特征提取

關注297人關注
我要報錯

  • 機器學習完整流程

    對數(shù)據進行預處理和特征工程，包括數(shù)據清洗、歸一化/標準化、特征選擇、特征提取、生成新特征等，以使數(shù)據適合后續(xù)建模。

  • 語音識別包含哪幾種

    語音識別是一門多學科交叉技術，它與聲學、語音學、語言學、信息理論、模式識別理論以及神經生物學等學科都有非常密切的關系。它的任務主要是將語音信號轉換成對應的文字。為了實現(xiàn)這一目標，語音識別系統(tǒng)通常包括特征提取、聲學模型、語言模型以及字典與解碼等部分。

  • 機器學習算法工作原理

    在這篇文章中，小編將對機器學習的相關內容和情況加以介紹以幫助大家增進對它的了解程度，和小編一起來閱讀以下內容吧。

  • 人臉識別原理及處理流程

    人臉識別將是下述內容的主要介紹對象，通過這篇文章，小編希望大家可以對人臉識別的相關情況以及信息有所認識和了解，詳細內容如下。

  • 基于數(shù)學形態(tài)譜嫡的機械部件性能退化特征提取

    摘要:提出了基于數(shù)學形態(tài)譜嫡的性能退化特征提取方法。首先對機械狀態(tài)振動信號進行多尺度形態(tài)分解,建立數(shù)學形態(tài)譜,在此基礎上,結合信息嫡理論,度量振動信號在不同尺度域劃分下的形態(tài)復雜性。實驗結果表明,以數(shù)學形態(tài)譜嫡作為特征參數(shù),可以有效地描述軸承、齒輪等旋轉機械部件的性能退化趨勢。

  • 基于特征提取模式的腦電信號分析方式

    摘要:腦機接口是腦電信號識別的重要研究方向,正確區(qū)分腦電信號是將思維意識轉化為外圍設備具體動作的根本前提?，F(xiàn)重點分析了一種基于特征提取模式的腦電信號分類識別方法,致力于有效提升分類的精度。首先利用功率譜模型提取腦電信號的時頻特征,并將其作為人工神經網絡的樣本集及測試集,然后搭建多層反向傳播網絡,再利用LMS改進算法進行訓練,最終得到分類識別結果。經實驗證明,該腦電信號識別方法的分類效果良好。

  • 基于曲線匹配的中長期電力負荷分配方法

    摘要:針對目前發(fā)電企業(yè)電力負荷分配存在的問題,提出了一種基于曲線匹配的中長期電力負荷分配方法。通過將所提方法與傳統(tǒng)分配方法進行實驗對比證明,所提分配方法具有更高的匹配度,更適用于實際的電力負荷分配中。

  • 基于視頻聚類的關鍵幀提取算法

    摘要：關鍵幀可以有效減少視頻索引的數(shù)據量，是分析和檢索視頻的關鍵。在提取關鍵幀過程中，為了解決傳統(tǒng)聚類算法對初始參數(shù)敏感的問題，提出了一種改進的基于視頻聚類的關鍵幀提取算法。首先，提取視頻幀的特征，依據幀間相似度，對視頻幀進行層次聚類，并得到初始聚類結果；接著使用K-means算法對初始聚類結果進行優(yōu)化，最后提取聚類的中心作為視頻的關鍵幀。實驗結果表明該方法可以大幅提高關鍵幀的準確率和查全率，能較好地表達視頻的主要內容。

  • 基于形態(tài)特征提取的圖像匹配搜索技術研究

    摘要：傳統(tǒng)的圖像搜索方法一般是由圖像處理軟件自動抽取圖像的顏色、形狀、紋理等特征，并以此建立特征索引庫，進而由用戶輸入要查找的物品圖像，從而找出與之具有相近特征的圖像。而文中給出了從數(shù)學形態(tài)學的角度來提取圖像的關鍵形態(tài)特征，然后建立海量物品圖片的形態(tài)細化骨架庫，并以此簡化圖像搜索的關鍵內容，降低數(shù)據庫存儲量，提高匹配效率以及準確性的具體方法。

  • 基于智能語音的智能家居系統(tǒng)設計

    摘 要 ：文中設計了一款智能家居系統(tǒng)，主要介紹了語音識別技術的相關基礎原理以及流程。詳細分析了一段語音信號從采集到預處理，提取特征值后與語音庫中的聲學模型比對得出識別結果的過程及隱馬爾科夫的建模過程、算法流程，最后利用 Arduino 開發(fā)板搭建智能家居系統(tǒng)。

  • 人臉表情識別算法綜述

    摘 要：人臉表情識別因其廣泛的應用領域與良好的發(fā)展前景，成為計算機視覺領域的一個研究熱點。文中綜合論述了表情識別的研究狀況與各類算法，并對其中的特征提取算法與表情分類算法進行了簡單描述。常規(guī)的特征提取算法有基于幾何特征的提取方法、基于整體統(tǒng)計特征的提取方法、基于頻率特征率的提取方法和基于運動特征的提取方法。常規(guī)的表情分類算法則從基于傳統(tǒng)機器學習與深度學習兩個角度進行介紹。