简介：如果在社会广泛的商业活动中能够更多地使用指纹作为个人识别的标记,使用指纹技术进行个人识别是完全具有可行性的,这样高的密钥量是目前其他个人识别特征无法比拟的

简介：指纹图像的特征指的是这种特征 ,一般的指纹分成有以下几个大的类别,指纹图像的预处理包括

简介：计算序列X终止于状态,如序列分析、基因识别等,表示从状态k转化到状态l的概率

简介：3.1语音的主分量特征参数（PCA特征）,在说话人识别系统中常用的语音特征参数主要有,本文选用线性预测倒谱系数（LPCC）作为语音的原始特征参数然后对其进行主分量分析

简介：则HMM模型就有效地用于描述时变语音信号,HMM对语音信号的描述及应用,本文实现的是一个基于离散的HMM的孤立词识别系统

简介：人脸识别作为身份识别的重要技术之一,已经开始广泛应用到人们的日常生活。人脸特征提取方法--主成分分析(PCA)可以在提取样本特征的同时降低样本维数,在此基础上提出的白化主成分分析(WPCA)可以降低图像中相邻像素的相关性,核主成分分析(KPCA)能够更好地提取适合分类的特征。本文主要分析了在不同光照和噪声情况下,三种常用的人脸特征提取方法—主成分分析(PCA)、白化主成分分析(WPCA)、核主成分分析(KPCA)均采用最近邻分类方法进行识别所用时间和识别率。

简介：步骤7从成熟克隆集合中选择n个亲和力最高的抗体作为记忆抗体的候选,进化过程中抗体与抗原的距离变化情况如表2所示,第3幅图和第4幅图分别是进化到第10代和第20代的抗体集

简介：随着我国高等职业教育的不断发展,应用型本科高校的不断壮大,如何为国家培养应用型技能型人才,如何科学合理地对学生能力进行考核,这就需要深入地开展教育教学改革,研究适合应用型人才考核的评价系统尤其重要。针对这种现状,本文提出了一种全新的基于物联网的语音识别考试系统,它以物联网设备连接为基础,以考试平台为依托,采取一种语音识别技术,实现对学生在线口语表述能力、理论知识笔试及实践操作考核的综合性考试系统。

简介：对羊毛衫款式轮廓进行分析,　1.2　对图片进行轮廓勾勒并提取这一部分是计算机款式识别系统的关键,如果计算机自动判断的或人工选择的背景色和羊毛衫款式中的某一区域的颜色一样

简介：中文姓名识别规则,基于规则和语料库的中文姓名识别,中文姓名识别

简介：用本文提出的方法求得的方向图对指纹图像进行滤波处理,一种改进的指纹块方向图算法［4］,必须准确地提取指纹图像的方向图

简介：用本文提出的方法求得的方向图对指纹图像进行滤波处理,一种改进的指纹块方向图算法［4］,必须准确地提取指纹图像的方向图

简介：结构损伤识别　分治法　变治法　装袋学习算法　神经网络,结果显示归纳学习方法特别是装袋学习方法在噪声程度超过50%时明显好于神经网络方法,用于将P的子问题P1

简介：大多数OS会给出不同的响应信息,远程OS探测协议栈指纹TCP/IP协议,其它的系统会返回不同的值

简介：3　BP神经网络进行数字识别,就可以对字符进行识别,采用带有动量项和自适应学习率的反向传播算法的人工神经网络来训练、识别理想信号和含有噪声信号的数字字符

简介：传统的生物医学命名实体识别方法需要大量的标注数据样本,但是在实际应用中标注样本代价高昂。为降低生物医学命名实体识别对标注样本的需求,本文提出通过使用PU学习中的两步法方法,将生物医学命名实体识别问题转化为PU场景下的命名实体识别问题。在第一步中分别使用1-DNF、Spy、NB和Rocchio算法在未标注数据中抽取强负例,然后在已有的正例数据和强负例数据的基础上构建隐马尔可夫模型,最后对待分类数据进行命名实体识别。在GENIA语料库上的实验结果显示,在标注数据较少的情况下,通过使用PU学习方法的两步法构建分类模型,其性能显著优于直接使用标注数据构建的分类模型,同时降低了人工标注数据的成本。

简介：该图像的奇异值特征也是唯一的,图像的奇异值特征作为一种代数特征,δij作为测试样本的特征就是本文提出的基于投影变换的奇异值特征

简介：在GP算法计算中,文中提出的基于GP算法的关联维计算中无标度区的识别算法,两个典型人工混沌时间序列无标度区和关联维计算表

简介：一个输出节点的三层RBF神经网络如图6,图5（基音曲线平滑的效果）,本文采用径向基函数(RBF)神经网络完成语音基音数据曲线到声调四声的映射

简介：单层感知器的有噪声训练网络的识别出错率为6.6%,而有噪声训练的BP网络的识别出错率为2.1%,无噪声训练网络对字符进行识别时