2020国产精品视频,国产欧美va欧美va香蕉在线,国内老司机av在线

高噪聲率

本程序采用線性判別分析方法實現的字符識別

本程序采用線性判別分析方法實現的字符識別，達到較高的識別率。并給出了很多實驗得到的識別結果

標簽： 程序判別分析方法字符識別

上傳時間： 2013-12-23

上傳用戶：guanliya
語音端點檢測實驗程序

語音端點檢測實驗程序，利用短時能量和過零率檢測，具有較高的識別率

標簽： 語音端點檢測實驗程序

上傳時間： 2014-12-03

上傳用戶：皇族傳媒
JPEG壓縮技術十分先進

JPEG壓縮技術十分先進，它用有損壓縮方式去除冗余的圖像數據，在獲得極高的壓縮率的同時能展現十分豐富生動的圖像，換句話說，就是可以用最少的磁盤空間得到較好的圖像品質。而且 JPEG是一種很靈活的格式，具有調節圖像質量的功能，允許用不同的壓縮比例對文件進行壓縮，支持多種壓縮級別

標簽： JPEG 壓縮技術十分

上傳時間： 2016-06-28

上傳用戶：Ants
針對夜間動態背景下的行人檢測中分割算法受光照條件影響大、誤識別多等問題

針對夜間動態背景下的行人檢測中分割算法受光照條件影響大、誤識別多等問題，提出雙閾值分割算法和以多目標跟蹤為核心的算法框架。新的分割算法解決了行人亮度分布不均時的分割問題，同時在新的框架下可以綜合多幀的處理結果進行綜合判斷，通過將基于支持向量機的識別算法和多目標跟蹤算法的融合，降低了系統的計算量，且比一般的系統具有更高的識別率。

標簽： 動態分割算法光照背景

上傳時間： 2016-09-21

上傳用戶：wlcaption
S-Demo是一個大多被破解者用來作破解動畫過程的軟件

S-Demo是一個大多被破解者用來作破解動畫過程的軟件，它可以記錄你的屏幕上的任何動作及鼠標的移動過程，同時使用了較高的壓縮率。當然壓縮率可以選擇，在正常的操作情況下，每分鐘的生成的文件大小在200K左右（800x600x32bits）。

標簽： S-Demo 破解動畫過程

上傳時間： 2014-01-26

上傳用戶：lixinxiang
為減少測試數據存儲量,提出一種有效的新型測試數據壓縮編碼———PTIDR 編碼,并構建了基于該編碼的壓縮P解壓縮方案1 PTIDR 編碼能夠取得比FDR ,EFDR , Alternating F

為減少測試數據存儲量,提出一種有效的新型測試數據壓縮編碼———PTIDR 編碼,并構建了基于該編碼的壓縮P解壓縮方案1 PTIDR 編碼能夠取得比FDR ,EFDR , Alternating FDR 等編碼更高的壓縮率,其解碼器也較簡單、易實現,且能有效地降低硬件開銷1 與Selective Huffman , CDCR 編碼相比,PTIDR 編碼能夠得到較高的壓縮率面積開銷比1 特別地,在差分測試集中0 的概率滿足p ≥017610 時,PTIDR 編碼能取得比FDR 編碼更高的壓縮率,從而降低芯片測試成本1

標簽： PTIDR Alternating EFDR 編碼

上傳時間： 2013-12-02

上傳用戶：yyyyyyyyyy
實現音頻AAC3的解碼

實現音頻AAC3的解碼，聲音質量高，采樣率44HZ,碼率低，適合窄帶傳輸

標簽： AAC3 音頻解碼

上傳時間： 2017-04-29

上傳用戶：hfmm633
實現下位機和PC通信的C程序

實現下位機和PC通信的C程序，利用FIFO收發數據，正確率高，誤碼率小

標簽： 下位機 C程序通信

上傳時間： 2013-12-02

上傳用戶：GHF
L3_1.m: 純量量化器的設計(程式) L3_2.m: 量化造成的假輪廓(程式) L3_3.m: 向量量化器之碼簿的產生(程式) L3_4.m: 利用LBG訓練三個不同大小與維度的

L3_1.m: 純量量化器的設計(程式) L3_2.m: 量化造成的假輪廓(程式) L3_3.m: 向量量化器之碼簿的產生(程式) L3_4.m: 利用LBG訓練三個不同大小與維度的碼簿並分別進行VQ(程式) gau.m: ML量化器設計中分母的計算式(函式) gau1.m: ML量化器設計中分子的計算式(函式) LBG.m: LBG訓練法(函式) quantize.m:高斯機率密度函數的非均勻量化(函式) VQ.m: 向量量化(函式) L3_2.bmp: 影像檔 lena.mat: Matlab的矩陣變數檔

標簽： 量化程式 LBG 向量

上傳時間： 2013-12-26

上傳用戶：jiahao131
情感虛擬人技術在人機交互中的應用研究

情感識別是機器通過識別和理解過程把人類的語音、表情和肢體語言中的情感信息識別出來。情感交互是機器通過接收人類的情感信息來模擬人類的情感決策過程，從而表達出自身情感的過程。本文的主要目標是把虛擬人技術應用到人機交互中，研究出具有情感識別功能和情感表達功能的機器。本文的具體工作和貢獻包括：第一，詳細描述虛擬人的三維模型和情感模型的建立過程。這里介紹了虛擬人實體的建立和控制，以及虛擬人的情感計算模型和情感決策機制。利用三維建模工具和游戲制作軟件，來建立虛擬人和虛擬場景，并通過對虛擬人控制模塊的設定來驅動虛擬人的動作和行為特點，這使虛擬人能夠從行為上表達情感。虛擬人的情感模型是虛擬人情感計算和決策的關鍵，是虛擬人具有情感能力的基礎。這里主要工作就是通過模擬人的情感計算過程和決策機制，來建立虛擬人的情感工作機制，從而控制虛擬人的情感計算過程，使虛擬人具有模擬人的情感表達的能力。第二，通過分析情感語音信號，來識別情感語音信號中的參數信息，并進一步識別出情感語音信號中的情感信息。語音信號中的參數有多種，本文在比較和總結的基礎上，選定了三種參數來綜合的識別語音信號中的情感信息。在情感語音語料庫的基礎上建立了情感特征參數數據庫，這個數據庫的主要是建立特征參數的參數模型，為情感識別建立識別基礎。第三，利用隱馬爾科夫模型算法在語音信號識別上的優點，來對情感語音信號進行情感信息的識別。情感信息與語言信息有共同的聲學特征，只是二者反映的信息不同。通過情感語音信號的特征分析和理論驗證，隱馬爾科夫模型是一個理想的選擇。實驗證明，隱馬爾科夫模型在情感信息的識別上，表現出很好的識別效果和較高的識別率，為隱馬爾科夫模型的應用提供了事實支持。第四，建立人機交互系統原型，通過對整個系統進行測試和驗證，來證明人機情感交互的可行性和科學性。驗證主要通過情感識別和情感決策兩方面進行，情感識別的主要是建立在情感語音識別的基礎上，情感決策就是通過驗證虛擬人情感表達的結果跟期望值的對比結果。

標簽： 情感虛擬人技術人機交互

上傳時間： 2022-06-18

上傳用戶：jiabin