以建立维吾尔语连续音素识别基础平台为目标,在HTK(基于隐马尔可夫模型的工具箱)的基础上,首次研究了其语言相关环节的几项关键技术;结合维吾尔语的语言特征,完成了用于语言模型建立和语音语料库建设的维吾尔语基础文本设计;根据具体技术指标,录制了较大规模语音语料库;确定音素作为基元,训练了维吾尔语声学模型;在基于字母的N-gram语言模型下,得出了从语音句子向字母序列句子的识别结果;统计了维吾尔语32个音素的识别率,给出了容易混淆的音素及其根源分析,为进一步提高识别率奠定了基础。
2025/3/21 13:20:48
3.37MB
1
该文档主要讲解马尔可夫聚类算法（TheMarkovClusterAlgorithm，MCL），配有计算公式，转化方法，结合实例讲解算法过程，个人感觉思路很清晰，讲解的很详细。
2024/10/2 21:02:39
726KB
1
开源算法该项目是各种编程语言中各种算法的实现的集合。
这些算法非常有用且相对简单，建议任何计算机科学专业的学生都可以实施。
动机此项目的动机是此想要贡献？看看选择您要处理的问题用选择的语言发表评论，之后您将被分配到该问题。
只有这样才能开始处理任务。
如果您选择的算法已经实现，请尝试对其进行优化。
如果当前尚不存在自述文件，请确保将其添加到自述文件中。
注意：鼓励以不同的语言实现已经实现的算法。
项目结构回购的结构类似于算法类别算法名称语言实现-源代码当前实施的算法编译器LALR解析器LL-1解析器圆图布雷森纳姆加密迪菲·赫尔曼RSAShamir秘密分享算法图算法0/1BFS遍历BFS遍历双向Dijkstra循环检测DFS遍历多源BFS所有对最短路径（FloydWarshall）贝尔曼福特算法寻桥算法拓扑排序LeetCode解决方案马尔可夫算法维特比算法网页排名多项式解算器牛顿法设置检查布隆过滤器频率排序珠子排序双音排序气泡排序递归气泡排序桶分类鸡尾酒排序梳状排序计数排序
这些算法非常有用且相对简单，建议任何计算机科学专业的学生都可以实施。
动机此项目的动机是此想要贡献？看看选择您要处理的问题用选择的语言发表评论，之后您将被分配到该问题。
只有这样才能开始处理任务。
如果您选择的算法已经实现，请尝试对其进行优化。
如果当前尚不存在自述文件，请确保将其添加到自述文件中。
注意：鼓励以不同的语言实现已经实现的算法。
项目结构回购的结构类似于算法类别算法名称语言实现-源代码当前实施的算法编译器LALR解析器LL-1解析器圆图布雷森纳姆加密迪菲·赫尔曼RSAShamir秘密分享算法图算法0/1BFS遍历BFS遍历双向Dijkstra循环检测DFS遍历多源BFS所有对最短路径（FloydWarshall）贝尔曼福特算法寻桥算法拓扑排序LeetCode解决方案马尔可夫算法维特比算法网页排名多项式解算器牛顿法设置检查布隆过滤器频率排序珠子排序双音排序气泡排序递归气泡排序桶分类鸡尾酒排序梳状排序计数排序
2024/9/30 21:36:18
135KB
1
在遥感图像的众多分割方法中，高斯混合模型(GMM)是一种常用的图像建模方法。
提出了高斯-瑞利混合模型(GRMM)可能更适合对遥感图像建模。
介绍了传统高斯混合模型和高斯-瑞利混合模型的区别。
比较了这两种混合模型对图像建模的结果，并用数据说明高斯-瑞利混合模型拟合图像的像素分布误差更小。
采用最大熵方法确定图像的最佳分类数，采用马尔可夫随机场(MRF)方法及新的势能函数完成图像的分割，采用迭代条件模型(ICM)完成分割过程中的最大后验概率计算问题。
在实验中采用了3幅遥感图像，实验过程中比较了各个图像运用高斯混合模型和高斯-瑞利混合模型的分割和拟合结果，分别通过数据和分割结果体现了该分割方法的效果。
提出了高斯-瑞利混合模型(GRMM)可能更适合对遥感图像建模。
介绍了传统高斯混合模型和高斯-瑞利混合模型的区别。
比较了这两种混合模型对图像建模的结果，并用数据说明高斯-瑞利混合模型拟合图像的像素分布误差更小。
采用最大熵方法确定图像的最佳分类数，采用马尔可夫随机场(MRF)方法及新的势能函数完成图像的分割，采用迭代条件模型(ICM)完成分割过程中的最大后验概率计算问题。
在实验中采用了3幅遥感图像，实验过程中比较了各个图像运用高斯混合模型和高斯-瑞利混合模型的分割和拟合结果，分别通过数据和分割结果体现了该分割方法的效果。
2024/9/16 15:29:46
5.33MB
1
mdp（马尔科夫过程）的MATLAB代码，马尔可夫决策过程（Markovdecisionprocesses）matlab程序，m文件，从工具箱中调用，有英文说明。
本人亲测，程序可用，结果正确。
本人亲测，程序可用，结果正确。
2024/8/12 18:14:08
8KB
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