機器學(xué)習(xí)技術(shù)已被廣泛接受，并且很適合此類分類問題。基于卷積神經(jīng)網(wǎng)絡(luò)的雙重特征提取方法。提出的模型使用Radon拉冬變換進行第一次特征提取，然后將此特征輸入卷積層進行第二次特征提取。
2023-10-16 11:30:38
381 
怎樣運用Matlab把FFT與小波結(jié)合起來實現(xiàn)圖片的特征提取？
2015-04-05 10:03:47
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中對音頻信號進行小波分解和短時傅里葉分析后怎么對信號頻譜圖中能量密度特征用數(shù)學(xué)形態(tài)學(xué)的方法進行形態(tài)特征提取？
2020-10-12 18:21:04
基于matlab的人臉檢測K-L的人臉識別（膚色分割和特征提取）[hide] [/hide]《labview人臉識別》課程鏈接：http://url.elecfans.com/u/bc0e010da8
2012-02-22 16:45:03
】：小波分析作為信號處理的一種新工具,已在許多領(lǐng)域取得成效[1-3]。通過小波變換可以將信號分解到不同的頻域,為信號濾波、信噪分離和特征提取提供了有效途徑[4]。由于影響變形體變形的因素復(fù)雜多變,隨著時間的推移,觀測數(shù)據(jù)中將不可避免地存在著一些隨機擾動誤差,使變形體變形過全文下載
2010-04-24 09:32:17
音頻特征提取在音頻信號分析和處理中起著非常重要的作用?？紤]到音頻信號的非平穩(wěn)性，對音頻信號進行小波包分解，為了獲取健壯的特征，采用改進的局域判別基（LDB）技術(shù)對小波包樹進行裁剪，提取局域差別基各子
2011-03-04 20:46:21
基于拉東變換的瑞利面波頻散曲線的提取怎么用matlab進行提取頻散曲線
2018-01-22 18:16:34
的兩維處理方法，并用于三種數(shù)字信號的特征分析。最后詳細介紹了基于聯(lián)合頻率分析的特征提取及識別過程，給出了仿真測試結(jié)果。
2021-04-21 06:17:47
計算機視覺的特征提取算法研究至關(guān)重要。在一些算法中，一個高復(fù)雜度特征的提取可能能夠解決問題（進行目標(biāo)檢測等目的），但這將以處理更多數(shù)據(jù)，需要更高的處理效果為代價。而顏色特征無需進行大量計算。只需將數(shù)字圖像中的像素值進行相應(yīng)轉(zhuǎn)換，表現(xiàn)為數(shù)值即可。因此顏色特征以其低復(fù)雜度成為了一個較好的特征。
2019-10-12 06:55:23
`如何將脈沖耦合神經(jīng)網(wǎng)絡(luò)，體視學(xué)，F(xiàn)ourier變換，小數(shù)冪指數(shù)濾波器結(jié)合實現(xiàn)藥材顯微圖像的特征提取？`
2015-04-16 12:25:45
圖像處理，手指靜脈圖像的特征提取和識別前期研究
2012-05-11 11:51:27
Radon變換(FRAT);;手背靜脈;;特征提取算法【DOI】：CNKI:SUN:JLDX.0.2010-02-021【正文快照】：人體手背靜脈識別是一種新型的非接觸式紅外采集生物測定識別技術(shù),是對現(xiàn)有
2010-04-24 09:58:17
有大神嗎？可以分享一個LabVIEW指紋特征提取的資料嗎？感激不盡。
2017-04-19 07:31:13
中用到了小波變換、小波包變換以及多小波變換等來對電路故障信息進行特征提取，對模擬電路瞬態(tài)信號的提取、消除電路噪聲和模擬電路特有的元件參數(shù)容差具有良好的效果。圖2 緊致型小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖 小波分析技術(shù)
2016-12-09 18:15:39
本人這么打算，想用fft濾波器實現(xiàn)信號降噪，小波來提取特征。我大學(xué)四年略略的打醬油了，希望有高人來指點下啊，labview真心不懂。。我感覺用小波變換是不是難度挺大額，小波的話用來提取什么信號比較容易呢？不介意的話可以聯(lián)系我qq詳談指導(dǎo)。。。多謝啊~~{:soso_e149:}
2012-04-17 13:49:06
本帖最后由 upup11 于 2012-11-21 20:45 編輯
我想請教一個問題：如何用FPGA硬件實現(xiàn)小波變換。 問題的由來：我在做一個不影響語音通信的前提下，電話線感應(yīng)信號特征提取
2012-11-20 21:35:16
實驗結(jié)果與相位編組法和Hough變換法進行了比較。【關(guān)鍵詞】：多分辨分析;;邊緣檢測;;直線特征提取;;塔式分解;;中心直線支持區(qū)【DOI】：CNKI:SUN:JSJY.0.2010-04-026
2010-05-06 09:04:04
計算信息特征(屬性)的權(quán)重問題在信息分類及模式匹配中是一個研究熱點。該文提出一種基于改進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
7 在現(xiàn)有基于已知特征項特征提取算法的基礎(chǔ)上，提出一種基于已知特征項和環(huán)境相關(guān)量的特征提取算法。該算法通過已知特征項搜索頻繁項集，提高了特征提取速度。環(huán)境相關(guān)量的
2009-04-18 09:37:0117 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別算法。該算法對人臉圖像進行分塊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 09:57:5424 提出了一種新的人臉特征提取方法，該方法采用DCT對人臉圖像進行降維和去噪，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ORL人臉庫進行分類識別，僅用28個特征平均
2009-05-25 22:04:1015 詳細介紹了基于KPCA入侵檢測系統(tǒng)特征提取的工作原理，并在MATLAB環(huán)境下利用KDDCUP99數(shù)據(jù)集進行了基于KPCA特征提取的仿真實驗，結(jié)果表明KPCA能對樣本能進行很好的降維，并可保持
2009-09-23 11:36:4816 SISAR功率譜特征提取方法:文主要研究了對SISAR全息信號功率譜歸一化處理獲得識別特征的方法。通過分析側(cè)影成像全息信號和目標(biāo)側(cè)影雷達截面積的關(guān)系，導(dǎo)出由計算雷達截面積的方
2009-10-23 10:26:2112 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 12:52:5317 提取和補充新的特征參數(shù)是解決復(fù)雜體制雷達輻射源信號分選和雷達目標(biāo)識別難題的有效手段，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 16:18:5914 該文基于合成孔徑雷達(SAR)圖像低信噪比的特點，設(shè)計了一種基于融合邊緣檢測的線性特征提取算法。首先采用融合Canny算子及ROA算子得到邊緣點，然后利用Radon變換得出線基元，最
2009-11-17 15:20:5419 在語音識別系統(tǒng)中，如何在含有噪聲的語音信號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中的高斯白噪聲，然后提取出能夠反映人
2009-12-12 13:46:1124 特征提取是模式識別中的關(guān)鍵技術(shù)之一，本文提出了一種基于改進ReliefF 算法的主成分特征提取方法，通過該方法進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 13:47:4527 借助小波變換在時頻分析上的優(yōu)點，提取地面運動目標(biāo)的回波信號特征在目標(biāo)識別中加以應(yīng)用。首先對目標(biāo)的回波信號進行預(yù)處理，獲取目標(biāo)的瞬時多普勒頻率信號，然后對該信
2009-12-18 16:51:369 本文結(jié)合核方法、主元分析(PCA)和線性判別分析(LDA)等機器學(xué)習(xí)方法，提出了一種特征提取的KPL 方法。本文提出的KPL 方法，能夠保持數(shù)據(jù)集的非線性關(guān)系和最優(yōu)分類方向。使用MIT-
2010-01-27 14:02:5118 本文介紹了如何應(yīng)用提升小波包變換對信號進行特征提取,并在此基礎(chǔ)上提出了四條定量的評價標(biāo)準(zhǔn),能夠全面地對此類特征提取方法的有效性進行評價。通過這四個標(biāo)準(zhǔn),就能更科
2010-02-22 15:34:3317 非線性PCA在表面肌電信號特征提取中的應(yīng)用
針對表面肌電信號的特點,提出了一種應(yīng)用非線性主分量分析( PCA) 提取表面肌電信號特征的新方法. 該方法在表面肌
2010-02-26 17:08:2617 脈內(nèi)特征提取是新型雷達輻射源信號識別的關(guān)鍵問題. 本文提出一種新的雷達輻射源信號脈內(nèi)特征提取和識別方法. 將雷達輻射源脈沖信號的分形維數(shù)作為識別脈內(nèi)調(diào)制方式的分類特
2010-03-03 08:28:4618
特征提取是聲目標(biāo)識別的關(guān)鍵。由于車輛噪聲信號的非平穩(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特征提取中的應(yīng)用，仿真結(jié)果證
2010-12-31 17:16:280 摘要：針對常規(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 13:14:211276 
特征提取是目標(biāo)識別的關(guān)鍵，如何從有限的測量數(shù)據(jù)中獲取有效、可靠的特征參數(shù)，是特征提取中重點考慮的問題。本文采用EMD方法對語音信號進行頻率特征提取，可以較好地降低語音
2011-10-10 15:11:4241 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,并對各個方法的優(yōu)、缺點進行了歸納總結(jié)。
2012-02-22 11:11:2610 脈搏信號中含有豐富的人體生理信息，對心血管疾病的預(yù)防和診治有著重要的指導(dǎo)作用。本文采用COM組件技術(shù)將基于小波變換的脈搏信號去噪和特征提取MATLAB算法程序無縫集成到LabVIEW中
2012-03-30 15:51:0850 針對傳統(tǒng)漢字字符特征提取方法的不足，提出了一種基于Gabor變換，對圖像紋理特征的方向性敏感的字符特征提取方法。先將灰度字體圖像進行二值化、歸一化處理，再利用Gabor濾波器進
2012-08-29 17:10:020 研究了基于小波分析的車牌圖像定位、分割、大小歸一化方法，并分析了奇異值分解算法的數(shù)學(xué)原理和算法。利用奇異值分解作為代數(shù)特征提取方法，獲得圖像的有效特征描述。以Mat
2012-10-17 11:08:0128 針對人臉識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)勢來進行特征提取。首先利用Gabor小波變換來提取人臉特征
2013-01-22 14:25:2654 基于ADSP2191的音頻信號處理與特征提取系統(tǒng).
2016-01-22 14:03:4017 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，且受到特征信號觀測手段、征兆
2016-11-28 17:24:264438 脈沖多普勒雷達特征提取技術(shù)分析，下來看看，
2016-12-24 23:19:109 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 14:37:070 基于最優(yōu)Morlet小波自適應(yīng)包絡(luò)解調(diào)的弱故障特征提取方法_侯新國
2017-01-07 18:21:311 基于加權(quán)多尺度張量子空間的人臉圖像特征提取方法_王仕民
2017-01-08 10:57:061 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 11:13:290 基于CMF_EEMD的風(fēng)電齒輪箱多故障特征提取_王志堅
2017-01-08 13:26:490 峭度濾波器用于電機軸承早期故障特征提取_安國慶
2017-01-07 15:17:120 基于粒計算的空間特征提取及其檢索的研究_宋俊雅
2017-03-16 08:00:000 基于線性預(yù)測原理的艙音特征提取與重構(gòu)_程道來
2017-03-15 08:00:000 紅外火焰探測信號的特征提取研究_周永杰
2017-03-19 11:41:392 時頻分析的工頻通信信號特征提取
2017-08-31 10:00:2811 自計算機視覺產(chǎn)生開始，視覺信息則自動成為其處理的對象。紋理特征作為視覺信息的重要部分，成為圖像特征提取的重點。針對紋理特征提取中，傳統(tǒng)LBP算法作為一種基于灰度的算法，僅僅局限對低分辨率圖片
2017-11-10 14:35:2211 計算機視覺的特征提取算法研究至關(guān)重要。在一些算法中，一個高復(fù)雜度特征的提取可能能夠解決問題（進行目標(biāo)檢測等目的），但這將以處理更多數(shù)據(jù)，需要更高的處理效果為代價。而顏色特征無需進行大量計算。只需將數(shù)字圖像中的像素值進行相應(yīng)轉(zhuǎn)換，表現(xiàn)為數(shù)值即可。因此顏色特征以其低復(fù)雜度成為了一個較好的特征。
2017-11-16 14:12:124191 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)格投影到待檢測的工件表面，使工件表面具備確定
2017-11-17 17:26:003 針對多類運動想象EEG信號在腦機接口方面存在分類識別率低和被試者差異性的問題，提出了一種基于ERS/ERD現(xiàn)象的二級共空間模式特征提取的方法。首先對全部導(dǎo)聯(lián)進行特定頻段的小波包降噪和分解；其次對分
2017-11-20 09:32:094 人臉檢測是一個非常復(fù)雜的模式，人臉面部特征提取及識別成為當(dāng)前計算機圖像處理相關(guān)學(xué)科的一個極具挑戰(zhàn)的課題。而基于Carvelet變換的人臉特征提取及識別的意義在于Curvelet繼承了小波分析優(yōu)良
2017-11-30 15:09:363492 
的SIFT特征提取算法。首先提取出SIFT特征點，然后根據(jù)特征點周邊梯度情況，判斷特征點是否落于目標(biāo)區(qū)域，進而保留目標(biāo)區(qū)域特征點，刪除背景區(qū)域特征點，減少特征點數(shù)量的同時也實現(xiàn)了去冗余。提取所得的特征點質(zhì)量好壞由落入目標(biāo)區(qū)域的點數(shù)和
2017-12-01 15:08:380 的細節(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)品表面缺陷檢測中得到大量的應(yīng)用。
2017-12-01 14:47:5211813 
針對復(fù)雜環(huán)境下的深度圖像手勢特征提取信息冗余量大、編碼不穩(wěn)定等問題，提出了一種改進的基于曲率局部二值模式（ LBP）的深度圖像手勢特征提取算法。該算法首先通過坐標(biāo)轉(zhuǎn)換將分割出的手勢深度數(shù)據(jù)轉(zhuǎn)換
2017-12-11 16:21:064 針對說話人識別系統(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 11:29:041 針對三維場景物體特征識別過程中數(shù)據(jù)量大、算法復(fù)雜等問題，提出一種基于Kinect的環(huán)境平面特征提取與重構(gòu)算法。首先，針對場景的點云分割，采用融合場景幾何信息和顏色信息的隨機采樣一致性（ RANSAC
2017-12-19 10:41:431 三維模型特征描述符是一種簡潔且信息量豐富的表示方式．特征提取是許多三維模型分析處理任務(wù)的關(guān)鍵步驟．近年來。針對非剛性三維模型特征提取技術(shù)的研究引起了人們的廣泛關(guān)注．本文首先匯總了常用的非剛性三維模型
2017-12-19 11:35:380 針對立體視覺深度圖特征提取精確度低、復(fù)雜度高的問題，提出了一種基于主成分分析方向深度梯度直方圖（ PCA-HODG）的特征提取算法。首先，對雙目立體視覺圖像進行視差計算和深度圖提取，獲取高質(zhì)量深度圖
2017-12-26 14:32:070 針對現(xiàn)有行為特征提取方法識別率低的問題，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，對以軌跡為中心的原始圖像塊進行
2017-12-26 18:48:520 針對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 15:06:580 捕獲問題，并對其特征參數(shù)提取算法進行了研究。針對跳頻信號的特征提取，研究了一種基于小波脊線的特征提取算法，通過matlab仿真實驗對方法的性能進行了驗證，實驗表明基于小波脊線的特征提取算法有很大的性能優(yōu)勢，進一步提
2018-01-04 14:04:490 針對人體動作識別中時空特征提取問題，提出一種基于層次時間記憶（ HTM）架構(gòu)的深度學(xué)習(xí)模型，用來提取圖像幀的時空特征。將圖像幀構(gòu)建成樹型節(jié)點層次結(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 17:27:250 針對傳統(tǒng)剩余電流保護裝置只能監(jiān)測到總泄漏電流信號大小，但不能根據(jù)監(jiān)測到的總泄漏電流信號自動分類和識別觸電類型，提出了一種基于統(tǒng)計特征參數(shù)與支持向量機的觸電信號暫態(tài)特征提取及故障類型識別的新方法
2018-01-23 17:12:594 針對現(xiàn)有局部放電（ PD）信號特征提取方法存在的不足，提出一種基于變分模態(tài)分解（VMD）和Hilbert變換（Hilbert-VMD）的特征提取方法，并提出一種雙閾值篩選法來確定VMD算法中的分解
2018-02-09 11:22:360 有效提取電壓暫降的特征并進行成因辨識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）具有簡單、快速和信息非冗余等特點，但一般認為不易于提取電壓暫降信號的相位跳變特征
2018-03-01 14:39:450 針對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信號特征提取方法。通過奇異值分解將噪聲非均勻分布的液壓泵振動信號正交分解為噪聲分布相對均勻的分量，對各分量進行小波包閾值
2018-03-05 14:07:530 通信信號調(diào)制識別目的就是對截獲的一段通信信號，依據(jù)較少的先驗信息，判斷出信號的調(diào)制方式。隨著通信技術(shù)的飛速發(fā)展，通信信號的體制和調(diào)制樣式變得更加復(fù)雜多樣，信號環(huán)境日趨密集，這使得通信信號的識別變得越加困難，如何能夠在信噪比較低的情況下進行信號特征參數(shù)的有效提取和調(diào)制識別，這就是本文研究的主要內(nèi)容。
2018-12-19 10:36:596 針對電影評分中特征提取效率較低的問題，提出了與QR分解相結(jié)合的Nystrom方法。首先，利用自適應(yīng)方法進行采樣，然后對內(nèi)部矩陣進行QR分解，將分解后的矩陣與內(nèi)部矩陣進行重新組合并進行特征分解
2019-01-04 09:36:191 本文檔的主要內(nèi)容詳細介紹的是圖像邊緣檢測和特征提取實驗報告的詳細資料說明目的包括了：1.了解圖像邊緣檢測的原理。自己實現(xiàn)邊緣檢測算法，對特定的幾幅圖像進行邊緣檢測，并達到較好的效果。2.了解特征提取的原理，并對圖像中存在的一些特征進行特征提取。
2019-04-19 08:00:002 本文檔的主要內(nèi)容詳細介紹的是基于Labview的語音模式識別MFCC原理特征提取。
2020-01-09 08:00:0038 本文主要闡述了語音識別算法及語音識別特征提取方法。
2020-04-01 09:24:4929659 
機器學(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 16:23:203732 
導(dǎo)讀鑒于顯著性目標(biāo)和偽裝目標(biāo)研究的相似性，本文作者將顯著性目標(biāo)與偽裝目標(biāo)合在一起進行研究，文章重點是特征提取網(wǎng)絡(luò)與特征融合技術(shù)，主要介紹了三種方法EGNet，PFANet和SINet。
2021-03-12 10:13:579586 
近年來未知的計算機漏洞欻量呈海量増長狀態(tài)，對于大量的漏洞數(shù)據(jù)進行及時準(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 13:51:153 的特征提取模塊將原始信號特征映射至特征空間，同時在孿生網(wǎng)絡(luò)架構(gòu)下對提取的特征進行距離度量并以相似性約束訓(xùn)練網(wǎng)絡(luò)，避免特征提取模塊在訓(xùn)練過程中出現(xiàn)過擬合現(xiàn)象，最終通過最近鄰分類器識別待測樣本的調(diào)制類別。在
2021-05-14 10:25:0033 利用監(jiān)督性學(xué)習(xí)算法進行語音増強時，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 16:33:1026 基于單標(biāo)記分類的降維及特征選擇方法難以直接運用到多標(biāo)記學(xué)習(xí)中，而將多標(biāo)記學(xué)習(xí)問題獨立分解為多個單標(biāo)記學(xué)習(xí)問題再進行降維會丟失標(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 15:31:144 基于嵌入式特征提取的多標(biāo)記分類算法說明。
2021-06-04 10:18:407 針對歸一化功率倒譜系數(shù)（PNCC）在較低信噪比噪聲環(huán)境下說話人識別魯棒性不佳的問題，提出了非線性冪函數(shù)變換伽馬啁啾頻率倒譜系數(shù)（ NPGFCO）的抗噪語音特征提取算法。相比PNCC， NPGFCO
2021-06-04 11:33:010 速度。為解決上述問題，文中提出一種基于擴展Har特征提取和 DBSCAN密度聚類的鋼軌識別算法。首先通過仿射變換、池化、灰度均衡仳、邊緣檢測等算法對圖像進行預(yù)處理，然后基于擴展Haar特征提取圖像中鋼軌的特征點，最后利用 DBSCAN算法對特
2021-06-16 15:03:495 基于中軸變換的改進骨架特征提取方法
2021-06-27 15:38:1925 基于并行附加特征提取網(wǎng)絡(luò)的SSD地面小目標(biāo)檢測模型 來源：《電子學(xué)報》 ，作者李寶奇等 摘 要: 針對SSD原始附加特征提取網(wǎng)絡(luò)(Original Additional Feature
2022-02-17 16:41:251154 特征提取是計算機視覺中的一個重要主題。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跨圖像可靠地提取和匹配之上。特征提取是計算機視覺領(lǐng)域經(jīng)久不衰的研究熱點，總的來說，快速、準(zhǔn)確、魯棒的特征點提取是實現(xiàn)上層任務(wù)基本要求。
2022-07-11 10:28:142287 高光譜遙感技術(shù)具有能同時反映遙感對象空間特征和光譜特征等獨特優(yōu)勢,但這些優(yōu)勢也帶來了波段眾多 且相關(guān)性強、數(shù)據(jù)冗余度高、不利于進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。 因此,特征提取對高光譜圖像的利用有重要意義。
2022-09-26 13:53:003777 
0引言 視覺顯著性估計中通常以彩色圖像為輸入，因此，本文以３個相鄰波段的高光譜影像為輸入，進行顯著性特征提取，然后沿光譜維度利用滑窗法獲取各個波段的顯著性特征，最后將各個波段的顯著性特征進行堆疊形成
2023-01-12 09:45:55929 
電子發(fā)燒友App
?
?
?
?
?
? 
工商網(wǎng)監(jiān)
評論