一、 基本介绍MFCC（Mel-Frequency Cepstral Coefficients）包含两步：第一将频率转化为梅尔频率；第二进行倒谱分析。它是基于人耳听觉特性提出来的，它与Hz频率成非线性对应关系，充分考虑了人耳对声音的听觉感知特性，目前主流的声事件分类方法之一，论文中常用其做对比算法。二、 主
文章目录一、什么是纹理特征二、灰度共生矩阵1.空间灰度共生矩阵2.代码实现3.利用纹理特征实现图片分类熵（上述代码已经实现）能量对比度均匀度 一、什么是纹理特征纹理特征是从图像中计算出来的一个值，对区域内部灰度级变化的特征进行量化。不是基于像素点的特征，需要在包含多个像素点的区域中进行统计计算。具有旋转不变性，且对噪声有较强的抵抗能力。当图像分辨率变化的时候，计算出来的纹理可能会有较大偏差。适用
转载
2023-10-24 22:44:45
165阅读
一 概念概述： 在语音识别（Speech Recognition）和话者识别（Speaker Recognition）方面，最常用到的语音特征就是梅尔倒谱系数（Mel-scale Frequency Cepstral Coefficients，简称MFCC）。根据人耳听觉机理的研究发现，人耳对不同频
转载
2018-10-15 14:05:00
278阅读
2评论
1. 第一个程序1.1 Hello Python书写步骤步骤一：新建文本文档文件,修改名称为hello.py步骤二：使用记事本打开文件，书写程序内容如下： 步骤三：打开命令行，输入执行指令：python hello.py 运行结果：屏幕显示hello python1.2 Bug
前言：一直以来接触比较多的是雷达算法仿真，对于实测数据如何处理还是一脸懵的状态。这篇笔记将从最基本的波形参数含义讲起，到实测数据预处理，再到将算法应用在实测数据中。预计会分成3篇笔记。因为所学知识有限，笔记中有错误的地方望路过的大佬指点，万分感谢！一、波形参数本篇笔记中的波形参数按照TI公司的mmwavestudio软件中SensorConfig参数设置顺序（如下图所示）讲解每个参数的含义。1、P
基于空间域纹理描述1. 统计法纹理描述灰度值和灰度相关性分别属于一阶统计特征和高阶统计特征。 1） 一阶统计特征 一阶统计特征包括均值、方差等，这些特征可以大致的描述图像的灰度值分布，而不考虑像素之间的邻域关系2）高阶统计特征 Laws 纹理能量法、灰度共生矩阵等，相比较一阶统计特征，高阶统计特征在描述空间灰度信息时，效果更加明显
。2. 结构法纹理特征1）图像的纹理特征可由纹理基元的数目、类
目录文章目录前言一、输入矩阵的信息 二、矩阵的初始处理 三．矩阵的进一步处理四．显示最终结果五.代码使用过程六.整体代码总结 文章目录文章目录前言一、输入矩阵的信息二、矩阵的初始处理三．矩阵的进一步处理四．显示最终结果五.代码使用过程六.整体代码总结 前言 线性代数在大学中的许多专业都是一门非常重要的课程，
area_center_gray ( Regions, Image : : : Area, Row, Column ) 计算Image图像中Region区域的面积Area和重心（Row，Column）。cooc_feature_image ( Regions, Image : : LdGray, Direction : Energy,Correlation, Homogeneity, Con
转载
2017-07-27 22:41:00
428阅读
2评论
SAP RETAIL 特征参数文件(Characteristic Profile) I1, 在SAP零售系统里，存在Characteristic Profile的概念。笔者（在大多数情况下）建议使用Characteristic Profile。原因有:a，如果将某个特征直接指定给某个merchandise category（商品类别），则该商品类别的每个商品都具有该特征。对于Characteristic Profile（由上述特征组成），您可以在创建商品时选择是否应使用Characteris
原创
2021-10-27 14:50:28
128阅读
SAP RETAIL 特征参数文件(Characteristic Profile) II现在有了特征参数文件ZPROFILE1,它包含三个特性，Z_VOLUMN,Z_SIZE,Z_COLOR.如下图示：该如何使用它？事务代码WG21/WG22 创建/修改物料组的时候将特征参数文件分配给物料组，保存，此时可以输入特性值，保存，2, 执行事务代码MM41 创建一个新的商品，物料组是106010102。
原创
2021-10-27 14:49:40
158阅读
SAP RETAIL 特征参数文件(Characteristic Profile) III对于商品号621，其物料组106010102含有characteristic profile. WG24看该物料组，MM42进入该商品621的basic data view,回车，在屏幕的下方就能看到这三个特性了，如上图。它们以类似字段的形式出现在商品主数据的basic data视图里了！！！可以为其分别维护值，然后保存，这个还真是
原创
2021-10-27 15:14:24
263阅读
本文为Coursera上吴恩达的机器学习视频中未推导的一个公式，在此不对该公
转载
2022-10-31 17:21:34
83阅读
一、特征提取：几何特征图像几何特征提取有两种提取方法，一种是基于边缘的提取，另一种是基于特征点的特征描述算子。 基于边缘的提取像素值函数快速变化的区域，一阶导数的极值区域 特点像素明显变化，语义丰富； 提取：先高斯去噪，再使用一阶导数获取极值(梯度下降)，原因在于导数对噪声敏感 不同标准差的波(x方向)能捕捉到不同尺度的边缘 用途：物体识別，几何、视角变换基于特征点的特征描述算子： 特点：图像不管
本篇博文基于MATLAB实现人脸识别，基于几何特征的算法，对人脸从图像采集、预处理、到特征点定位提取，校验通过；主要利用YCbCr肤色模型，通过连通分量提取算法定位人脸；对RGB图像通过形态学图像处理算法选定区域，再进行细化算法，找到其人脸坐标并提取出来；然后利用PCA与特征脸算法计算特征值完成识别。实现步骤如下所示：1）将训练集的每一个人脸图像都拉长一列，将他们组合在一起形成一个大矩阵A。假设每
转载
2023-08-10 13:55:47
261阅读
雷达通常有两种基本类型：连续波（CW）雷达和脉冲雷达。连续波雷达发射连续波，并且发射的同时可以接收反射回来的的回波信号，即收发可以同时进行。脉冲雷达间歇式发射脉冲周期信号，并且在发射的间隔接收发射的回波信号，即收发间隔进行。常见描述雷达特征参数有:时域参数。信号的时域参数一般包括脉冲宽度(PW)、脉冲到达时间(TOA)、脉冲重复间隔(PRI)及脉冲重复间隔的调制类型以及变化范围。频域参数。信号的频
Transformer之时序预测（单特征or多特征）（python3.8+pytorch）一、数据集股票的数据具有时序性，采用股票数据来进行预测下载随机一只股票历史数据进行处理，此次选用600243的数据数据处理思路如下用前一段的x数据预测其后一段的y数据每隔5取一组数据import pandas as pd
import torch
import numpy as 功 能： 计算灰度共生矩阵(GLCM)的各个特征值+句法： stats = graycoprop
CMUSphinx 将特征参数保存在后缀为.mfc的文件中，进行声学模型训练
原创
2021-12-10 15:58:59
117阅读
graycoprops 灰度共生矩阵的属性1、语法stats = graycoprops(glcm, properties)2、描述 stats = greycoprops（glcm，properties）计算灰度共生矩阵glcm在属性中指定的统计量。 glcm是m*n*p的有效的灰度共生矩阵。 如果glcm是GLCM的矩阵，则stats是每个glcm的矩阵。graycoprops对灰度
时域是真实世界，是惟一实际存在的域频域最重要的性质是:它不是真实的，而是一个数学构造。时域是惟一客观存在的域，而频域是一个遵循特定规则的数学范畴，频域也被一些学者称为上帝视角正弦波是频域中唯一存在的波形，这是频域中最重要的规则，即正弦波是对频域的描述，因为时域中的任何波形都可用正弦波合成。这是正弦波的一个非常重要的性质。然而，它并不是正弦波的独有特性，还有许多其他的波形也有这样的性质。正弦波有四个
转载
2023-11-17 21:48:56
0阅读
