适合分类的特征。实验结果表明,二维对称主成分分析不仅实现了降维,而且能取得比传统主成分分析和对称主成分分析更好的识别性能,对
基于小波脊和FSVM的雷达辐射源识别
·摘 要:有效的特征提取和信号特征选择是解决复杂体制雷达辐射源信号分选难题的重要手段。利用小波脊和高阶谱分析方法提取雷达辐射源信号的瞬时频率、瞬时相位和幅度以及高阶累积量等特征向量。通过基于互信息的贪婪算法进行特征选择,得到具有低维数、可识别性的辐射源特征。为解决多分类问题中的不可分情况,引入基于模糊C均值聚类的模糊支持向量机进行雷达辐射源分类识别实验。实验表明,该方法对多种复杂辐射源信号具有较好
环境噪声对语音分布和语音识别性能影响的人工模拟分析
·环境噪声对语音分布和语音识别性能影响的人工模拟分析
改进的贝叶斯多分类器组合规则
·多分类器组合是提高识别效果的一条有效途径’文中提出一种用于多分类器组合的改进贝叶斯规则即首先通过对大量样本的统计获得有关每个分类器识别性能的先验知识将其作为多分类器组合的依据’组合时对每个类设置不同的阈值使组合效果得以改善这些阈值可以通过训练获得’在数字识别中的应用结果表明改进的贝叶斯规则可以使多分类器的组合结果识别率和置信度得到明显提高’
期刊论文：利用上下文和基频提高汉语连续数字串识别性能
·期刊论文：利用上下文和基频提高汉语连续数字串识别性能
基于分子印迹技术的仿生化学传感器
分子印迹技术是近年来兴起的一种新型高分子合成技术, 用它制备的印迹高分子具有高度的特定识别性, 因此可用来做传感器的识别元件。文中叙述了印迹高分子的制备, 其作为传感器识别元件的机理以及印迹传感器的应
基于免疫计算的概念提取方法研究
基于实例的模式识别中，由于存在大量实例和特征个数可变特性，导致分类器识别性能低下，难于形成具有高度概括性的共性对象实例。基于免疫计算的概念提取是在有效降低特征个数的同时，提取各类的中心，以此为实例模式
改进最优聚类中心雷达目标识别法
最优聚类中心法是一种有效的雷达目标一维距离像识别方法，但当训练数据较少时，该方法的识别性能急剧下降。其原因是该算法在利用少量数据进行训练时易产生“病态”矩阵，“病态”矩阵直接参与运算，导致错误识别结果
噪声环境下的语音识别性能研究
在变强噪音的情况下，语音识别的正确率会迅速下降；当噪声较强并且强度不断发生变化的时候，端点检测是一个难题；提出了两种方法保证噪声较强而且强度不断发生改变情况下的语音识别率：基于LPC距离的端点检测算法
基于FPGA的嵌入式系统说话人识别算法的研究与实现.rar
说话人识别是指通过对说话人语音信号的分析处理来自动识别说话人的身份，它在许多领域内有着良好的应用前景。本说话人识别系统是建立在基于FPGA的嵌入式系统之上的，采用了矢量量化的方法，它包括三个主要模块：特征提取、模式匹配和硬件平台。在特征提取过程中，将从说话人的语音信号中提取能够体现个性特征的少量参数，并对提取算法以速度为优先指标进行优化。在模式匹配模块中包含两个部分：一是码书生成步骤，二是识别步骤
一种适于非特定人语音识别的并行隐马尔可夫模型
<p>为了适合非特定人语音识别，提出了一种由多条并行马尔可夫链组成的并行HMM(Parallel</p><p>HiddenM arkovM odel,P HMM)，从而融合了基于分类的语音识别中为各个类别建立的模板，提高了</p><p>识别性能.各条链之间允许有交叉，使得融合的多模板之间存在状态共享，同时PHMM可以在训练过程</p><p>中自动完成聚类，且测试语音的输出结果来自所有类别，无需聚类
说话人识别是语音识别的一种特殊方式
说话人识别是语音识别的一种特殊方式，其目的不是识别语音内容，而是识别说话人是谁，即从语音信号中提取个人特征。采用矢量量化（VQ）可避免困难的语音分段问题和时间归整问题，且作为一种数据压缩手段可大大减少系统所需的数据存储量。本文提出了识别特征选取采用复倒谱特征参数和对应用VQ的说话人识别系统改进的一种方法。当用于训练的数据量较小时，复倒谱特征可以得到比较稳定的识别性能。VQ的改进方法避免了说话人识别
ROSETTA C++库是一个C++类库和例程集合
ROSETTA C++库是一个C++类库和例程集合，支持基于可识别性的经验建模和数据挖掘。它由许多用于通用机器学习和粗糙集理论的例程组成。
基于PSO训练SVM的人脸识别 利用支持向量机在学习能力方面表现的良好性能,结合核主元分析特征提取方法,将其应用于人脸识别中,该方法在实验中表现了良好的识别性能,为人脸识别领域提供了一条新的识别途径
基于PSO训练SVM的人脸识别
利用支持向量机在学习能力方面表现的良好性能,结合核主元分析特征提取方法,将其应用于人脸识别中,该方法在实验中表现了良好的识别性能,为人脸识别领域提供了一条新的识别途径
基于核的学习方法SVM(Support Vector Machine)有很好的分类识别性能
基于核的学习方法SVM(Support Vector Machine)有很好的分类识别性能，这是在SVM的基础上改进的一个更好的SKM(Support Kernel Machine)Package.
论文标题:自适应模糊系统在手写体数字识别中的应用研究 作者:张镭 作者专业:计算机软件人工智能 导师姓名:黄战 授予学位:硕士 授予单位:暨南大学 授予学位时间:19990501 论
论文标题:自适应模糊系统在手写体数字识别中的应用研究
作者:张镭
作者专业:计算机软件人工智能
导师姓名:黄战
授予学位:硕士
授予单位:暨南大学
授予学位时间:19990501
论文页数:59页
文摘语种:中文文摘
分类号:TP18 TP391.4
关键词:手写体数字 自适应 模糊逻辑 神经网络 模式识别
摘要:该文针对模式识别的特点,构造了适合于模式识别问题的自适