经过提取mfcc和lpc作为特征进行svm的训练，识别正确率为90%，作为一项技术肯定不算优秀，但用于交作业完全可以
2016/2/8 23:49:57
12.94MB
1
深度发送项目描述该项目将基于唤醒价情感模型（又称为）分析用户上传的音乐文件。
唤醒代表音乐对人耳的强烈或“刺激性”，从平淡而放松的感觉到强烈而令人振奋的感觉。
此处的价表示音乐听起来多么令人愉悦或多么悲伤。
这个定义比定义要窄，但是对于机器学习模型来说更容易分类。
此外，该项目还实现了节拍检测和音乐流派检测的功能。
Web框架：，涉及技能：HTML，CSS，javascript，python放大细节节拍，唤醒和化合价检测：音乐原始数据的中间50％被分为5秒帧，步长为0.5秒。
然后将每个帧分成较小的25ms子帧，然后将其转换为MFCC（梅尔频率倒谱系数）阵列。
最后，将最初为矩
唤醒代表音乐对人耳的强烈或“刺激性”，从平淡而放松的感觉到强烈而令人振奋的感觉。
此处的价表示音乐听起来多么令人愉悦或多么悲伤。
这个定义比定义要窄，但是对于机器学习模型来说更容易分类。
此外，该项目还实现了节拍检测和音乐流派检测的功能。
Web框架：，涉及技能：HTML，CSS，javascript，python放大细节节拍，唤醒和化合价检测：音乐原始数据的中间50％被分为5秒帧，步长为0.5秒。
然后将每个帧分成较小的25ms子帧，然后将其转换为MFCC（梅尔频率倒谱系数）阵列。
最后，将最初为矩
2017/7/15 20:55:58
24.69MB
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
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