注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 语音识别技术文章.rar

  2. 第一部分 基本理论 第2章 听觉机理和汉语语音基础 2. 1 概述 2.2 听觉机理和心理 2.2.1 语音听觉器官的生理结构 2.2.2 语音听觉的心理 2.3 发音的生理机构与过程 2.4 汉语语音基本特性 2.4. 1 元音和辅音 2.4.2 声母和韵母 2.4.3 音调(字调) 2.4.4 音节(字)构成 2.4.5 汉语的波形特征 2.4.6 音的频谱特性 2.4.7 辅音的频谱特性 2.4.8 汉语语音的韵律特征 2.5 小结 参考文献 第3章 语音信号处理方法--时域处理 3.1

  3. 所属分类：其它

    • 发布日期：2011-05-12
    • 文件大小：5mb
    • 提供者：wangjunhui1984

  1. 自适应谱聚类算法研究

  2. 谱聚类能识别出在原空间中线性不可分的聚类，且其效果优于传统聚类算法。谱聚类要想获得好的效果必须选择一个合适的尺度参数，本文在传统谱聚类算法的基础上引入类似核选取的技巧，提出了一个能自动选取该尺度参数的自适应谱聚类算法。

  3. 所属分类：互联网

  1. 基于共享近邻的自适应谱聚类算法

  2. 基于共享近邻的自适应谱聚类算法，自适应谱聚类算法

  3. 所属分类：其它

    • 发布日期：2011-06-14
    • 文件大小：4mb
    • 提供者：yangzhisho

  1. Matlab实现(KNN)自适应谱聚类

  2. Matlab实现(KNN)自适应谱聚类

  3. 所属分类：互联网

    • 发布日期：2017-04-15
    • 文件大小：11kb
    • 提供者：bwangk

  1. 《MATLAB R2016a在电子信息工程中的仿真案例分析》源码

  2. 目录 第1章最优的FIR滤波器设计 1.1频率取样的FIR滤波器设计 1.1.1约束条件 1.1.2设计误差 1.2最优的FIR滤波器设计 1.2.1一般最优滤波器 1.2.2加权最优滤波器 1.2.3反对称FIR滤波器 1.2.4微分FIR滤波器 1.3IIR与FIR数字滤波器的比较 第2章基于神经网络的案例分析与实现 2.1农作物虫情预测 2.1.1基于神经网络的虫情预测原理 2.1.2BP网络设计 2.2模型参考控制 2.2.1模型参考控制概念 2.2.2模型参考控制实例分析 2.3神经

  3. 所属分类：其它

    • 发布日期：2018-06-04
    • 文件大小：85kb
    • 提供者：williamanos

  1. 大数据下网络异常故障率智能预测方法仿真.pdf

  2. 为提高网络异常故障诊断能力，提出基于大数据分析和故障谱特征提取的网络异常故障率智能预测方法。采用相关性频谱特征检测方法进行网络故障异常数据采集，对采集的网络故障信息特征量进行匹配滤波，采用自适应波束形成方法对网络的故障大数据进行波束聚焦处理，对提取的网络故障大数据采用模糊聚类方法进行故障分类识别，在大数据下实现网络异常故障率智能预测。仿真结果表明，采用该方法进行大数据下网络异常故障率智能预测的准确度较高，故障诊断能力较强。

  3. 所属分类：深度学习

    • 发布日期：2019-09-23
    • 文件大小：548kb
    • 提供者：weixin_45548638

  1. 基于改进谱聚类算法的电压断相识别

  2. 针对传统谱聚类中使用高斯相似函数作为聚类相似性度量的存在的弊端,提出了利用共享自然邻概念的自适应相似度量替代高斯相似函数,结合电压电流数据间内在的联系,将相似度重新定义。实验结果表明,基于自然邻的谱聚类在识别电压断相上,具有一定程度的有效性和优越性。

  3. 所属分类：其它

  1. matlab实现自适应谱聚类代码

  2. matlab实现自适应谱聚类代码http://blog.csdn.net/bwangk/article/details/70162713

  3. 所属分类：互联网

    • 发布日期：2017-04-14
    • 文件大小：9kb
    • 提供者：bwangk

  1. 具有全兼容性，灵活性和鲁棒性的亲和力和惩罚联合约束谱聚类

  2. 现有的半监督频谱聚类方法有两个主要缺点，即要么无法应对多种监督，要么有时表现出不稳定的效果。为了解决这些问题，有两种归一化的亲和力和惩罚联合约束谱聚类框架及其相应的算法，分别称为I型亲和力和惩罚联合约束谱聚类（TI-APJCSC）和II型亲和力和惩罚联合约束谱本文分别提出了聚类（TII-APJCSC）。 TI指I型，TII指II型。本文的意义有四个方面。首先，得益于独特的亲和力和惩罚联合约束策略，TI-APJCSC和TII-APJCSC都比现有方法有效得多。其次，TI-APJCSC和TII-AP

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：512kb
    • 提供者：weixin_38527987

  1. 基于密度调整的改进自适应谱聚类算法

  2. 针对谱聚类存在构造相似度矩阵时对尺度参数敏感以及处理多重尺度数据集效果不理想的缺陷，本文提出了一种基于密度调整的改进自适应谱聚类算法。该算法将样本点所处领域的密度引入谱聚类，利用密度差来调整样本点之间的相似度，使其更符合实际簇类中样本点间的内在关系，在一定程度上解决了多尺度聚类问题；同时，通过样本点的近邻距离自适应得到尺度参数，使算法对尺度参数相对不敏感。仿真实验验证了所提算法的有效性和优越性。

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：388kb
    • 提供者：weixin_38689338

  1. 基于谱维约简的密度自适应亲和力传播聚类算法

  2. 作为一种新颖的聚类方法，相似性传播（AP）聚类可以通过在数据点之间传递消息来识别高质量的聚类中心。 但是它的最终簇数受用户定义的自信心参数影响。 当由于先验知识而针对给定数量的集群时，必须启动AP多次，直到找到合适的自信心设置为止。 K-AP算法克服了这一缺点通过在消息传递过程中引入约束来利用K簇的即时结果。 K-AP聚类的关键是构建合适的相似度矩阵，该矩阵可以真实反映数据集的内在结构。 本文设计了一种密度自适应相似度量，以更合理地描述数据点之间的关系。 同时，为了解决K-AP算法在高维数据集中

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：726kb
    • 提供者：weixin_38507923

  1. 基于自适应Nystrm采样的大数据谱聚类算法

  2. 面对结构复杂的数据集,谱聚类是一种灵活而有效的聚类方法,它基于谱图理论,通过将数据点映射到一 个由特征向量构成的低维空间,优化数据的结构,得到令人满意的聚类结果.但在谱聚类的过程中,特征分解的计算 复杂度通常为O(n3),限制了谱聚类算法在大数据中的应用.Nyström 扩展方法利用数据集中的部分抽样点,进行近似 计算,逼近真实的特征空间,可以有效降低计算复杂度,为大数据谱聚类算法提供了新思路.抽样策略的选择对 Nyström 扩展技术至关重要,设计了一种自适应的Nyström 采样方法,每个数

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：718kb
    • 提供者：weixin_38694674

  1. 激光点云的混合流形谱聚类自适应分割方法

  2. 将激光点云视为分布于三维欧氏空间的线性与非线性混合流形, 提出一种基于混合流形谱聚类的自适应点云分割方法。由混合概率主成分分析法构造的M个主成分分析器组成混合概率模型, 得到描述点云的邻接矩阵; 将点云分割的几何特征在谱空间进行降维嵌入, 利用N-cut方法得到描述点云分割特征的多维向量; 结合类间类内划分算法自适应分割点云。实验结果表明, 对于三种受测点云, 所提出的算法能在较宽预设参数范围内以80%以上概率得到收敛于几何特征的分割结果, 参数稳定性较好。在对点云添加均值为0, 标准差为0.0

  3. 所属分类：其它

  1. 改进的合成孔径雷达图像谱聚类算法

  2. 合成孔径雷达(SAR)图像的分割是SAR图像理解的基础。结合Nystrm采样技术和图谱理论，提出了一种改进的SAR图像高效快速谱聚类新算法。该算法引入矩阵扰动分析理论，构造适用于SAR图像的自动确定类数准则；在分析比例参数对谱聚类算法影响的基础上，依据SAR图像的整体结构特征，构造了比例参数的自适应邻域估计方法；根据SAR图像中每个像素的灰度值和空间位置，构造出更能描述SAR图像本质结构的相似函数，进而给出改进的谱聚类算法；将这种新的谱聚类算法应用于仿真实验和实际SAR图像分割中,并与传统谱聚

  3. 所属分类：其它

  1. 基于谱聚类的高阶模糊时序自适应预测方法

  2. 结合数据特征及分布特点提出一种基于谱聚类的模糊时间序列自适应预测方法。首先基于谱聚类的思想，根据样本数据特征获取其所属论域的个数及范围，实现向模糊时间序列的自适应转化；然后基于 Markov 概率模型表示模糊时间序列中的模糊关系，从而对多步模糊关系、高阶模糊关系及模糊关系的稳态进行求解；最后获取预测值的可能模糊状态，进而利用去模糊化方法将其还原为预测值。在真实以及人工时间序列数据上的实验表明了所提方法的合理性与有效性。

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：385kb
    • 提供者：weixin_38610573

  1. 基于密度调整的改进自适应谱聚类算法

  2. 针对谱聚类存在构造相似度矩阵时对尺度参数敏感以及处理多重尺度数据集效果不理想的缺陷, 提出一种基于密度调整的改进自适应谱聚类算法. 该算法将样本点所处领域的密度引入谱聚类, 利用密度差来调整样本点之间的相似度, 使其更符合实际簇类中样本点间的内在关系, 在一定程度上解决了多尺度聚类问题; 同时, 通过样本点的近邻距离自适应得到尺度参数, 使算法对尺度参数相对不敏感. 仿真实验验证了所提出算法的有效性和优越性.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：527kb
    • 提供者：weixin_38705558