语音情感识别通过特定人语音情感数据库的建立；
语音情感特征提取；
语音情感分类器的设计，完成了一个特定人语音情感识别的初步系统。
对于单个特定人，可以识别平静、悲伤、愤怒、惊讶、高兴5种情感，除愤怒和高兴之间混淆程度相对较大之外，各类之间区分特性良好，平均分类正确率为93.7%。
对于三个特定人组成的特定人群，可以识别平静、愤怒、悲伤3种情感，各类之间区分特性良好，平均分类正确率为94.4%。
其中分类器采用混合高斯分布模型。
语音情感特征提取；
语音情感分类器的设计，完成了一个特定人语音情感识别的初步系统。
对于单个特定人，可以识别平静、悲伤、愤怒、惊讶、高兴5种情感，除愤怒和高兴之间混淆程度相对较大之外，各类之间区分特性良好，平均分类正确率为93.7%。
对于三个特定人组成的特定人群，可以识别平静、愤怒、悲伤3种情感，各类之间区分特性良好，平均分类正确率为94.4%。
其中分类器采用混合高斯分布模型。
2025/3/14 0:41:01
23KB
1
文章“Quickpre-correctionofagratingfringeforphasemeasuringprofilometry”全套代码+实验数据。
这是一种针对FPP三维测量系统的光栅预矫正方法，能够提高光栅均匀性，理论上不引入额外切向误差，整个过程可以在数秒钟以内完成。
资源包含文章全文+文章发表时的全套数据+光栅矫正代码+结果分析代码。
欢迎大家参考引用。
这是一种针对FPP三维测量系统的光栅预矫正方法，能够提高光栅均匀性，理论上不引入额外切向误差，整个过程可以在数秒钟以内完成。
资源包含文章全文+文章发表时的全套数据+光栅矫正代码+结果分析代码。
欢迎大家参考引用。
2025/1/22 22:06:50
34.96MB
1
车辆仿真代码;MATLAB[constGz=457000000;nd=2;g=9.81;pi=3.1415926;th=1000;mc=38500;mb=3250;mw=1500;Ic=2500000;Ib=3650;lc=9.5;ks=2500000;kp=2100000;cs=200000;cp=50000;lt=1.25;kr1=100000000;F1KC=1;FKC=0.5;FI1=1.5;FI=0.5;其中一部分】
2024/11/10 8:21:19
75KB
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