自动语音识别源码对非特定人的孤立词语音识别算法 进行研究。考虑到语音识别技术在嵌入式系统处理能力较弱、存储空间有限的问 题上进行算法的选择和优化，以提高系统的鲁棒性，减少系统的
上传时间： 2013-12-17
上传用户：dsgkjgkjg
应用FCM（模糊c均值聚类）算法到文本聚类 采用两种方法计算文本相似度 采用ShootSeg分词 采用sogou互联网词库简化特征值计算
上传时间： 2013-12-12
上传用户：Zxcvbnm
基于逆向最大匹配算法的分词及基于HMM模型的词性标注系统，包括了未登录词的识别、数据库的添加等内容。（需要手动修改数据库的路径才可以运行）
上传时间： 2017-06-24
上传用户：从此走出阴霾
它是文本分词程序代码的核心算法，可以为语言学者提供强大的分词功能。
上传时间： 2014-01-09
上传用户：731140412
语音识别技术是信息技术领域的重要发展方向之一,小词汇量非特定人孤立词语音识别是语音识别领域中一个具有广泛应用背景的分支,在家电遥控、智能玩具、人机交互等领域有着重要的应用价值.语音识别芯片从20世纪90年代开始出现,目前的语音识别芯片都是以DSP为核心集成的语音识别系统,算法主要通过软件实现,为了提高速度和降低成本,下一代语音识别芯片将设计成软硬件协同实现,本文的目的是使用全硬件方法实现语音识别算法,为软硬件协同实现的方案提供参考.本论文主要完成了以下工作:(1)在选定的FPGA平台上,完成了整个系统的硬件设计.(2)对于硬件中难于实现而且占用较多资源的乘法器、求对数、求平方根以及快速傅立叶变换等关键模块,本文都根据电路的具体特点,给出了巧妙的实现方案,完成了算法需要的功能.(3)设计中使用了模块复用和流水线技术.(4)根据设计结果,给出了各个模块占用的硬件资源和运行速度.实验结果表明,本文所设计的硬件系统能够正常工作,在速度和面积方面都达到了设计要求.
上传时间： 2013-06-12
上传用户：01010101
线性卷积和线性相关的FFT算法：一 实验目的 1：掌握FFT基2时间（或基2频率）抽选法，理解其提高减少乘法运算次数提高运算速度的原理。 2：掌握FFT圆周卷积实现线性卷积的原理 二 实验内容及要求 1.对N=2048或4096点的离散时间信号x(n)，试用Matlab语言编程分别以DFT和FFT计算N个频率样值X(k), 比较两者所用时间的大小。 2.对N/2点长的x(n)和N/2点长的h(n)，试用Matlab语言编程实现以圆周卷积代替线性卷积，并比较圆周卷积法和直接计算线性卷积两者的运算速度。 三预做实验 1.FFT与DFT计算时间的比较 （1）FFT提高运算速度的原理 （2）实验数据与结论 2.圆周卷积代替线性卷积的有效性实验 （1）圆周卷积代替线性卷积的原理 （2）实验数据和结论 FFT提高运算速度的原理 FFT算法将长序列的DFT分解为短序列的DFT。N点的DFT先分解为2个N/2点的DFT，每个N/2点的DFT又分解为N/4点的DFT，等等。最小变换的点数即所谓的“基数”。因此，基数为2的FFT算法的最小变换（或称蝶型）是2点的DFT。一般地，对N点FFT，对应于N个输入样值，有N个频域样值与之对应。
上传时间： 2013-10-26
上传用户：erkuizhang
本文对MIMO OFDM 系统中基于iJlI练序列的信道估计问题进行了研究，针对信道冲击响应的最大抽头数大于每个OFDM符号中导频数的情况，提出一种有效的结合前后若干iJII练序列进行信道估计的算法和结合方式。仿真结果表明，在基于无线局域网(WLAN)中打包传送的MIMO OFDM系统里，本文的方法比采用块状训练序列的估计算法有着更小的归一化均方误差。
上传时间： 2013-10-23
上传用户：xianglee
基于朴素贝叶斯算法实现的中文文本分类程序。可以对中文文本进行分类识别，使用时先对分类器进行训练，然后进行识别。该Beta版本仅支持对3类文本进行分类，使用简单的中文分词方法，本程序尚不具备实用性，用于算法研究和改进。
上传时间： 2013-12-22
上传用户：huql11633
摘要文章介绍了作者在过击5年中在微内核技术上所做的工作．给出了3个算法．① 通过特任务调度 和线程调度算法相结合的方法．来解决单纯以线程为单位的调度系统的效率和公平性问题；③ 一个改进 的写时拷贝算法，它结合写时拷贝算法和诗问时拷用算法的优点．来解决写时拷贝算法在I386体系结抽 上的适应性问题；@ 提出了一个微内核操作系蜿计时模型，它解决了传统计时算法在微内核系统中计时 不准确的问题h
上传时间： 2013-12-15
上传用户：thinode
最短路径法分词程序。将中文句子经过原子切分后生成一个有向无环图，然后使用Dijkstra算法求出由起点到终点的最短路径以实现中文分词。
上传时间： 2013-12-27
上传用户：yulg
