暂无评论
基于VTLN和频谱倾斜补偿的特征提取,陈浩斌,刘刚,随着人工智能的发展,语音识别越来越受到重视。对于语音识别而言,理想的语音特征应该具有类内收敛以及类间离散的特性,但实际上
论文研究-基于灰色关联聚类的特征提取算法.pdf, 针对航空发动机气路部件故障样本特点,提出了一种基于灰色关联聚类的特征提取算法.论述了邓氏、相对变率和斜率三种灰色关联度分析方法,并以利用灰色关联度
表情识别的性能依赖于所提取表情特征的有效性,现有方法提取的表情基本上是人脸与表情的融合体,然而不同个体的人脸差异是表情识别的主要干扰因素。在表情识别时,理想情况是将个体相关的人脸特征和与个体无关的表情
针对语音识别中固定帧率特征提取方法没有充分考虑语音频谱变化特性、噪声鲁棒性差的问题,提出了一种基于自适应加权和的变帧率方法用于特征提取,并在固定音频检索系统中进行实验,在信噪比为20dB的情况下,与固
基于彩色图像的四元数模型,将彩色人脸图像视为一个模板直接处理,并首次将奇异值向量应用到彩色人脸识别中。首先证明了彩色图像的奇异值向量具有代数和几何不变性;然后将其提取为图像的代数特征并应用到人脸识别中
兴趣点推荐是基于位置的社会网络的重要研究内容之一。传统的兴趣点推荐算法或者应用基本的协同过滤方法,或者在基本的协同过滤算法中引入空间特征,而没有充分发掘时序特征对推荐算法的重要性。为了进一步提高兴趣点
在网络用户和网络产品急剧攀升的背景下,非个性化产品推荐成为一种很好的网络广告手段,已有的研究中,Vague集方法已被应用于推荐系统中,并取得了较好的效果。分析了非个性化产品推荐的一般特征和优点;借助V
非参数特征提取方法虽然不需要用任何参数表达的基函数,但在很大程度上却依赖于模板信号的选取。模板信号与实际信号逼近的程度,直接影响了提取结果的精度,这严重阻碍了该方法的广泛应用,因而模板信号的选取成为非
传统的推荐系统中,基于矩阵分解的协同过滤方法只考虑单一的评分信息,而且作为浅层模型无法学习到更深层次的特征信息。提出一种基于深度学习的多交互混合推荐模型,通过深度学习模型融合更多的辅助信息作为输入,能
时间序列数据是一种数据属性随时间变化的高维数据类型,反映了用户兴趣的动态变化。基于时序数据的推荐系统利用用户的行为时间提高推荐的准确性,但不适用于大规模数据集的推荐任务。矩阵分解方法是处理高维数据集时
暂无评论