用于图像识别的新型神经元网络 提出了一种用于图像识别的映封正交神经元网络。 在一般情况下待识别的样本空间的维数相当大, 为了有效地进行识别,必须把样本空间的维数降下来。目前常用的方法就是特征提取法,本文采用映射正交过程把样本空间映射成正交分类空间,并在此基础上,采用网络进行图像分类。计算机上模拟结果表明此网络县有时缺损和噪声图像进行正确识别的能力
上传时间： 2013-11-29
上传用户：思琦琦
基于MATLAB的语音识别MFCC特征提取算法
上传时间： 2017-08-30
上传用户：lacsx
本文提出的特征系统实现算法是多输入多输出的时域模态参数识别方法,
上传时间： 2017-09-02
上传用户：JIUSHICHEN
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
上传时间： 2014-12-03
上传用户：13160677563
关于特征向量提取的的英文文献,在人脸识别中有用,可以参考
上传时间： 2017-09-10
上传用户：llandlu
随着 国 内 遥感卫星的迅 速发展卫星 图 像的 图 幅越来 越大分辨率越来越高 。 在轨 遥感 图 像的几何 精 度 评价要求从待评遥感 图 像和 多源 参考 图 像之间精确 地提取出 分布 均 匀 的控 制 点 信 息 。 使用 滤波 对高 分辨率影像进 行增强时 ， 会 产生过增强 和饱和 现象 影响 了 控制 点 提取效果。 为 了 克 服上述缺陷 提出 了 一 种基于 稀 疏识別的 自 适应 图像增 强算 法。 方法 首先计算 图像子区域的 辐射质量参数并构 建 分类特征 ； 然 后通过 稀疏识别算 法确 定子区域的 地物 类型； 最后根据子区域所属 地物类 型 ， 选择不同 的 滤 波 参数 实 现整幅图 像 的 自 适 应增 强 并 在增 强 的 遥感图 像上提 取控制 点 信息 实 现遥感图像 的 几何精 度 自 动 化评价。 结果 针 对资源 三号卫星影 像的 实 验结果表明 针对不同 的 子区域地物 类型进行 自 适 应 增强， 有 效 防 止了 基于全局统一 参 数的 滤波带来 的 过增 强和饱和现象 有 效增强 了 高 分辨 率图像 的纹理。 结论 提出 了 一 种 新的高分 辨率遥 感影像增强 策略 增强了 高 分辨率图 像的 纹理， 提高 了控制 点的 获 取数 目 和 准 确 率。 关键词： 稀疏识别 ； 辐射参数 ； 自 适应 增强； 提取控制 点
上传时间： 2015-11-22
上传用户：chao1020
随着信息技术的发展以及嵌入式、人脸识别、计算机网络等技术的提高，人们正在感受着科技带来的便利和益处。 该系统通过摄像头获取人脸图像,在后台应用系统完成图像识别,然后给单片机发送命令来控制门禁系统。软件上首先利用小波变换对人脸图像进行2次小波分解,然后对低频分量进行离散余弦变换(DCT)提取特征值,最后利用欧氏距离和最近邻分类器进行识别。采用OpenCV人脸识别算法进行处理输出。达到该系统构建简单、方便,识别速度快且准确率较高。 本文主要介绍了基于人脸识别算法的门禁系统的设计与实现。在对人脸识别算法研究的基础上，进一步对整个门禁系统设计与实现进行了详细阐述。主要内容包含以下几点： 1．简单的介绍了课题研究的背景、目的及意义，介绍了人脸识别的背景，阐述了国内外人脸识别的现状以及人脸识别的难点，还介绍了相关的技术。 2．人脸识别算法的研究：主要对Gabor滤波算法、K-L变换算法、Haar特征提取算法这三种特征提取算法进行了详细介绍，也对PCA和LDA这两种人脸识别算法进行了详细的阐述和实验的对比。 3．门禁系统的设计与实现：从需求分析入手对系统的总体模式、总体结果、功能模块、数据库设计等各部分进行了简单的介绍。 4．系统的测试：在对核心算法人脸识别进行了详细的研究以及整个门禁系统的设计和实现结束后，对于整合实现的系统，进行了详细的测试，并给出了功能测试报告和性能测试报告。 本文设计的基于人脸识别的门禁系统，在一定程度上可以较好的识别人脸.
上传时间： 2022-05-28
上传用户：
本文对家用电器中语音识别技术的DSP实现进行了研究。文章介绍了语音识别技术的基本概念，讨论了语音识别系统的组成和实现的技术；详细分析了构成语音识别系统的四个组成部分，包括语音信号数字化与预处理、语音的端点检测、特征提取与模式匹配。着重介绍了实现端点检测的短时平均能量与短时平均过零率分析，语音信号的线性预测分析及在此基础之上的倒谱特征参数，以及实现模式匹配的常用的矢量量化技术、动态时间规整技术和隐马尔可夫模型；根据提出的语音识别系统的构成，介绍了在MATLAB6.5上实现了采用动态时间规整算法的识别系统的仿真分析。
上传时间： 2013-04-24
上传用户：zwei41
射频识别(Radio Frequency Identification，RFID)是一种允许非接触式数据采集的自动识别技术。其中工作在超高频(Ultra High Frequency，UHF)频段的无源RFID系统，由于在物流与供应链管理等领域的潜在应用，近年来得到了人们的广泛关注。这种系统所使用的无源标签具有识别距离长、体积小、成本低廉等突出特点。目前在市场上出现了各种品牌型号的UHF RFID无源标签，由于不同品牌型号的标签在设计与制造工艺上的差异，这些标签在性能表现上各不相同，这就给终端用户选择合适自己应用的标签带来了困难。RFID基准测试就是在实际部署RFID系统前对RFID标签的性能进行科学评估的有效手段。然而为了在常规实验室条件下得到准确公正的测试结果，需要对基准测试的性能指标及测试方法学开展进一步的研究。本文正是研究符合EPC Class1 Gen2标准的RFID标签基准测试。 本文首先分析了当前广泛应用的超高频无源RFID标签基准测试性能指标与测试方法上的局限性与不足之处。例如，在真实的应用环境中，由于受到各种环境因素的影响，对同一品牌型号的标签，很难得到一致的识读距离测试结果。另外，在某些测试场景中，使用识读速率作为测试指标，所得到的测试结果数值非常接近，以致分辨度不足以区分不同品牌型号标签的性能差异。在这些分析基础上，本文把路径损耗引入了RFID基准测试，通过有限点的测量与数据拟合分别得到不同类型标签的路径损耗方程，结合读写器天线的辐射方向图，进一步得到各种标签受限于读写器接收灵敏度的覆盖区域。无源标签由于其被动式能量获取方式，其实际工作区域仍然受限于前向链路。本文通过实验测试出这些标签的最小激活功率后，得出了各种标签在一定读写器发射功率下的激活区域。完成这些步骤后，根据这两种区域的交集可以确定标签的工作区域，从而进行标签间的比较并达到基准测试的目的，并能找出限制标签工作范围的瓶颈。 本文最后从功率损耗的角度研究了标签之间的相互干扰，为用户在密集部署RFID标签的场景中设置标签之间的最小间隔距离具有重要的参考意义。
上传时间： 2013-04-24
上传用户：hbsunhui
心音信号是人体最重要的生理信号之一，包含心脏各个部分如心房、心室、大血管、心血管及各个瓣膜功能状态的大量生理病理信息。心音信号分析与识别是了解心脏和血管状态的一种不可缺少的手段。本文针对目前该研究领域中存在的分析方法问题和分类识别技术难点展开了深入的研究，内容涉及心音构成的分析、心音信号特征向量的提取、正常心音信号（NM）和房颤（AF）、主动脉回流（AR）、主动脉狭窄（AS）、二尖瓣回流（MR）4种心脏杂音信号的分类识别。本文的工作内容包括以下5个方面： a）心音信号采集与预处理。本文采用自行研制的带有录音机功能的听诊器实现对心音信号的采集。通过对心音信号噪声分析，选用小波降噪作为心音信号的滤波方法。根据实验分析，选择Donoho阈值函数结合多级阈值的方法作为心音信号预处理方案。 b）心音信号时频分析方法。文中采用5种时频分析方法分别对心音信号进行了时频谱特性分析，结果表明：不同的时频分析方法与待分析心音信号的特性有密切关系，即需要在小的交叉项干扰与高的时频分辨率之间作综合的考虑。鉴于此，本文提出了一种自适应锥形核时频（ATF）分析方法，通过实验验证该分布能较好地反映心音信号的时频结构，其性能优于一般锥形核分布（CKD）以及Choi-Williams分布（CWD）、谱图（SPEC）等固定核时频分析方法，从而选择自应锥形核时频分析方法进行心音信号分析。 c）心音信号特征向量提取。根据对3M Littmann（） Stethoscopes[31]数据库中标准心音信号的时频分析结果，提取8组特征数据，通过Fihser降维处理方法提取出了实现分类可视化，且最易于分类的心音信号的2维特征向量，作为心音信号分类的特征向量。 d）心音信号分类方法。根据心音信号特征向量组成的散点图，研究了支持向量机核函数、多分类支持向量机的选取方法，同时，基于分类的目的 性和可信性，本文提出以分类精度最大为判断准则的核函数参数与松弛变量的优化方法，建立了心音信号分类的支持向量机模型，选取标准数据库中NM、AF、AR、AS、MR每类心音信号的80组2维特征向量中每类60组数据作为支持向量机的学习样本，对余下的每类20组数据进行测试，得到每类的分类精度（Ar）均为100％，同时对临床上采集的与上述4种同类心脏杂音信号和正常心音信号中每类24个心动周期进行分类实测，分类精度分别为：NM、AF、MR的分类精度均为100％，而AR、AS均为95．83％，验证了该方法的分类有效性。 e）心音信号分析与识别的软件系统。本文以MATLAB语言的可视化功能实现了心音信号分析与识别的软件运行平台构建，可完成对心音信号的读取、预处理，绘制时-频、能量特性的三维图及两维等高线图；同时，利用MATLAB与EXCEL的动态链接，实现对心音信号分析数据的存储以及统计功能；最后，通过对心音信号2维特征向量的分析，实现心音信号的自动识别功能。 本文的研究特色主要体现在心音信号特征向量提取的方法以及多分类支持向量机模型的建立两方面。 综上所述，本文从理论与实践两方面对心音信号进行了深入的研究，主要是采用自适应锥形核时频分析方法提取心音信号特征向量，根据心音信号特征向量组成的散点图，建立心音信号分类的支持向量机模型，并对正常心音信号和4种心脏杂音信号进行了分类研究，取得了较为满意的分类结果，但由于用于分类的心脏杂音信号种类及数据量尚不足，因此，今后的工作重点是采集更多种类的心脏杂音信号，进一步提高心音信号分类精度，使本文研究成果能最终应用于临床心脏量化听诊。 关键词：心音信号，小波降噪，非平稳信号，心脏杂音，信号处理，时频分析，自适应，支持向量机
上传时间： 2013-04-24
上传用户：weixiao99
