autograph攻擊特征自動提取，是一篇關(guān)于網(wǎng)絡(luò)攻擊特征自動提取的國外文章的原型系統(tǒng)
上傳時間： 2013-12-28
上傳用戶：xymbian
關(guān)于關(guān)聯(lián)向量機應(yīng)用的最新文獻！ 提出了一種核主元分析(KPCA)和關(guān)聯(lián)向量機(RVM)相結(jié)合的組合建模方法。KPCA-RVM采用KPCA對原始自變量進行非線性變換并提取主成分,形成特征自變量 采用RVM,對KPCA變換后的樣本數(shù)據(jù)進行回歸建模,并根據(jù)模型的預(yù)報能力自適應(yīng)的確定參與回歸的最佳特征變量個數(shù),消除冗余信息干擾,獲得強非線性表達能力且預(yù)報性能良好的模型。并將KPCA-RVM應(yīng)用于PTA裝置對羧基苯甲醛(4-CBA)含量的軟測量建模,結(jié)果表明該方法預(yù)測精度高于PCA-RVM和RVM。
上傳時間： 2013-12-20
上傳用戶：ddddddos
圖像的邊緣是指圖像中鄰域灰度有顯著變化 的像素的集合。它是圖像的基本特征, 因此邊緣檢 測方法在圖像處理中成為一個十分重要的課題。經(jīng) 典的邊緣提取方法是考察圖像的每個像素在某個鄰 域內(nèi)灰度的變化, 利用邊緣鄰近一階或二階方向?qū)? 數(shù)變化規(guī)律, 用簡單的方法檢測邊緣。但是, 因為邊 緣和噪聲都是高頻信號, 因此許多經(jīng)典邊緣檢測算 法很難在邊緣和噪聲中做出取舍。在眾多的邊緣檢 測算子中, 算子因為具有優(yōu)良的邊緣檢測能 力, 因此在圖像處理中得到廣泛應(yīng)用。
上傳時間： 2014-01-08
上傳用戶：zhanditian
本篇論文從常用語音特征參量的提取、基于矢量量化和混合高斯模型的說話 人識別、識別方法的優(yōu)化及系統(tǒng)實現(xiàn)與實驗結(jié)果這幾個方面討論了說話人識別的 應(yīng)用技術(shù)，并對實驗結(jié)果進行了討論
上傳時間： 2014-12-19
上傳用戶：mikesering
基于貝葉斯理論的指紋識別算法及學習套件, 使用貝葉斯概率論實現(xiàn)對指紋識別,特征碼提取,特征對數(shù)獲取的功能
上傳時間： 2014-01-17
上傳用戶：qq521
關(guān)于特征向量提取的的英文文獻,在人臉識別中有用,可以參考
上傳時間： 2017-09-10
上傳用戶：llandlu
可以進行圖像特征點的提取，匹配，可以良好運行
標簽： 圖像處理
上傳時間： 2015-06-01
上傳用戶：592448730
基于多尺度光照不變?nèi)四樚卣鲌D像的提取方法。
上傳時間： 2016-06-06
上傳用戶：asd940808
隨著語音技術(shù)應(yīng)用的發(fā)展，語音信號數(shù)字處理的實時性要求越來越突出。這就要求在系統(tǒng)設(shè)計中，對系統(tǒng)的硬件環(huán)境要求更高。隨著語音處理算法的日益復(fù)雜，用普通處理器對語音信號進行實時處理，已經(jīng)不能滿足需要。專用語音信號處理芯片能解決實時性的要求，同時對器件的資源要求也是最低的。 論文利用Altera公司的新一代可編程邏輯器件在數(shù)字信號處理領(lǐng)域的優(yōu)勢，對語音信號的常用參數(shù)—LPC(線性預(yù)測編碼，Linear Predictive Coding)參數(shù)提取的FPGA(現(xiàn)場可編程門陣列，F(xiàn)ield Programmable Gate Array)實現(xiàn)進行了深入研究。論文首先對語音的離散數(shù)學模型和短時平穩(wěn)特性進行了分析，深入討論了語音線性預(yù)測技術(shù)。第二，對解線性預(yù)測方程組的自相關(guān)法和協(xié)方差斜格法進行了比較，提出了一種基于協(xié)方差斜格法的LPC參數(shù)提取系統(tǒng)的總體設(shè)計方案。第三，對Altera公司的Cyclon系列可編程器件的內(nèi)部結(jié)構(gòu)進行了研究，分析了在QuartusⅡ開發(fā)平臺上進行FPGA設(shè)計的流程。第四，對系統(tǒng)的各個功能模塊進行了設(shè)計，所有算法通過Verilog硬件描述語言實現(xiàn)，并對其工作過程進行了詳細的分析。最后，在Altera FPGA目標芯片EP1C6Q240C8上，對LPC參數(shù)提取系統(tǒng)進行了仿真驗證。 系統(tǒng)具有靈活的輸入輸出接口，能方便地同其它語音處理模塊相連，構(gòu)成一個完整的語音處理專用芯片，可以應(yīng)用于語音編解碼、語音識別等系統(tǒng)。
上傳時間： 2013-04-24
上傳用戶：TI初學者
對脈搏波的完全分析是建立在含有少量噪聲且較為清晰的脈搏波信號中，然而在采集脈搏波信號時容易受到多種干擾的影響，使其提取出來的脈搏波含有大量的噪聲，因此降噪處理顯得尤為必要。同時，脈搏波中含有人體生理病理信息，不同的人將表現(xiàn)為不同的特征，可以看出確定脈搏波特征點對于分析人體生理健康很有意義。針對信號去噪問題采用小波變換和多分辨率分析的方法，該方法在時域和頻域都能表征信號局部信息的能力，且具有對信號具有自適應(yīng)性。運用極值法確定出脈搏波的峰值點，然后再根據(jù)峰值點確定出其他特征點的位置，實驗證明該方法能夠增加特征點的檢出率。
上傳時間： 2013-10-12
上傳用戶：shirleyYim
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
