以一个能识别数字0～9的语音识别系统的实现过程为例，阐述了基于DTW算法的特定人孤立词语音识别的基本原理和关键技术。
其中包括对语音端点检测方法、特征参数计算方法和DTW算法实现的详细讨论，最初给出了在Matlab下的编程方法和实验结果。
其中包括对语音端点检测方法、特征参数计算方法和DTW算法实现的详细讨论，最初给出了在Matlab下的编程方法和实验结果。
2015/3/3 16:56:19
822KB
1
这是一个用引导的项目。
入门首先，运转开发服务器：npmrundev#oryarndev使用浏览器打开以查看结果。
您可以通过修改pages/index.js来开始编辑页面。
当您编辑文件时，页面会自动更新。
可以在上访问。
可以在pages/api/hello.js编辑此端点。
pages/api目录映射到/api/*。
此目录中的文件被视为而不是React页面。
了解更多要了解有关Next.js的更多信息，请查看以下资源：-了解Next.js功能和API。
交互式Next.js教程。
您可以查看-欢迎您提供反馈和意见！在Vercel上部署部署Next.js应用程序的最简单方法是使用Next.js创建者提供的。
查看我们的以了解更多详细信息。
入门首先，运转开发服务器：npmrundev#oryarndev使用浏览器打开以查看结果。
您可以通过修改pages/index.js来开始编辑页面。
当您编辑文件时，页面会自动更新。
可以在上访问。
可以在pages/api/hello.js编辑此端点。
pages/api目录映射到/api/*。
此目录中的文件被视为而不是React页面。
了解更多要了解有关Next.js的更多信息，请查看以下资源：-了解Next.js功能和API。
交互式Next.js教程。
您可以查看-欢迎您提供反馈和意见！在Vercel上部署部署Next.js应用程序的最简单方法是使用Next.js创建者提供的。
查看我们的以了解更多详细信息。
2015/6/2 3:23:35
7KB
1
这是一个用引导的项目。
入门首先，运转开发服务器：npmrundev#oryarndev使用浏览器打开以查看结果。
您可以通过修改pages/index.js来开始编辑页面。
当您编辑文件时，页面会自动更新。
可以在上访问。
可以在pages/api/hello.js编辑此端点。
pages/api目录映射到/api/*。
此目录中的文件被视为而不是React页面。
了解更多要了解有关Next.js的更多信息，请查看以下资源：-了解Next.js功能和API。
交互式Next.js教程。
您可以查看-欢迎您提供反馈和意见！在Vercel上部署部署Next.js应用程序的最简单方法是使用Next.js创建者提供的。
查看我们的以了解更多详细信息。
入门首先，运转开发服务器：npmrundev#oryarndev使用浏览器打开以查看结果。
您可以通过修改pages/index.js来开始编辑页面。
当您编辑文件时，页面会自动更新。
可以在上访问。
可以在pages/api/hello.js编辑此端点。
pages/api目录映射到/api/*。
此目录中的文件被视为而不是React页面。
了解更多要了解有关Next.js的更多信息，请查看以下资源：-了解Next.js功能和API。
交互式Next.js教程。
您可以查看-欢迎您提供反馈和意见！在Vercel上部署部署Next.js应用程序的最简单方法是使用Next.js创建者提供的。
查看我们的以了解更多详细信息。
2022/9/4 15:42:01
449KB
1
使用SpringCloud，EUREKA，RIBBON，ZUUL的SpringBoot微服务创建该项目是为了获得使用NetflixOSS进行微服务的经验。
这是一个简单的项目，由具有简单业务需求的编码命令式编程组成。
从1.1.0版开始，ELKStack已集成用于监视。
有四种微服务：帐户：此微服务负责管理帐户。
一个帐户可以是买方，卖方或后台帐户，但只有买方帐户。
产品：此微服务负责管理产品。
订单：此微服务负责管理订单。
除了ID，它对帐户和产品一无所知。
Backoffice：此微服务为Backofficeui提供端点。
后台微服务的端点具有路径“/api/v1/backoffice/orders”。
该端点前往带有产品名称和帐户的订单列表。
它通过Feign连接帐户，产品和订单微服务。
终点服务终点方法描述帐目/api/v1/帐户/{id}得到前往指定帐户的详细信息帐目/api/v1/帐户得到前往所有账户的详细信息产品展示/api/v1/products/{id}得到
这是一个简单的项目，由具有简单业务需求的编码命令式编程组成。
从1.1.0版开始，ELKStack已集成用于监视。
有四种微服务：帐户：此微服务负责管理帐户。
一个帐户可以是买方，卖方或后台帐户，但只有买方帐户。
产品：此微服务负责管理产品。
订单：此微服务负责管理订单。
除了ID，它对帐户和产品一无所知。
Backoffice：此微服务为Backofficeui提供端点。
后台微服务的端点具有路径“/api/v1/backoffice/orders”。
该端点前往带有产品名称和帐户的订单列表。
它通过Feign连接帐户，产品和订单微服务。
终点服务终点方法描述帐目/api/v1/帐户/{id}得到前往指定帐户的详细信息帐目/api/v1/帐户得到前往所有账户的详细信息产品展示/api/v1/products/{id}得到
2016/7/13 7:51:03
397KB
1
四、光栅方程的一般方式与谱线弯曲在（式中所表示的光栅方程，仅是光线在光栅主截面内入射和衍射的特殊情况。
在实际的光谱仪器中，狭缝都是有一定高度的。
从缝上不同点发出的光束都是以不同的角度斜入射到光栅面上，即这些光束是对主截面倾斜的。
经光栅衍射后的衍射光束显然也不在主截面上，并且其衍射角也不等于在主截面上的、由狭缝中点发出的光束的衍射角，这就和棱镜一样会导致光谱线的弯曲。
为求得斜入射情况下光栅的衍射，即光栅方程的一般方式，首先在光栅上建立一个直角坐标系：把直角坐标系置于光的原点平面和光栅表面重合，轴平栅面的中心；
行于光栅刻痕；
轴即为通过光栅中心的法线，平面即为主截面。
如图所示，使狭缝端点发出的斜射主光线通过坐标原点，另一条与点，之平行的相邻光线入射到光栅上的点的坐标是。
从点向和它的衍射光线分别作垂线，垂足。
则和是是这两条相邻入射光线的光程差，是两条相应的相邻衍射光线的光程差，总光程差为
在实际的光谱仪器中，狭缝都是有一定高度的。
从缝上不同点发出的光束都是以不同的角度斜入射到光栅面上，即这些光束是对主截面倾斜的。
经光栅衍射后的衍射光束显然也不在主截面上，并且其衍射角也不等于在主截面上的、由狭缝中点发出的光束的衍射角，这就和棱镜一样会导致光谱线的弯曲。
为求得斜入射情况下光栅的衍射，即光栅方程的一般方式，首先在光栅上建立一个直角坐标系：把直角坐标系置于光的原点平面和光栅表面重合，轴平栅面的中心；
行于光栅刻痕；
轴即为通过光栅中心的法线，平面即为主截面。
如图所示，使狭缝端点发出的斜射主光线通过坐标原点，另一条与点，之平行的相邻光线入射到光栅上的点的坐标是。
从点向和它的衍射光线分别作垂线，垂足。
则和是是这两条相邻入射光线的光程差，是两条相应的相邻衍射光线的光程差，总光程差为
2019/7/16 13:37:20
7.29MB
1
分量和背景噪音的估值，为参考点判决阈值的选取做预备。
接着检出语音信号大致的起止点作为实际起止点的参考点。
然后利用汉语语音功率谱的特点，检测出实际的语音起止点。
最
接着检出语音信号大致的起止点作为实际起止点的参考点。
然后利用汉语语音功率谱的特点，检测出实际的语音起止点。
最
2015/1/17 18:01:32
508KB
1
为提髙复杂噪声环境下语音信号端点检测的准确率，提岀一种基于梅尔频谱倒谱系数（MFCC）距离的多维特征语音信号端点检测算法。
通过计算语音信号的MrcC距离，结合短时能量和短时过零率对特征距离进行修正，并更新其阈值，建立自顺应噪声模型，实现复杂噪声中语音信号端点的准确检测。
实验结果表明，与基于双限能量和基于倒谱距离的2种经典检测算法相比，在计算效率相同的条件下，该算法的检测准确率更高。
通过计算语音信号的MrcC距离，结合短时能量和短时过零率对特征距离进行修正，并更新其阈值，建立自顺应噪声模型，实现复杂噪声中语音信号端点的准确检测。
实验结果表明，与基于双限能量和基于倒谱距离的2种经典检测算法相比，在计算效率相同的条件下，该算法的检测准确率更高。
2019/1/19 6:32:11
1.23MB
1
计算机网络：自顶向下方法（原书第6版）第1版于12年前出版，首创采用自顶向下的方法讲解计算机网络的原理和协议，出版以来已被几百所大学和学院选用。
是业界经典的计算机网络教材之一。
《计算机网络：自顶向下方法（原书第6版）》继续保持了以前版本的特色，为计算机网络教学提供了一种新颖和与时俱进的方法。
同时也进行了相当多的修订和更新：第1章更多地关注时下，更新了接入网的论述；
第2章用Python替代了Java来介绍套接字编程；
第3章补充了用于优化云服务功能的TCP分岔知识；
第4章有关路由器体系结构的内容做了大量更新；
第5章重新组织并新增了数据中心网络的内容；
第6章更新了无线网络的内容以反映其全新进展；
第7章进行了较大修订，深入讨论了流式视频，包括了适应性流和CDN的讨论；
第8章进一步讨论了端点鉴别；
等等。
另外，书后习题也做了大量更新。
是业界经典的计算机网络教材之一。
《计算机网络：自顶向下方法（原书第6版）》继续保持了以前版本的特色，为计算机网络教学提供了一种新颖和与时俱进的方法。
同时也进行了相当多的修订和更新：第1章更多地关注时下，更新了接入网的论述；
第2章用Python替代了Java来介绍套接字编程；
第3章补充了用于优化云服务功能的TCP分岔知识；
第4章有关路由器体系结构的内容做了大量更新；
第5章重新组织并新增了数据中心网络的内容；
第6章更新了无线网络的内容以反映其全新进展；
第7章进行了较大修订，深入讨论了流式视频，包括了适应性流和CDN的讨论；
第8章进一步讨论了端点鉴别；
等等。
另外，书后习题也做了大量更新。
2020/2/2 20:28:38
102.06MB
1
针对基于机器视觉的农业导航机器人在图像处理时易受光照变化影响和常规导航线检测算法实时性、稳健性不高等问题，提出了YCrCg颜色模型，选择该颜色模型中与光照无关的Cg分量进行后续图像处理，采用基于二维直方图的模糊C均值聚类法(FCM)进行图像分割，并根据图像中作物行的特点，提出了基于直线扫描的作物行直线检测算法。
该算法将图像底边和顶边像素点作为直线的两个端点，通过移动上下端点位置产生不同斜率直线，选择包含目标点最多的直线作为作物行中心线。
实验表明，不同光照下基于YCrCg颜色模型的图像分割可以有效地识别出作物行，处理一幅640pixel×480pixel图片耗时约为16.5ms，直线扫描算法能快速精确的检测出导航线，与最小二乘法、Hough变换等算法相比具有速度快、抗干扰性强等优点。
该算法将图像底边和顶边像素点作为直线的两个端点，通过移动上下端点位置产生不同斜率直线，选择包含目标点最多的直线作为作物行中心线。
实验表明，不同光照下基于YCrCg颜色模型的图像分割可以有效地识别出作物行，处理一幅640pixel×480pixel图片耗时约为16.5ms，直线扫描算法能快速精确的检测出导航线，与最小二乘法、Hough变换等算法相比具有速度快、抗干扰性强等优点。
2020/4/17 11:09:47
4.05MB
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