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
采用OpenCV3.4.2开源库，基于混合高斯模型（GMM）实现监控视频移动物体实时检测，使用OpenCV默认的行人检测模型实现了监控视频的行人检测，将两种功能集成到C++的MFC界面中，通过打开摄像头、开始监测、停止监测和关闭摄像头按钮进行操作。
PS:可使用X64文件夹-＞Debug文件夹下的.exe文件查看执行效果，在使用代码时需更改OpenCV的相关路径，使用X64平台运行。
PS:可使用X64文件夹-＞Debug文件夹下的.exe文件查看执行效果，在使用代码时需更改OpenCV的相关路径，使用X64平台运行。
2024/9/22 2:28:34
94.57MB
1
以高阶统计量数学分析方法，对混舍高斯模型进行研究，并给出理论计算结果。
重点讨论二元混合高斯模型，给出高阶统计量的理论值，用Matlab仿真不同方差和不同均值时多膜性、对称性和斜度值、峰度值的估计结果，并比较斜度值、峰度值的理论结果和仿真结果，验证理论结果的正确性，为通信理论中混合高斯模型的研究做补充。
关键词：混合高斯模型；
高阶统计量；
二元混合高斯模型；
峰度值；
斜度值
重点讨论二元混合高斯模型，给出高阶统计量的理论值，用Matlab仿真不同方差和不同均值时多膜性、对称性和斜度值、峰度值的估计结果，并比较斜度值、峰度值的理论结果和仿真结果，验证理论结果的正确性，为通信理论中混合高斯模型的研究做补充。
关键词：混合高斯模型；
高阶统计量；
二元混合高斯模型；
峰度值；
斜度值
2024/9/1 8:37:36
235KB
1
针对智能交通系统中交通基础数据当前提取方式较匮乏的问题，提出了一种利用交通视频基于改进卡尔曼滤波的交通信息采集方法。
首先，分析混合高斯模型在多车辆运动目标检测时易出现噪点、目标断裂、空洞等问题，提出了一种启发式改进方法；
在获得检测结果的基础上，针对连续视频帧中多目标的确定问题，结合卡尔曼滤波和车辆运动特征，利用卡尔曼滤波对车辆位置进行最优估计，继而对前景目标进行启发式算法处理，提出了一种交通量实时检测方法；
最后，实验结果表明文章方法能够有效改善多车辆目标检测中的噪声干扰和前景虚化问题。
首先，分析混合高斯模型在多车辆运动目标检测时易出现噪点、目标断裂、空洞等问题，提出了一种启发式改进方法；
在获得检测结果的基础上，针对连续视频帧中多目标的确定问题，结合卡尔曼滤波和车辆运动特征，利用卡尔曼滤波对车辆位置进行最优估计，继而对前景目标进行启发式算法处理，提出了一种交通量实时检测方法；
最后，实验结果表明文章方法能够有效改善多车辆目标检测中的噪声干扰和前景虚化问题。
2024/6/16 8:03:38
3KB
1
混合高斯em算法matlab源码可算三个参数-混合高斯em算法matlab源码可算三个参数.rar混合高斯em算法matlab源码可算三个参数
2024/5/19 17:01:19
9KB
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