排序方式: 共有12条查询结果,搜索用时 31 毫秒
1.
针对高噪环境下语音识别的困难,以独立分量分析和小波理论为基础,提出一种负熵最大化小波语音降噪预处理新方法,对不同种类和不同输入信噪比的噪声设计了试验,结果表明在低输入信噪比情况下本方法的优越性,此结论对高噪环境下的信号分析和语音识别具有重要意义。 相似文献
2.
3.
4.
本文介绍了开发基于Web的《农业机器运用管理学》多媒体课件的意义,结合《农业机器运用管理学》课程的特点和教学难点说明了课件的设计思路及媒体制作工具的选择;阐述了课件的主要功能模块以及开发过程中有关技术问题的解决方法等。 相似文献
5.
6.
基于机器视觉的花生品种识别系统研究 总被引:1,自引:0,他引:1
为了实现花生品种自动识别,收集了12个花生品种的600粒籽仁作为实验样本,利用计算机视觉和图像处理技术对图像进行处理;然后,对每幅样本图像提取形态、颜色和纹理等3大类共48个特征,建立人工神经网络( ANN )和支持向量机( SVM )识别模型对这些特征进行分析识别,并基于 Visual C++6.0环境构建识别系统。运行结果表明,SVM 方法识别效果比较稳定,对12个花生品种自我识别率达到100%,测试识别率达到83%;另外,基于Visual C++的识别系统在识别效果与效率方面比Matlab 都有了较大的提高。该花生品种识别系统对于花生品种识别具有积极意义。 相似文献
7.
8.
9.
玉米品种识别多算法模型比较研究 总被引:1,自引:0,他引:1
为了比较玉米品种图像识别中各种神经网络识别模型的性能,搭建了一套基于统计特征提取和模式识别分类算法的玉米品种识别系统。采用扫描仪获得了11个玉米品种每个品种50粒子粒图像,基于图像的统计特征,分别研究了7种人工神经网络(ANN)模型(BP、rbf、grnn、pnn、compet、sofm、ELM)的识别性能,进一步考察了极限学习机(ELM)、支持向量机(SVM)模式分类过程性能。结果表明,在同样的情况下SVM模型较ANN模型的特征识别率高,另外神经网络模型grnn和ELM识别效果较好,其他识别模型性能较差。对11个玉米品种种子的最高检出率为91.73%,另外,所采用的特征降维方法、特征维数、初始权值的随机性选择等因素都会影响模型的识别效果。这对玉米种子纯度和品种真实性检验中人工神经网络模型的构建具有指导意义。 相似文献
10.