搜索资源列表
4sdsdas
- 基于模糊神经网络方法实现茶味信号识别的研究-neural network based on fuzzy method tea flavor signal recognition research
TXSB
- 图像识别技术目前在人们的生活中，应用越来越普遍，如我们较熟悉的数码相机、摄像头、具有摄像功能的手机、以及我们看见的一些智能玩具上都具有图像识别的功能。在此为大家介绍的此款图像识别模组主要是应用于交互式智能玩具、图像处理产品、教学中。此模组接口简单，应用方便，容易与MCU结合使用，若与凌阳公司的SPCE061A结合，使其声貌并具，更能体现产品的特效功能。 2 功能简介 该模组可以实现如下功能: 识别颜色、形状 识别位置 3 模组结构 光学
11
- 本文介绍了医学信号分析的常用方法，着重介绍了神经网络模式识别，包括他的优点及不足，最后介绍了神经网络的模型选择。-medical signal analysis methods commonly used to highlight the neural network pattern recognition, including his strengths and weaknesses, and the final presentation to the neural network model
Multi-ClassSVM
- 提出了一种基于支持向量机的多类模拟调制方式识别算法。该算法通过分析模拟调制信号的特点，提取有效的特征向量以区分不同的调制方式，并基于支持向量机和判决树分类思想，将特征向量映射到高维空间中加以分类。
UDT
- 提出了一个新的超声缺陷自动识别系统。该系统采用小波包分解提取超声信号的特征,采用混沌遗传算法来消除冗余和不相关的特征,并采用支持向量机(SVM) 来对缺陷进行识别。
fastfixedpoint
- 独立分量分析(Independent Component Analysis，简称ICA)是近二十年来逐渐发展起来的一种盲信号分离方法。它是一种统计方法，其目的是从由传感器收集到的混合信号中分离出相互独立的源信号，使得这些分离出来的源信号之间尽可能独立。它在语音识别、电信和医学信号处理等信号处理方面有着广泛的应用，目前已成为盲信号处理，人工神经网络等研究领域中的一个研究热点。 本文简要的阐述了ICA的发展、应用和现状，详细地论述了ICA的原理及实现过程，系统地介绍了目前几种主要ICA算法以及它
ECGdenoising
- 去除在心电信号采集过程中混入的肌电干扰 、工频干扰、基线漂移等噪声信号,避免噪声对心电信号特征点的识别和提取造成误判漏判。