语音端点检测是语音信号处置进程中的一个弥留步骤，其检测准确性直接影响语音信号处置的速率以及下场。
传统的基于双门限法语言检测本领，在语音处于纯语音情景下分辨语音端点较准确，但在语音处于噪声情景下，特意是低信噪比的情景下，端点识别率很低，侵蚀率很高。
基于普及此方式识别率的目的，付与调解阈值个数，滑腻滤波，引入语音竣事最小长度的方式对于其举行改善，经由了Matlab仿其实验，患上出了较好的语音端点检测准确率。
传统的基于双门限法语言检测本领，在语音处于纯语音情景下分辨语音端点较准确，但在语音处于噪声情景下，特意是低信噪比的情景下，端点识别率很低，侵蚀率很高。
基于普及此方式识别率的目的，付与调解阈值个数，滑腻滤波，引入语音竣事最小长度的方式对于其举行改善，经由了Matlab仿其实验，患上出了较好的语音端点检测准确率。
2023/5/1 7:17:29
1.34MB
1
H3CNE(GB0-191)v7-90分以上题库内含三份400题题库考卷自己亲测准确率90分以上题库
2023/4/29 15:35:58
7MB
1
此代码主若是对于数据集天生图，第一部份是天生数据的相关性矩阵图，第二部份是天生数据集的缺失图，第三部份是数据经由PCA从多维降为二维后使用聚类处置在二维层面上展现的散点图，第三部份是分类算法对于数据集的处置输入为分类准确率，分类算法搜罗随机森林，侈靡贝叶斯，遴选树，KNN，反对于向量机，以及神经收集。
以上皆为代码所能处置的成果。
假如你是需要对于数据集举行阐发需要图，这份代码就比力适宜。
以上皆为代码所能处置的成果。
假如你是需要对于数据集举行阐发需要图，这份代码就比力适宜。
2023/4/27 23:37:48
5KB
1
本文阐发了台湾某银行客户的守约收入情景，提出了基于数据开掘本领的料想客户守约大概性。
从迫害管理的角度来看，料想的守约概率的准确性能够用来对于可信的或者不可信的客户举行分类。
本文起首对于数据集举行了末了处置，将数据拆分为2000个熬炼集与1000个测试集。
每一个客户信息中有23个自变量，依据其各个因素的相关性举行了调解而后使用了5开掘方式，搜罗KNN,分类树，随机森林，Logistic回归，神经收集举行建模，比力这5种方式中守约概率的料想准确性。
其中神经收集的料想下场最佳，料想准确率抵达了83.3%；
其次，分类树（81.8%）以及随机森林（80.1%），而后是Logistic回归（78.3%）。
KNN的料想下场最不梦想（75.8%）。
关键词：诺言卡守约料想、数据分类、Logistic回归、分类树、KNN、神经收集、随机森林。
从迫害管理的角度来看，料想的守约概率的准确性能够用来对于可信的或者不可信的客户举行分类。
本文起首对于数据集举行了末了处置，将数据拆分为2000个熬炼集与1000个测试集。
每一个客户信息中有23个自变量，依据其各个因素的相关性举行了调解而后使用了5开掘方式，搜罗KNN,分类树，随机森林，Logistic回归，神经收集举行建模，比力这5种方式中守约概率的料想准确性。
其中神经收集的料想下场最佳，料想准确率抵达了83.3%；
其次，分类树（81.8%）以及随机森林（80.1%），而后是Logistic回归（78.3%）。
KNN的料想下场最不梦想（75.8%）。
关键词：诺言卡守约料想、数据分类、Logistic回归、分类树、KNN、神经收集、随机森林。
2023/4/26 23:56:21
1.25MB
1
基于双向LSTM/keras/tensorflow的中文分词，语料为庶民日报，分词准确率高达97%
2023/4/25 8:51:14
11.63MB
1
20170512-110547（MS-Celeb-1M数据集熬炼的模子文件，微软人脸识别数据库，名人榜遴选前100万名人，搜查引擎收集每一个名人100张人脸图片。
预熬炼模子准确率0.993+-0.004）
预熬炼模子准确率0.993+-0.004）
2023/4/19 15:43:17
11.06MB
1
本例中搜罗两层BP神经收集模板法度圭表标准（能够直接挪用，可定制中间层神经元个数，配置学习率，绘制衰减曲线，可用于约莫的方式识别以及料想）、一个挪用的例程（搜罗约莫的数据预处置如归一化的使用，测试下场准确率为98.3%）、一份鸢尾花处置后的数据以及原始数据。
驱散下载。
驱散下载。
2023/4/16 20:18:11
5KB
1
LBPH算法约莫地将检测到的人脸分成小单元，并将其与模子中的对于应单元举行比力，对于每一个地域的匹配值暴发一个直方图。
LBPH是仅有应承模子样自己脸以及检测到的人脸在外形、大小上能够不合的人脸识别算法。
代码部份付与Opencv与Python编程，并且将LBPH算法以及Eigenfaces算法与Fisherfaces算法举行人脸识别下场比力，准确率抵达97%以上(目前在识别黑人期间码下场欠安)
LBPH是仅有应承模子样自己脸以及检测到的人脸在外形、大小上能够不合的人脸识别算法。
代码部份付与Opencv与Python编程，并且将LBPH算法以及Eigenfaces算法与Fisherfaces算法举行人脸识别下场比力，准确率抵达97%以上(目前在识别黑人期间码下场欠安)
2023/4/14 20:19:53
11.21MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB