Ta上传的资源 (0)

k-Nearest Neighbors algorithm (or k-NN for short) is a non-parametric method used for classification and regression. In both cases, the input consists

概率潜在语义分析简称pLSA(Probabilisticlatent semantic analysis)基于双模式和共现的数据分析方法延伸的经典的统计学方法。概率潜在语义分析应用于信息检索,过滤,自然语言处理,文本的机器学习或者其他相关领域。 概率潜在语义分析与标准潜在语义分析的不同是,标准潜在语

语音信号是一种典型的非平稳随机信号，对语音做分帧处理后可以将其看作准平稳随机信号，从而使用处理平稳随机信号的方法进行处理。由于语音信号的产生可以用一个有理函数式来表达，因此可以用ARMA模型来对语音信号进行建模分析。本文介绍了用于随机时间序列的ARMA模型，线性预测分析的原理及方法，分析了ARMA模

利用Matlab模拟一个AR随机过程，用自适应的最小均方误差算法（LMS）进行AR参数估计。AR模型是ARMA模型的一种，ARMA的基本思想是：某些时间序列是依赖于时间的一组时间变量，构成该时序的单个序列值虽然具有不确定性，但整个序列的变化确有一定的规律性，可以用相应的数学模型近似描述。通过对该数学

经过几十年的研究与发展，语音识别建立了以隐马尔可夫模型（HiddenMarkovModels，HMM）为基础的框架。近几年，在HMM基础上深度神经网络(DeepNeuralNetwork，DNN)的应用大幅度提升了语音识别系统的性能。DNN将每一帧语音及其前后的几帧语音拼接在一起作为网络的输入，从而