注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 区分性训练，语音识别的必备手段

  2. 一种训练方法，语音识别的杀手锏，实际上我是没分了，才放paper了。。。。

  3. 所属分类：专业指导

    • 发布日期：2009-08-10
    • 文件大小：1048576
    • 提供者：h4vvk

  1. 语言模型自适应调整

  2. 语言模型的Boosting、Perceptron和MSR算法

  3. 所属分类：其它

    • 发布日期：2012-07-06
    • 文件大小：1016832
    • 提供者：lxs_huntingjob

  1. 区分性训练论文

  2. MMI训练可以很好的区分判别类型，在GMM判别的基础上进一步区分数据，提高数据的分类准确率

  3. 所属分类：互联网

    • 发布日期：2014-12-03
    • 文件大小：253952
    • 提供者：qq_18928225

  1. 区分性训练论文

  2. 介绍了MMI训练的原理及应用方式,mmi训练对一些gmm声学建模具有进一步区分的能力

  3. 所属分类：专业指导

    • 发布日期：2014-12-21
    • 文件大小：253952
    • 提供者：baidu_24075835

  1. 语音识别区分性训练normandin博士论文

  2. Hidden Markov Models, Maximum Mutual Information Estimation, and the Speech Recognition Problem Yves Normandin Department of Electrical Engineering McGill University, Montreal March 1991

  3. 所属分类：专业指导

    • 发布日期：2009-03-10
    • 文件大小：1048576
    • 提供者：ilhmin20

  1. 不相关匹配追踪的分段区分性特征变换方法

  2. 为了提高基于分帧特征变换方法的稳定性， 提出了一种基于分段的区分性特征变换方法． 该方法将特征变换当成高维信号的稀疏逼近问题，采用状态绑定的方法训练得到基于域划分的线性变换矩阵( Ｒegion Dependent Linear Transform，ＲDLT) 和基于最小音素错误准则均值补偿的特征( mean-offset feature Minimum Phone Error， m-fMPE) 变换矩阵，将两者的特征变换矩阵构成过完备的字典; 采用强制对齐的方式对语音信号进行分段， 以似然度最

  3. 所属分类：机器学习

    • 发布日期：2018-03-12
    • 文件大小：450560
    • 提供者：qq_41828110

  1. 基于VQ-MAP与LS-SVM融合的说话人识别系统

  2. 传统的最小二乘支持向量机(LS-SVM)使用特征向量作为训练样本,在说话人识别系统中应用时区分性不够明显。对此，提出VQ-MAP与LS-SVM融合的方法，使用通用背景模型(UBM)经过VQ-MAP过程得到说话人自适应参数集，把此参数集作为最小二乘支持向量机的训练样本应用于说话人识别系统中。用Matlab进行仿真实验，结果表明，该识别系统SVM训练时间短，且具有较高的识别率。

  3. 所属分类：其它

    • 发布日期：2020-10-26
    • 文件大小：239616
    • 提供者：weixin_38724611

  1. 基于VQ-MAP与LS-SVM融合的说话人识别系统

  2. 摘   要： 传统的最小二乘支持向量机(LS-SVM)使用特征向量作为训练样本,在说话人识别系统中应用时区分性不够明显。对此，提出VQ-MAP与LS-SVM融合的方法，使用通用背景模型(UBM)经过VQ-MAP过程得到说话人自适应参数集，把此参数集作为最小二乘支持向量机的训练样本应用于说话人识别系统中。用Matlab进行仿真实验，结果表明，该识别系统SVM训练时间短，且具有较高的识别率。 　　说话人识别是从说话人的一段语音中提取出说话人的个性特征，通过对这些个性特征的分析和识别，从而达到对说话

  3. 所属分类：其它

    • 发布日期：2020-11-06
    • 文件大小：278528
    • 提供者：weixin_38654589

  1. 一文读懂人工智能

  2. 人工智能：人工＋智能。 人工智能是关于知识的学科，怎样表示、获取和应用知识。 核心目标：让机器去完成只有人能够完成的智能工作。 人工智能包括模式识别、机器学习、数据挖掘、计算机视觉和自然语言处理等。 1. 模式识别 定义：模式是指存在于时间和空间中可观测性、可度量性和可区分性的信息；模式识别是对模式进行分析与处理，进而实现描述、辨识、分类与解译。 基本任务：从标记样本中训练识别系统或者从无标识样本中发现模式。 2. 机器学习 定义：专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：159744
    • 提供者：weixin_38595689

  1. LGSC-for-FAS:学习用于面部反欺骗的广义欺骗线索-源码

  2. LGSC-FAS 此存储库包含面部反欺骗的代码，该代码将面部反欺骗（FAS）重新为异常检测问题，并通过残差学习框架来学习区分性欺骗线索。 框架 FaceForensics基准测试 基于LGSC ，我们在获得了第一名 数据集和预处理 我们在数据集中使用两种不同的压缩率：c23（中压缩）和c40（高压缩）视频作为我们的训练数据。作为预处理步骤，我们从原始视频中提取作物面部框架，总共得到96万个面部框架，其中16万个原始框架和80万个可操作框架相反。此外，我们在训练过程中平衡了正样本和负样本的比例。

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：391168
    • 提供者：weixin_42097668

  1. 用于细粒度分类的多个粒度描述符

  2. 细粒度分类，旨在区分下属类别，例如鸟类或狗繁殖，是一项极富挑战性的任务。 这是因为两个主要问题：如何定位区分区域识别以及如何学习用于表示的复杂功能。 如果没有，它们都不容易处理标签数据不足。 我们利用一个事实，即下级对象已经本体树中还有其他标签。 这些“免费”标签可用于训练一系列基于CNN的分类器， 每个都专门在一个粒度级别。 内部表示这些网络有不同的兴趣范围， 允许构造多粒度描述符编码涵盖所有内容的信息性和区分性功能谷物水平。 我们的多重粒度框架可以通过最薄弱的监督，只需要图像级别的标签并避免

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：977920
    • 提供者：weixin_38629976

  1. 无需手动删除频段即可进行高光谱图像分类的无监督频段选择

  2. 高光谱影像中的丰富信息为材料分类和识别提供了重要机会。 由于高数量的光谱通道以及少量标记的训练样本带来的“维数诅咒”（称为休斯现象）问题，降维是高光谱数据的必要预处理步骤。 通常，为了提高分类精度，通常预先手动地去除由各种源（主要是传感器和大气）产生的噪声带。 但是，删除这些频段可能会丢弃一些重要的区分性信息，从而最终降低分类精度。 在本文中，我们提出了一种无需手动删除频段即可自动选择频段的新策略。 首先，应用小波收缩对整个数据立方体的空间图像进行消噪。 然后，使用亲和力传播（这是最近提出的一种

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：917504
    • 提供者：weixin_38706824

  1. 高光谱图像分类的主动多核域自适应

  2. 近年来，目睹了高光谱图像（HSI）分类的快速发展。 现有的大多数研究要么通过监督学习严重依赖昂贵的标签信息，要么很难利用从相关领域借来的区分性信息。 为了解决这个问题，在本文中，我们展示了一种基于具有主动学习（AL）的域自适应（DA）的解决HSI分类的新颖框架。 我们方法的主要思想是通过利用源域中可用的带标签样本来重新训练多核分类器，并在目标域中添加最少数量的信息最多的样本以及活动查询。 所提出的方法自适应地组合了多个内核，形成了DA分类器，该DA分类器使源域和目标域之间的偏差最小。 进一步配备

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：1048576
    • 提供者：weixin_38748556

  1. 基于训练样本优化的字典稀疏MR重建算法

  2. 磁共振（MR）成像被广泛用于疾病诊断。 硬件成像受到分辨率的限制，并且高的辐射强度和磁性时间会伤害人体。 基于软件的图像超分辨率技术有望解决该问题，特别是通过基于稀疏重构的图像超分辨率具有良好的优异性能。 字典生成是影响超分辨率算法性能的关键问题，因为在字典生成过程中没有考虑潜在的区分性信息。 针对此问题，我们提出了针对MR稀疏超分辨率重建的训练样本优化字典学习算法。 提出了一种基于灰度一致性和梯度联合分集的字典表示方法，以选择最佳的图像进行字典训练。 在基于稀疏重建的MR成像框架下评估字典训练

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：1048576
    • 提供者：weixin_38742124

  1. 一种广义边距区分性训练准则

  2. 通过分析不同区分性训练目标函数之间的关系,以MMI(Maximum Mutual Information)作为分离度量,

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：1048576
    • 提供者：weixin_38677936

  1. 支持向量机和字符串核识别MicroRNA前体

  2. 微小RNA（miRNA）是从长（70-110 nt）miRNA前体（pre-miRNA）加工而成的短（21-23 nt）调节性非编码RNA的一族。 鉴定真假前体在miRNA的计算鉴定中起着重要作用。 从前体序列及其二级结构中提取了一些数字特征，以适应某些分类方法； 但是，它们可能会丢失隐藏在序列和结构中的一些有用的区分性信息。 在这项研究中，pre-miRNA序列及其二级结构直接基于两个序列之间的加权Levenshtein距离来构建指数内核。 然后将此字符串内核与支持向量机（SVM）组合以检测真

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：294912
    • 提供者：weixin_38723373

  1. shape-context-ocr：“形状上下文”是一个形状描述符，用于捕获形状轮廓上其他点的相对位置，并用于识别字符-源码

  2. 形状上下文-光学字符识别（OCR） 形状上下文是一个形状描述符，用于捕获形状轮廓上其他点的相对位置。 这提供了形状的全局区分性特征，而不仅仅是局部描述符。 然后将这些用于测量形状之间的相似性，并根据每个边缘到其他边缘的极对数距离来识别字符。 如何使用 将Matlab OCR文件夹添加到Matlab的路径。 修改Data/OcrDefaults.m的默认设置。 要使用GUI运行程序， OcrProgram在Matlab命令窗口中执行OcrProgram 。 要使用默认设置运行程序，请在Matla

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：5242880
    • 提供者：weixin_42136791

  1. 基于视觉显着性建模和稀疏编码的判别学习的高效同时检测多类地理空间目标

  2. 在空中和卫星图像分析领域，自动检测混乱场景中的地理空间目标是一项严峻的挑战。 在本文中，我们提出了一种新颖的实用框架，该框架通过整合可视显着性模型和稀疏编码的判别式学习，可以高效且同时检测遥感图像（RSI）中的多类地理空间目标。 首先，通过学习从各种视觉特征到专家手动注释的地理空间图像中显着对象的地面真值集的直接映射，来建立计算显着性预测模型。 该模型的输出可以预测少量的目标候选区域。 然后，与针对每种目标类别进行独立训练的典型模型相反，我们训练了一种多类别目标检测器，该探测器可通过使用区分性稀

  3. 所属分类：其它

    • 发布日期：2021-03-30
    • 文件大小：4194304
    • 提供者：weixin_38731199

  1. 通过结构学习的区分性重排序模型适应

  2. 在统计机器翻译中，对模型进行重新排序仍然是一个很大的挑战，因为翻译单元的重新排序模式通常在一个域与另一个域之间差异很大。 在本文中，我们提出了一种基于结构学习的新型自适应判别重排序模型（DRM），该模型可以捕获来自两个不同领域的重排序特征之间的对应关系。 利用域内和域外单语语料库，我们的模型学习了用于跨域短语重新排序的共享特征表示。 结合这种表示的功能，在域外语料库上训练的DRM可以更好地推广到域内数据。 NIST汉英翻译任务的实验结果表明，我们的方法明显优于各种基准。

  3. 所属分类：其它

    • 发布日期：2021-03-28
    • 文件大小：534528
    • 提供者：weixin_38616505

  1. 训练更多区分性的多类别分类器以进行手部检测

  2. 训练更多区分性的多类别分类器以进行手部检测

  3. 所属分类：其它

    • 发布日期：2021-03-24
    • 文件大小：1048576
    • 提供者：weixin_38635449
« 12 3 »