特征量的選擇和提取

特征量的選擇和提取
為了有效地分類，希望同類樣本之間的距離越小越好，而不同類樣本之間的距離則越大越好，本文所使用的特征量盡可能滿足取樣的要求。

針對(duì)SAR圖像目標(biāo)分類，選用基于類內(nèi)類間距準(zhǔn)則的特征提取算法。假設(shè)有c個(gè)類型，令Jw表示類內(nèi)總平均平方距離，即

而判斷J的大小，J大即為所求的特征量組合。

合成孔徑雷達(dá)圖像目標(biāo)分類研究

閱讀全文

特征(9772) 特征(9772)

評(píng)論

相關(guān)推薦

基于卷積神經(jīng)網(wǎng)絡(luò)的雙重特征提取方法

機(jī)器學(xué)習(xí)技術(shù)已被廣泛接受，并且很適合此類分類問題?；诰矸e神經(jīng)網(wǎng)絡(luò)的雙重特征提取方法。提出的模型使用Radon拉冬變換進(jìn)行第一次特征提取，然后將此特征輸入卷積層進(jìn)行第二次特征提取。

2023-10-16 11:30:38

381

HOOFR-SLAM的系統(tǒng)框架及其特征提取

Intelligent Vehicles Applications1. 介紹2. HOOFR-SLAM2.1 系統(tǒng)框架2.2 HOOFR特征提取2.3 映射線程2.3.1 特征匹配1. 介紹提出一種HOOFR-...

2021-12-21 06:35:49

MATLAB中怎么對(duì)音頻信號(hào)頻譜圖中能量密度特征用數(shù)學(xué)形態(tài)學(xué)的方法進(jìn)行特征提取？

MATLAB中對(duì)音頻信號(hào)進(jìn)行小波分解和短時(shí)傅里葉分析后怎么對(duì)信號(hào)頻譜圖中能量密度特征用數(shù)學(xué)形態(tài)學(xué)的方法進(jìn)行形態(tài)特征提取？

2020-10-12 18:21:04

matlab倆組數(shù)據(jù)相似度和提取特征

我對(duì)matlab不懂，現(xiàn)在要求倆組數(shù)據(jù)的相似度，和提取這倆組數(shù)據(jù)的特征值，求幫忙啊

2014-05-29 18:25:56

基于LabVIEW的聲發(fā)射信號(hào)特征參數(shù)提取程序

最近在分析聲發(fā)射信號(hào)，請(qǐng)教大神如何編提取聲發(fā)射信號(hào)的特征參數(shù)提取程序，萬分感謝！

2018-11-04 10:46:40

基于局域判別基的音頻信號(hào)特征提取方法

空間能量的統(tǒng)計(jì)特征成特征矢量，并利用FISHER準(zhǔn)則函數(shù)進(jìn)行特征選擇，根據(jù)特征矢量設(shè)計(jì)支持向量機(jī)分類器，對(duì)三類音頻進(jìn)行分類識(shí)別。實(shí)驗(yàn)結(jié)果表明，該方法提取的特征矢量在音頻信號(hào)分類中是非常有效的。

2011-03-04 20:46:21

基于聯(lián)合頻率分析的特征提取及識(shí)別過程

的兩維處理方法，并用于三種數(shù)字信號(hào)的特征分析。最后詳細(xì)介紹了基于聯(lián)合頻率分析的特征提取及識(shí)別過程，給出了仿真測(cè)試結(jié)果。

2021-04-21 06:17:47

多站低頻雷達(dá)運(yùn)動(dòng)人體微多普勒特征提取與跟蹤技術(shù)【論文干貨】

雷達(dá)系統(tǒng)，研究了葉簇穿透人體微多普勒特征提取和跟蹤技術(shù)。目前對(duì)于人體微多普勒信號(hào)仿真的研究幾乎都是基于單站雷達(dá)，雙站雷達(dá)人體微多普勒大小不僅與人體運(yùn)動(dòng)方向有關(guān)，還與雙站角大小有關(guān)，雙站雷達(dá)散射截面

2021-12-20 15:49:31

如何提取模擬電路故障診斷中的特征方法？其步驟和優(yōu)缺點(diǎn)是什么？

如何提取模擬電路故障診斷中的特征方法？其步驟和優(yōu)缺點(diǎn)分別是什么？

2021-04-07 06:04:36

計(jì)算機(jī)視覺的特征提取算法研究至關(guān)重要。在一些算法中，一個(gè)高復(fù)雜度特征的提取可能能夠解決問題（進(jìn)行目標(biāo)檢測(cè)等目的），但這將以處理更多數(shù)據(jù)，需要更高的處理效果為代價(jià)。而顏色特征無需進(jìn)行大量計(jì)算。只需將數(shù)字圖像中的像素值進(jìn)行相應(yīng)轉(zhuǎn)換，表現(xiàn)為數(shù)值即可。因此顏色特征以其低復(fù)雜度成為了一個(gè)較好的特征。

2019-10-12 06:55:23

如何從特征值中提取兩個(gè)字節(jié)？

你好，我似乎不理解PSoC創(chuàng)建者的數(shù)據(jù)類型是如何工作的。在組合體的設(shè)置中，可以選擇特征值具有什么格式。當(dāng)數(shù)據(jù)類型為UIT8時(shí)，代碼中的值很容易使用，但是我不能用SITT16來處理它。當(dāng)服務(wù)器接收到寫

2019-10-15 13:24:16

學(xué)習(xí)AI的出發(fā)點(diǎn)：如何提取特征(Feature)

值了。例如，針對(duì)第1隻玩具，兩人分別測(cè)量出來的特徵值是：它的耳朵長(zhǎng)度是7.5，而其體重是5.0。接下來，兩人又去測(cè)量第2隻玩具，提取了它的特徵值：接下來，兩人又去測(cè)量第3隻玩具，提取了它的特徵值：依序

2020-11-27 10:27:25

怎樣去提取基于視頻流的興趣HOG特征呢

怎樣去提取基于視頻流的興趣HOG特征呢？其具體原理是什么？

2021-10-22 06:01:34

您好，我在學(xué)習(xí)labview提取脈搏、心電的特征值，請(qǐng)教教小白

您好，我在學(xué)習(xí)labview提取脈搏、心電的特征值，，請(qǐng)教教小白

2019-10-30 00:24:26

手指靜脈圖像的特征提取和識(shí)別前期研究

圖像處理，手指靜脈圖像的特征提取和識(shí)別前期研究

2012-05-11 11:51:27

手背靜脈特征提取算法

"特點(diǎn)的基礎(chǔ)上,先將手背靜脈圖像"分塊",再對(duì)分塊后的圖像進(jìn)行FRAT變換,并提出一種向量非均衡分布可得最大值的方法,提取手背靜脈圖像紋理特征,最后通過特征匹配進(jìn)行分類識(shí)別

2010-04-24 09:58:17

有大神嗎？可以分享一個(gè)LabVIEW指紋特征提取的資料嗎？

有大神嗎？可以分享一個(gè)LabVIEW指紋特征提取的資料嗎？感激不盡。

2017-04-19 07:31:13

模擬電路故障診斷中的特征提取方法

相應(yīng)的多尺度函數(shù)和多小波函數(shù)?！　⌒〔ǚ治鲈?b class="flag-6" style="color: red">特征提取中的優(yōu)勢(shì)，主要是利用小波基可以用較少非零小波系數(shù)去逼近一類實(shí)際函數(shù)的能力，選擇小波基應(yīng)該是以最大量的產(chǎn)生接近于零的小波系數(shù)為優(yōu)。小波基的這種能力

2016-12-09 18:15:39

語音特征參數(shù)提取的仿真研究

2012-08-20 12:38:27

請(qǐng)教 labview 聲發(fā)射信號(hào) RMS 能量特征參數(shù)提取

在做原油加熱爐爐管聲發(fā)射檢測(cè)，請(qǐng)教各位前輩信號(hào)RMS能量特征參數(shù)提取，labview有這些自帶函數(shù)嗎？

2012-08-04 21:18:03

請(qǐng)教信號(hào)RMS 能量特征參數(shù)提取

在做原油加熱爐爐管聲發(fā)射檢測(cè)，請(qǐng)教各位前輩信號(hào)RMS能量特征參數(shù)提取，labview有這些自帶函數(shù)嗎？

2012-08-04 21:21:52

高分辨率合成孔徑雷達(dá)圖像的直線特征多尺度提取方法

共線點(diǎn)之間的連續(xù)性和完整性,并在不同的尺度圖像中根據(jù)邊緣特征的特點(diǎn)選擇不同處理方法,來實(shí)現(xiàn)低分辨率條件下完整直線特征的粗略提取和高分辨率的精確定位。最后用高分辨率SAR圖像跑道檢測(cè)實(shí)驗(yàn)進(jìn)行了驗(yàn)證,并將

2010-05-06 09:04:04

基于改進(jìn)ReliefF算法的主成分特征提取方法

計(jì)算信息特征(屬性)的權(quán)重問題在信息分類及模式匹配中是一個(gè)研究熱點(diǎn)。該文提出一種基于改進(jìn)ReliefF算法的主成分特征提取方法，利用此算法刪除原始特征中與分類不相關(guān)的特征

2009-04-15 10:06:26

基于已知特征項(xiàng)和環(huán)境相關(guān)量的特征提取算法

在現(xiàn)有基于已知特征項(xiàng)特征提取算法的基礎(chǔ)上，提出一種基于已知特征項(xiàng)和環(huán)境相關(guān)量的特征提取算法。該算法通過已知特征項(xiàng)搜索頻繁項(xiàng)集，提高了特征提取速度。環(huán)境相關(guān)量的

2009-04-18 09:37:01

基于DDCT與TCSVD的人臉特征提取與識(shí)別算法

提出一種基于分塊離散余弦變換(DCT)與奇異值分解閾值壓縮(TCSVD)的人臉特征提取與識(shí)別算法。該算法對(duì)人臉圖像進(jìn)行分塊DCT變換，根據(jù)圖像塊位置和能量分布選擇不同的DCT高低頻分

2009-04-23 09:57:54

基于DCT和KDA的人臉特征提取新方法

提出了一種新的人臉特征提取方法，該方法采用DCT對(duì)人臉圖像進(jìn)行降維和去噪，并通過KDA提取人臉特征?；谠?b class="flag-6" style="color: red">特征，采用NN分類器，對(duì)ORL人臉庫(kù)進(jìn)行分類識(shí)別，僅用28個(gè)特征平均

2009-05-25 22:04:10

基于Fisher的Gabor特征提取方法

提出在Gabor 濾波理論的基礎(chǔ)上，結(jié)合Fisher 線性判別方法，對(duì)手寫數(shù)字圖像的所有特征點(diǎn)尋找局部最優(yōu)濾波頻率和濾波方向，從而提取最優(yōu)Gabor 特征的方法。對(duì)MNIST 手寫體數(shù)據(jù)庫(kù)的

2009-06-06 14:15:09

蠕蟲病毒特征碼自動(dòng)提取原理與設(shè)計(jì)

目前網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)（NIDS）主要利用特征碼檢測(cè)法來監(jiān)測(cè)與阻止網(wǎng)絡(luò)蠕蟲，而蠕蟲特征碼提取仍是效率低的人工過程。為解決這個(gè)問題提出了基于陷阱網(wǎng)絡(luò)的蠕蟲特征碼自動(dòng)提取

2009-08-12 08:51:46

基于ICA技術(shù)的管道泄漏特征信號(hào)提取方法

為了解決強(qiáng)背景噪聲下采集到的管道壓力參數(shù)信號(hào)中泄漏特征信號(hào)難以準(zhǔn)確提取的難題，本文提出利用獨(dú)立分量分析技術(shù)（ICA）對(duì)負(fù)壓波信號(hào)進(jìn)行處理，提取泄漏信息特征信號(hào)，

2009-09-01 11:17:42

SISAR功率譜特征提取方法

SISAR功率譜特征提取方法:文主要研究了對(duì)SISAR全息信號(hào)功率譜歸一化處理獲得識(shí)別特征的方法。通過分析側(cè)影成像全息信號(hào)和目標(biāo)側(cè)影雷達(dá)截面積的關(guān)系，導(dǎo)出由計(jì)算雷達(dá)截面積的方

2009-10-23 10:26:21

基于廣義典型相關(guān)分析的仿射不變特征提取方法

基于廣義典型相關(guān)分析的仿射不變特征提取方法:該文結(jié)合廣義典型相關(guān)分析(GCCA)理論，提出了一種新的圖像仿射不變特征提取方法。首先，基于多尺度自卷積變換(MSA)構(gòu)造了一組新

2009-10-29 12:52:53

基于FRFT的域-包絡(luò)曲線的雷達(dá)信號(hào)特征提取及自動(dòng)分類

提取和補(bǔ)充新的特征參數(shù)是解決復(fù)雜體制雷達(dá)輻射源信號(hào)分選和雷達(dá)目標(biāo)識(shí)別難題的有效手段，為此該文提出一種基于FRFT的α 域-包絡(luò)曲線特征向量的提取方法。該方法通過FRFT搜索

2009-11-10 16:18:59

基于噪聲環(huán)境下的MFCC特征提取

在語音識(shí)別系統(tǒng)中，如何在含有噪聲的語音信號(hào)中提取其良好的特征參數(shù)是系統(tǒng)的關(guān)鍵問題之一。本文通過采用自適應(yīng)濾波來濾除語音信號(hào)中的高斯白噪聲，然后提取出能夠反映人

2009-12-12 13:46:11

模式識(shí)別中的特征提取研究

特征提取是模式識(shí)別中的關(guān)鍵技術(shù)之一，本文提出了一種基于改進(jìn)ReliefF 算法的主成分特征提取方法，通過該方法進(jìn)行主特征特征提取可以有效降維，大大減輕了后續(xù)的分類器的

2009-12-12 13:47:45

特征提取與模板匹配結(jié)合的圖像拼接方法

本文提出一種特征點(diǎn)與模板匹配相結(jié)合的圖像拼接方法,先對(duì)相鄰兩幅圖像利用Harris算子提取特征點(diǎn),然后根據(jù)特征點(diǎn)的位置確定模板的大小和位置,大大減小了圖像拼接的計(jì)算量,

2010-02-21 14:38:14

基于有效性評(píng)價(jià)機(jī)制的小波包特征提取技術(shù)

本文介紹了如何應(yīng)用提升小波包變換對(duì)信號(hào)進(jìn)行特征提取,并在此基礎(chǔ)上提出了四條定量的評(píng)價(jià)標(biāo)準(zhǔn),能夠全面地對(duì)此類特征提取方法的有效性進(jìn)行評(píng)價(jià)。通過這四個(gè)標(biāo)準(zhǔn),就能更科

2010-02-22 15:34:33

非線性PCA在表面肌電信號(hào)特征提取中的應(yīng)用

非線性PCA在表面肌電信號(hào)特征提取中的應(yīng)用針對(duì)表面肌電信號(hào)的特點(diǎn),提出了一種應(yīng)用非線性主分量分析( PCA) 提取表面肌電信號(hào)特征的新方法. 該方法在表面肌

2010-02-26 17:08:26

基于子塊特征的遙感圖像邊緣灰提取

遙感圖像為地理信息系統(tǒng)數(shù)據(jù)的更新和應(yīng)用提供了有利條件,遙感圖像的特征提取是其中的關(guān)鍵問題。針對(duì)灰色絕對(duì)關(guān)聯(lián)度計(jì)算模型的特點(diǎn),提出一種基于灰色絕對(duì)關(guān)聯(lián)度和圖像子塊標(biāo)

2010-03-01 14:15:32

基于小波分析的車輛噪聲特征提取方法

特征提取是聲目標(biāo)識(shí)別的關(guān)鍵。由于車輛噪聲信號(hào)的非平穩(wěn)特性，傳統(tǒng)特征提取方法有很大局限性。介紹小波分析方法在車輛噪聲信號(hào)特征提取中的應(yīng)用，仿真結(jié)果證

2010-12-31 17:16:28

故障特征提取的方法研究

摘要：針對(duì)常規(guī)特征提取方法存在著問題不足，提出了基于BP神經(jīng)網(wǎng)絡(luò)和基于互信息熵的特征提取方法，并通過特征提取實(shí)例加以說明。結(jié)果表明這兩種方法是可行和有效的。

2006-03-11 13:14:21

1276

基于小波多尺度和熵在圖像字符特征提取方法的改進(jìn)

摘要：提出了一種基于小波和熵提取圖像字符特征的方法。該方法利用小波變換對(duì)圖像字符進(jìn)行多尺度分解，用marr零交叉邊緣檢測(cè)算子提取邊緣；用基于判別熵最小化提取每

2006-03-24 13:30:02

669

小波變換在過零調(diào)制信號(hào)特征提取中的應(yīng)用

小波變換在過零調(diào)制信號(hào)特征提取中的應(yīng)用介紹小波變換理論和算法，說明去除信號(hào)噪聲原理；給出了以db2為小波函數(shù)和選用閾值方法去噪的

2009-10-12 23:47:45

1446

基于EMD法的語音信號(hào)特征提取

特征提取是目標(biāo)識(shí)別的關(guān)鍵，如何從有限的測(cè)量數(shù)據(jù)中獲取有效、可靠的特征參數(shù)，是特征提取中重點(diǎn)考慮的問題。本文采用EMD方法對(duì)語音信號(hào)進(jìn)行頻率特征提取，可以較好地降低語音

2011-10-10 15:11:42

紋理特征提取方法

文中主要介紹了基于分形維數(shù)提取法、小波提取法、Gabor濾波器提取法、灰度共生矩陣提取法等紋理特征提取的原理和步驟等,并對(duì)各個(gè)方法的優(yōu)、缺點(diǎn)進(jìn)行了歸納總結(jié)。

2012-02-22 11:11:26

基于Gabor的特征提取算法在人臉識(shí)別中的應(yīng)用

針對(duì)人臉識(shí)別中的特征提取問題，提出一種新的基于Gabor的特征提取算法，利用Gabor小波變換良好的提取區(qū)分能力和LDA所具有的判別性優(yōu)勢(shì)來進(jìn)行特征提取。首先利用Gabor小波變換來提取人臉特征

2013-01-22 14:25:26

智能機(jī)器人系統(tǒng)中局部環(huán)境特征的提取

智能機(jī)器人系統(tǒng)中局部環(huán)境特征的提取！資料來源網(wǎng)絡(luò)，如有侵權(quán)，敬請(qǐng)?jiān)彛?/div>

2015-12-25 09:52:28

模擬電路故障診斷中的特征提取方法

故障特征提取是模擬電路故障診斷的關(guān)鍵，而模擬電路由于故障模型復(fù)雜、元件參數(shù)的容差、非線性、噪聲以及大規(guī)模集成化等現(xiàn)象使電路故障信息表現(xiàn)為多特征、高噪聲、非線性的數(shù)據(jù)集，且受到特征信號(hào)觀測(cè)手段、征兆

2016-11-28 17:24:26

4438

脈沖多普勒雷達(dá)特征提取技術(shù)分析

脈沖多普勒雷達(dá)特征提取技術(shù)分析，下來看看，

2016-12-24 23:19:10

基于小波包_包絡(luò)樣本熵的故障特征提取方法及其應(yīng)用_李其龍

基于小波包_包絡(luò)樣本熵的故障特征提取方法及其應(yīng)用_李其龍

2016-12-30 14:37:07

基于多尺度融合的甲狀腺結(jié)節(jié)圖像特征提取_王昊

基于多尺度融合的甲狀腺結(jié)節(jié)圖像特征提取_王昊

2017-01-08 11:13:29

基于CMF_EEMD的風(fēng)電齒輪箱多故障特征提取

基于CMF_EEMD的風(fēng)電齒輪箱多故障特征提取_王志堅(jiān)

2017-01-08 13:26:49

人臉特征的定位和提取

2017-02-08 00:38:03

基于粒計(jì)算的空間特征提取及其檢索的研究宋俊雅

基于粒計(jì)算的空間特征提取及其檢索的研究_宋俊雅

2017-03-16 08:00:00

基于線性預(yù)測(cè)原理的艙音特征提取與重構(gòu)程道來

基于線性預(yù)測(cè)原理的艙音特征提取與重構(gòu)_程道來

2017-03-15 08:00:00

紅外火焰探測(cè)信號(hào)的特征提取研究_周永杰

紅外火焰探測(cè)信號(hào)的特征提取研究_周永杰

2017-03-19 11:41:39

時(shí)頻分析的工頻通信信號(hào)特征提取

時(shí)頻分析的工頻通信信號(hào)特征提取

2017-08-31 10:00:28

一種對(duì)野值魯棒的紋理特征提取方法

紋理是表征圖像的一個(gè)重要特征，它廣泛存在于各類圖像中。紋理圖像的分類在圖像處理、計(jì)算機(jī)視覺和模式識(shí)別中有著極其重要的作用。紋理分類的一個(gè)重要研究?jī)?nèi)容是紋理特征的提取，期望所提取的特征能有效地刻畫紋理

2017-11-02 17:19:38

基于MVDR的語言情感特征提取

語音情感特征的提取和選擇是語音情感識(shí)別的關(guān)鍵問題，針對(duì)線性預(yù)測(cè)（LP）模型在語音情感譜包絡(luò)方面存在的不足。本論文提出了最小方差無失真響應(yīng)（MVDR）譜方法來進(jìn)行語音情感特征的提取；并通過

2017-11-07 14:51:02

顏色特征提取方法

2017-11-16 14:12:12

4191

激光網(wǎng)格標(biāo)記圖像特征提取

在三維立體視覺中，工件表面的特征提取是三維重構(gòu)的前提和關(guān)鍵。但是，工件表面的自然特征往往表現(xiàn)得不夠明顯，使得特征的提取非常困難。因此，經(jīng)常使用激光網(wǎng)格投影到待檢測(cè)的工件表面，使工件表面具備確定

2017-11-17 17:26:00

Curvelet變換用于人臉特征提取與識(shí)別

人臉檢測(cè)是一個(gè)非常復(fù)雜的模式，人臉面部特征提取及識(shí)別成為當(dāng)前計(jì)算機(jī)圖像處理相關(guān)學(xué)科的一個(gè)極具挑戰(zhàn)的課題。而基于Carvelet變換的人臉特征提取及識(shí)別的意義在于Curvelet繼承了小波分析優(yōu)良

2017-11-30 15:09:36

3492

一種去冗余的SIFT特征提取方法

的SIFT特征提取算法。首先提取出SIFT特征點(diǎn)，然后根據(jù)特征點(diǎn)周邊梯度情況，判斷特征點(diǎn)是否落于目標(biāo)區(qū)域，進(jìn)而保留目標(biāo)區(qū)域特征點(diǎn)，刪除背景區(qū)域特征點(diǎn)，減少特征點(diǎn)數(shù)量的同時(shí)也實(shí)現(xiàn)了去冗余。提取所得的特征點(diǎn)質(zhì)量好壞由落入目標(biāo)區(qū)域的點(diǎn)數(shù)和

2017-12-01 15:08:38

小波提取圖像特征方法研究

的細(xì)節(jié)分量有高度的局部相關(guān)性，這為特征提取提供了有力的條件。利用小波變換進(jìn)行紋理特征提取 ，在紋理分析、圖像壓縮、工業(yè)品表面缺陷檢測(cè)中得到大量的應(yīng)用。

2017-12-01 14:47:52

11813

基于聚類集成技術(shù)的在線特征選擇

針對(duì)既有歷史數(shù)據(jù)又有流特征的全新應(yīng)用場(chǎng)景，提出了一種基于組特征選擇和流特征的在線特征選擇算法。在對(duì)歷史數(shù)據(jù)的組特征選擇階段，為了彌補(bǔ)單一聚類算法的不足，引入聚類集成的思想。先利用k-means方法

2017-12-05 11:00:41

與文本無關(guān)的單訓(xùn)練樣本特征點(diǎn)提取研究

無關(guān)的單訓(xùn)練樣本的特征提取方法。該方法提取的語音特征能夠充分反映說話人的基本發(fā)聲特性，可以很好的將不同的說話者區(qū)分開。本文列出了以上四種特征提取方法在但語音訓(xùn)練樣本上對(duì)于不同說話者的識(shí)別效果，也將其與本文的方法進(jìn)行了比較。對(duì)英文

2017-12-06 14:32:29

基于生物視皮層機(jī)制的視頻運(yùn)動(dòng)特征提取方法

針對(duì)復(fù)雜場(chǎng)景中視頻序列目標(biāo)運(yùn)動(dòng)特征提取困難的問題，借鑒生物視覺系統(tǒng)對(duì)視頻動(dòng)態(tài)目標(biāo)的運(yùn)動(dòng)感知機(jī)制，改進(jìn)初級(jí)視皮層（VI）細(xì)胞模型，提出一種基于生物視皮層機(jī)制的視頻運(yùn)動(dòng)特征提取方法。采用

2017-12-18 10:32:30

一種新的語音信號(hào)特征提取方法

針對(duì)說話人識(shí)別系統(tǒng)中存在的有效語音特征提取以及噪聲影V向的問題，提出了一種新的語音特征提取方法基于S變換的美爾倒譜系數(shù)（ SMFCC）。該方法是在傳統(tǒng)美爾倒譜系數(shù)（MFCC）的基礎(chǔ)上利用S變換的二維

2017-12-18 11:29:04

無監(jiān)督行為特征提取算法

針對(duì)現(xiàn)有行為特征提取方法識(shí)別率低的問題，提出了一種融合稠密光流軌跡和稀疏編碼框架的無監(jiān)督行為特征提取方法（ DOF-SC）。首先，在稠密光流（DOF）軌跡提取的基礎(chǔ)上，對(duì)以軌跡為中心的原始圖像塊進(jìn)行

2017-12-26 18:48:52

基于SF-LBP的行人紋理特征提取算法

針對(duì)基于紋理信息的行人特征提取算法中存在特征信息冗余度大，無法刻畫人眼視覺敏感性的不足，提出一種融合人類視覺感知特性的基于顯著性局部二值模式（ SF-LBP）的行人紋理特征提取算法。該算法首先

2017-12-29 15:06:58

基于小波脊線的特征提取算法

捕獲問題，并對(duì)其特征參數(shù)提取算法進(jìn)行了研究。針對(duì)跳頻信號(hào)的特征提取，研究了一種基于小波脊線的特征提取算法，通過matlab仿真實(shí)驗(yàn)對(duì)方法的性能進(jìn)行了驗(yàn)證，實(shí)驗(yàn)表明基于小波脊線的特征提取算法有很大的性能優(yōu)勢(shì)，進(jìn)一步提

2018-01-04 14:04:49

基于一些句間關(guān)系指示詞提取普適的特征

，抽取依存詞匯、語義、句子結(jié)構(gòu)等具有明顯規(guī)則的特有特征；然后，基于一些句間關(guān)系指示詞提取普適的特征；其次，將特征寫入待輸入的數(shù)據(jù)向量，并且增加一維向量用來存儲(chǔ)出現(xiàn)的明顯規(guī)則特征；最后，運(yùn)用LIBSVM模型結(jié)合規(guī)則和機(jī)

2018-01-07 09:49:01

基于HTM架構(gòu)的時(shí)空特征提取方法

針對(duì)人體動(dòng)作識(shí)別中時(shí)空特征提取問題，提出一種基于層次時(shí)間記憶（ HTM）架構(gòu)的深度學(xué)習(xí)模型，用來提取圖像幀的時(shí)空特征。將圖像幀構(gòu)建成樹型節(jié)點(diǎn)層次結(jié)構(gòu)，在每一層中，通過歐氏距離分組來提取圖像樣本的空間

2018-01-17 17:27:25

散亂點(diǎn)云數(shù)據(jù)特征信息提取算法

的特征提取不僅可以更好地刻畫三維模型特征，并且其在模型重建、點(diǎn)云分割、對(duì)稱性檢測(cè)以及點(diǎn)云配準(zhǔn)等。方面起到一定的作用。特征提取主要包括對(duì)點(diǎn)、線及面的提取，目前主要有2種方法：1）從三維網(wǎng)格化后的點(diǎn)云數(shù)據(jù)中提取特征；

2018-01-30 16:35:07

基于小波域相子的電壓暫降特征提取與成因辨識(shí)

有效提取電壓暫降的特征并進(jìn)行成因辨識(shí)是確定治理方案的前提。在多分辨分析基礎(chǔ)上發(fā)展起來的離散小波變換（DWT）具有簡(jiǎn)單、快速和信息非冗余等特點(diǎn)，但一般認(rèn)為不易于提取電壓暫降信號(hào)的相位跳變特征

2018-03-01 14:39:45

液壓泵振動(dòng)信號(hào)特征提取方法

針對(duì)液壓泵故障特征提取問題，提出了一種基于奇異值分解和小波包變換的液壓泵振動(dòng)信號(hào)特征提取方法。通過奇異值分解將噪聲非均勻分布的液壓泵振動(dòng)信號(hào)正交分解為噪聲分布相對(duì)均勻的分量，對(duì)各分量進(jìn)行小波包閾值

2018-03-05 14:07:53

模擬電路診斷中故障特征的提取方法

模擬電路故障診斷本質(zhì)上等價(jià)于模式識(shí)別問題，因此研究如何把電路狀態(tài)的原始特征從高維特征空間壓縮到低維特征空間，并提取有效故障特征以提高故障診斷率就成了一個(gè)重要的課題。

2020-01-26 09:31:00

2437

基于Labview的語音模式識(shí)別MFCC原理特征提取

本文檔的主要內(nèi)容詳細(xì)介紹的是基于Labview的語音模式識(shí)別MFCC原理特征提取。

2020-01-09 08:00:00

語音識(shí)別算法有哪些_語音識(shí)別特征提取方法

本文主要闡述了語音識(shí)別算法及語音識(shí)別特征提取方法。

2020-04-01 09:24:49

29661

機(jī)器學(xué)習(xí)之特征提取 VS 特征選擇

機(jī)器學(xué)習(xí)中特征選擇和特征提取區(qū)別 demi 在周四, 06/11/2020 - 16:08 提交 1. 特征提取 V.S 特征選擇 特征提取和特征選擇

2020-09-14 16:23:20

3733

一種基于信息熵與綜合函數(shù)特征提取

近年來未知的計(jì)算機(jī)漏洞欻量呈海量増長(zhǎng)狀態(tài)，對(duì)于大量的漏洞數(shù)據(jù)進(jìn)行及時(shí)準(zhǔn)確的分析和分類管理，是十分重要且有待解決的問題。因此，提出一種基于信息熵與綜合函數(shù)（S-C）特征提取，并利用關(guān)聯(lián)了特征

2021-04-13 13:51:15

卷積神經(jīng)網(wǎng)絡(luò)是怎樣實(shí)現(xiàn)不變性特征提取的？

圖像特征傳統(tǒng)的圖像特征提取（特征工程）主要是基于各種先驗(yàn)?zāi)Ｐ?，通過提取圖像關(guān)鍵點(diǎn)、生成描述子特征數(shù)據(jù)、進(jìn)行數(shù)據(jù)匹配或者機(jī)器學(xué)習(xí)方法對(duì)特征數(shù)據(jù)二分類/多分類實(shí)現(xiàn)圖像的對(duì)象檢測(cè)與識(shí)別。卷積神經(jīng)網(wǎng)絡(luò)通過

2021-04-30 09:11:57

2363

基于自編碼特征的語音聲學(xué)綜合特征提取

利用監(jiān)督性學(xué)習(xí)算法進(jìn)行語音増強(qiáng)時(shí)，特征提取是至關(guān)重要的步驟?，F(xiàn)有的組合特征和多分辨率特征等聽覺特征是常用的聲學(xué)特征，基于這些特征的増強(qiáng)語音雖然可懂度得到了較大提升，但是仍然殘留大量噪聲，語音

2021-05-19 16:33:10

為什么卷積神經(jīng)網(wǎng)絡(luò)可以做到不變性特征提取？

2021-05-20 10:49:08

4374

一種基于嵌入式特征提取的多標(biāo)記分類算法

基于單標(biāo)記分類的降維及特征選擇方法難以直接運(yùn)用到多標(biāo)記學(xué)習(xí)中，而將多標(biāo)記學(xué)習(xí)問題獨(dú)立分解為多個(gè)單標(biāo)記學(xué)習(xí)問題再進(jìn)行降維會(huì)丟失標(biāo)記的相關(guān)性信息。為此，提出一種基于嵌入式特征提取的多標(biāo)記分類算法

2021-05-24 15:31:14

基于嵌入式特征提取的多標(biāo)記分類算法

基于嵌入式特征提取的多標(biāo)記分類算法說明。

2021-06-04 10:18:40

IG_CDmRMR二階段文本特征選擇方法

為提高特征提取方法的文本分類精確度，結(jié)合信息增益（IG）和改進(jìn)的最大相關(guān)最小冗余（mRMR），提出種IG_ CDMRMR二階段文本特征選擇方法。通過IG提取與類別相關(guān)性較強(qiáng)的特征集合，利用類差分度

2021-06-11 11:42:38

基于特征的基圖像提取和重構(gòu)方法

圖像作為一種典型信號(hào)，理論上可由一系列基本信號(hào)構(gòu)成。為尋找一組可重構(gòu)圖像的基本信號(hào)，提出了基于特征的基圖像提取和重構(gòu)方法，使得可由任意圖像集進(jìn)行基圖像提取并可由提取的基圖像重構(gòu)內(nèi)容無關(guān)的任意

2021-06-16 16:01:25

基于中軸變換的改進(jìn)骨架特征提取方法

基于中軸變換的改進(jìn)骨架特征提取方法

2021-06-27 15:38:19

特征選擇-嵌入式選擇

嵌入式特征選擇是將特征選擇過程與學(xué)習(xí)器訓(xùn)練過程融為一體，兩者在同一個(gè)優(yōu)化過程中完成，即在學(xué)習(xí)器訓(xùn)練過程中自動(dòng)地進(jìn)行了特征選擇?；趹土P項(xiàng)的特征選擇法給定數(shù)據(jù)集 D={(x1,y1),(x2,y2

2021-10-21 10:36:04

計(jì)算機(jī)視覺中不同的特征提取方法對(duì)比

特征提取是計(jì)算機(jī)視覺中的一個(gè)重要主題。不論是SLAM、SFM、三維重建等重要應(yīng)用的底層都是建立在特征點(diǎn)跨圖像可靠地提取和匹配之上。特征提取是計(jì)算機(jī)視覺領(lǐng)域經(jīng)久不衰的研究熱點(diǎn)，總的來說，快速、準(zhǔn)確、魯棒的特征點(diǎn)提取是實(shí)現(xiàn)上層任務(wù)基本要求。

2022-07-11 10:28:14

2287

高光譜圖像特征提取方法綜述

高光譜遙感技術(shù)具有能同時(shí)反映遙感對(duì)象空間特征和光譜特征等獨(dú)特優(yōu)勢(shì),但這些優(yōu)勢(shì)也帶來了波段眾多且相關(guān)性強(qiáng)、數(shù)據(jù)冗余度高、不利于進(jìn)一步處理與利用等問題。通過降維可以減少數(shù)據(jù)中的冗余信息,提高處理效率, 而特征提取作為降維的一種重要方法,具有降維速度快等優(yōu)點(diǎn)。因此,特征提取對(duì)高光譜圖像的利用有重要意義。

2022-09-26 13:53:00

3779

基于幾何特征的桿狀物提取方法

魯棒、精確的定位是移動(dòng)自主系統(tǒng)的基本要求。交通標(biāo)志、電線桿、路燈等類似桿子的物體，由于其獨(dú)特的局部性和長(zhǎng)期的穩(wěn)定性，在城市環(huán)境中經(jīng)常被用作定位的地標(biāo)。本文提出了一種新穎、準(zhǔn)確、快速的基于幾何特征

2022-10-09 14:48:37

1035

分享一種基于深度圖像梯度的線特征提取算法download

在低紋理區(qū)域，傳統(tǒng)的基于特征點(diǎn)的SfM/SLAM/三維重建算法很容易失敗。因此很多算法會(huì)嘗試去提取線特征來提高點(diǎn)特征的魯棒性，典型操作就是LSD。

2023-01-08 14:29:35

846

已全部加載完成

搜索歷史

特征量的選擇和提取

評(píng)論