<abbr id="mi4ww"></abbr> NMFs算法（帶稀疏度約束的非負稀疏矩陣分解）用于實現基于人臉局部特征的人臉識別，通過近似的矩陣分解進行空間降維。
上傳時間： 2013-12-23
上傳用戶：zhliu007
數字圖像增強是圖像處理的一個重要分支它對圖像整體或局部特征能有效地改善直方圖是圖像處理中最重要的基本概念之一它能有效地用于圖像增強基于數字圖像增強對圖像處理的重要性本文主要 討論了圖像直方圖 直方圖均衡化 直方圖規定化圖像增強技術 并給出了相關的基本原理 同時用 語言加以實現并且給出標準的數字圖像在各種處理前與處理后的對照圖像和直方圖
上傳時間： 2014-01-09
上傳用戶：hzy5825468
這是一篇基于分層約束的人臉局部特征檢測算法…很直得大家參考
上傳時間： 2014-01-11
上傳用戶：xauthu
為了克服傳統的局部特征匹配算法對噪聲和圖像灰度非線性變換敏感的不足，提出了基于SIFT（Scale Invariant Feature Transform）描述算子的特征匹配算法。該算法首先
上傳時間： 2013-04-24
上傳用戶：hphh
心血管系統疾病是現今世界上發病率和死亡率最高的疾病之一。T波交替(T-wavealtemans,TWA)作為一種非穩態的心電變異性現象，是指心電T波段振幅、形態甚至極性逐拍交替變化。大量研究表明，TWA與室性心律失常、心臟性猝死等有直接密切的關系，已成為一種無創獨立性預測指標。隨著數字信號處理技術和計算機技術的迅速發展，微伏級的TWA已經可以被檢出，并且精度越來越高。本文以T波交替檢測為中心，基于ARM給出了T波交替檢測技術原理性樣機的硬件及軟件，實現實時監護的目的。 在TWA檢測研究中，需要對心電信號進行預處理，即信號去噪和特征點檢測。小波分析以其多分辨率的特性和表征時頻兩域信號局部特征的能力成為我們選取的心電信號自動分析手段。文中采用小波變換將原始心電信號分解為不同頻段的細節信號，根據三種主要噪聲的不同能量分布，采用自適應閾值和軟硬閾值折衷處理策略用閾值濾波方法對原始信號進行去噪處理：同時基于心電信號的特征點R峰對應于Mexican-hat小波變換的極值點，因此我們使用Mexican-hat小波檢測R峰，通過附加檢測方案確保了位置的準確性，并根據需要提出了T波矩陣提取方法。 隨后文章介紹了T波交替的產生機理及研究進展，分別從臨床應用和檢測方法上展現了目前TWA的發展進程，并利用了譜分析法、相關分析法和移動平均修正算法分別從時域和頻域對一些樣本數據進行T波交替檢測。在檢測中譜分析法抗噪能力較強，但作為一種頻域檢測方法，無法檢測非穩態TWA信號，而相關分析法受呼吸、噪聲影響較大，數據要求較高，因此可以在譜分析檢測為陽性TWA基礎上，再對信號進行相關分析，從而克服自身算法缺陷，確定交替幅度和時間段。最后對影響檢測結果的因素進行討論研究，從而降低檢測誤差。 文章還設計了T波交替檢測技術原理性樣機的關鍵部分電路和軟件框架。硬件部分圍繞ARM核的Samsung S3C44BOX為核心，設計了該樣機的關鍵電路，包括采集模塊、數據處理模塊(外部存儲電路、通信接口電路等)。其中在采集模塊中針對心電信號是微弱信號并且干擾大的特點，采用了具有高共模抑制比和高輸入阻抗的分級放大電路，有效的提取了信號分量：A/D轉換電路保證了信號量化的高精度。利用USB接口芯片和刪內部異步串行通訊實現系統與外界聯系。系統軟件中首先介紹了系統的軟件開發環境，然后給出了心電信號分析及處理程序設計流程圖及實現，使它們共同完成系統的軟件監護功能。
上傳時間： 2013-07-27
上傳用戶：familiarsmile
LNMF是基于“局部”非負矩陣分解生成特征空間的算法，而NMF是基于非負矩陣分解。
上傳時間： 2013-12-31
上傳用戶：來茴
PDindentifyBootstrap 局部放電 信號特征提取
標簽： PDindentifyBootstrap 局部放電 信號 特征提取
上傳時間： 2013-12-31
上傳用戶：我們的船長
SCE（shuffled complex evolution ）是一種相對較新的連續性問題的元啟發搜索算法。非常適合于求解具有多個局部最小的全局優化問題。SCE算法的主要特征是通過競爭進化和定期洗牌來確保每個復形獲得的信息能在整個問題空間獲得共享。
標簽： SCE evolution shuffled complex
上傳時間： 2013-12-25
上傳用戶：cc1915
局部濾波器的特征提取方法，能夠很好的反映圖像的細節特征和紋理特征。
上傳時間： 2013-12-21
上傳用戶：wl9454
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性。運用極值法確定出脈搏波的峰值點，然后再根據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
