搜索资源列表
datasamp
- 是用于模式识别中的一种数据采样方法，此方法是把数据按一定的比例分为训练数据和测试数据。-for pattern recognition of a data sampling methods, This method is data by a certain percentage into training data and test data.
convmat
- 一种把原始数据转换为矩阵形式，并且把数据分成训练与测试，按频率转换的一个小程序。-a kind of conversion of the original data matrix form, and data into training and testing, Frequency conversion by a small procedure.
quantizing
- 应用LBG算法对语音信号进行矢量量化。本压缩包共有两个主文件，training.m对训练数据进行处理并得到四个初始码本，quantizing.m对待量化数据进行矢量量化。其余为自编功能函数。-application of voice signal VQ. The compressed into two main documents, training.m right training data to be processed and four of the initial code, quant
0-9(Speech-Recogenition)用matlab仿真0到9十个数字的语音识别
- 用matlab仿真0到9十个数字的语音识别 1、对语音的WAV文件和LAB文件进行处理，产生十个文件，每个文件对应于一个数字，存贮着该数字的波形文件。（shujuzhengli.m） 2、分别利用上面十个文件训练出十个HMM模板，具体方法是：首先将语音的波形文件分帧，以128个点为一帧，帧移为64，每一帧通过mfcc.m计算出13个系数，随着波形的长度不同，一个语音文件可以计算得到13*N个系数，截取13*15的矩阵（mfcc系数）用作训练数据。一般一个HMM模板用20组mfcc系数
UsingHTK
- HTK 应用，训练数据，HCOPY，辨识语音，HMM,-HTK applications, training data, HCOPY, voice recognition, HMM,
speaker_recognition
- 国际上最新的说话人识别算法的源程序，内置语音训练数据-The latest international speaker recognition algorithm source code, built-in voice training data
Spedaker_Adapting_in_Speech_recognizing
- ：自适应技术在近年来得到越来越多的重视，其中应用广泛的包括,-.、,//0，该技术利用少量特定 人数据就可以调整码本，快速地提升识别性能，它要求原始的码本有很好的说话人无关性。本文介绍了结合 ,//0 自适应的说话人自适应训练（1234536 -74289:3 649<9<=，以下简称1- ）算法，这种方法将每个说话人码本 视为说话人无关码本经过线性变换的结果，在此基础上训练的说话人无关码本更有效剔除了说话人相关信 息，因此在说话人自适应中时能根据特定数据调整更好地逼
voicehmm
- 这是我的毕业设计的完整程序，非常有参考价值，包括数据，预处理，训练，识别，包括眼马尔科夫模型和神级网络，马上毕业了，传上做个纪念-This is my graduation project of the complete program is very valuable, including data, preprocessing, training, recognition, including the eye-level Markov model and the God of the net
anglecos
- 利用夹角余弦距离进行样本数据分类。实现步骤主要分为以下两部分：a、待测样品X与训练集里每个样品Xi的距离采用夹角余弦距离公式计算。b、循环计算待测样品和训练集中各已知样品之间的距离，找出距离待测样品最近的已知样品，该已知样品的类别就是待测样品的类别。-Using the sample data classification Angle cosine distance.Implementation steps are divided into the following two parts: a,
GMM
- k-means下的GMM训练模型，文档中包含源文件和头文件，详细介绍了如何用GMM去你和数据-GMM Model used by k-means and EM,
DTW
- 在孤立词语音识别中，最为简单有效的方法是采用DTW（Dynamic Time Warping，动态时间归整）算法，该算法基于动态规划（DP）的思想，解决了发音长短不一的模板匹配问题，是语音识别中出现较早、较为经典的一种算法，用于孤立词识别。HMM算法在训练阶段需要提供大量的语音数据，通过反复计算才能得到模型参数，而DTW算法的训练中几乎不需要额外的计算。所以在孤立词语音识别中，DTW算法仍然得到广泛的应用。-In isolated word speech recognition, the mos
BP_ASR
- 基于BP网络的语言识别,需要自己准备训练和测试数据-BP network based language identification, need to prepare their own training and test data