gdtw-svm 文章進(jìn)入gdtw-svm技術(shù)社區

適用于手語(yǔ)采集與輸入的智能手套及翻譯系統

設計并實(shí)現了一款以ESP32-C3-WROOM-02為核心，基于物聯(lián)網(wǎng)、UDP協(xié)議、姿態(tài)傳感器和彎曲傳感器的適用于手語(yǔ)采集與輸入的智能手套及翻譯系統。該系統通過(guò)在手套上綁定姿態(tài)傳感器MPU6050，配合彎曲傳感器動(dòng)態(tài)監測手的運動(dòng)和姿態(tài)，通過(guò)ESP32芯片采集傳感器數據并做初步處理，經(jīng)單片機上的Wi-Fi模塊通過(guò) UDP 協(xié)議傳輸給云端采用 SVM 算法識別靜態(tài)手勢，此外，本設計還搭建了基于Python的Web應用程序框架Streamlit實(shí)現在網(wǎng)頁(yè)上實(shí)時(shí)呈現處理結果和全平臺兼容，方便用戶(hù)使用。
關(guān)鍵字： 202308 手勢識別 ESP32 彎曲傳感器 SVM 神經(jīng)網(wǎng)絡(luò )

了解基于FastCV視覺(jué)庫的SVM機器學(xué)習算法

了解基于FastCV視覺(jué)庫的SVM機器學(xué)習算法-SVM是一種常用的機器學(xué)習算法，在人工智能、模式識別、圖像識別等領(lǐng)域有著(zhù)非常廣泛的應用，本節將結合FastCV庫提供的fcvSVMPredict2Classf32機器學(xué)習函數API，對SVM原理及用法進(jìn)行介紹，為后續大家在使用FastCV進(jìn)行圖像識別類(lèi)的應用開(kāi)發(fā)提供參考。
關(guān)鍵字： FastCV SVM 機器學(xué)習

斯坦福機器學(xué)習公開(kāi)課筆記8- 核技法、軟間隔分類(lèi)器、SMO算法

　　本篇對應斯坦福公開(kāi)課的第8個(gè)視頻，主要講述了SVM(Support Vector Machine,支持向量機)的剩余部分。即核技法(Kernels)、軟間隔分類(lèi)器(softmargin classifier)、對SVM求解的序列最小化算法(Sequential Minimal Optimization,SMO)以及SVM的一些應用?！　×硗?，由于筆記6-8大部分都是SVM的內容，因而打包上傳到了csdn資源上，下載請猛擊此處。　　
關(guān)鍵字： SVM SMO

基于SVM和sigmoid函數的字符識別自適應學(xué)習算法

　　手寫(xiě)字符的一個(gè)突出特點(diǎn)就是模式具有較大的變化性，表現為模式空間的類(lèi)內分布過(guò)于分散，類(lèi)間交疊嚴重，這使得識別模型無(wú)法“恰當”地擬合每類(lèi)模式的數據分布或類(lèi)別之間的判別面。在識別模型過(guò)程中，通過(guò)自適應學(xué)習就能較好地擬合特定書(shū)寫(xiě)者筆跡特征向量的空間分布，從而有利于識別率的提高。當然，自適應學(xué)習的結果只是提高了對特定書(shū)寫(xiě)者的識別率，但通過(guò)為不同人的筆跡特征向量提供不同的識別模型，就能夠從總體上提高系統的識別率。　　任何一種自適應學(xué)習算法都基于一定的識別方法。從目前已有的文獻來(lái)看，大致
關(guān)鍵字： SVM sigmoid

飛思卡爾與南京航空航天大學(xué)合作推出空間矢量調制–直接轉矩控制(SVM-DTC)解決方案

　　飛思卡爾半導體 [NYSE: FSL] 與南京航空航天大學(xué)日前聯(lián)合宣布，雙方合作推出無(wú)位置傳感器型空間矢量調制—直接轉矩控制(SVM-DTC)解決方案。該創(chuàng )新解決方案基于飛思卡爾數字信號控制器(DSC)56F8xxx系列，并極好地解決了壓縮機、風(fēng)機控制應用在綠色環(huán)保、高性?xún)r(jià)比、面市時(shí)間和自適應性等方面的多項要求。　　與當前業(yè)內采用的其它控制算法相比，SVM-DTC是一種結構簡(jiǎn)單、動(dòng)態(tài)性能良好的自適應電機控制算法，具有低噪音、低振動(dòng)等特點(diǎn)。SVM-DTC不依賴(lài)于轉子參數，控制回路較少，因
關(guān)鍵字：飛思卡爾 SVM-DTC

基于優(yōu)化GDTW-SVM算法的聯(lián)機手寫(xiě)識別

摘要：基于高斯動(dòng)態(tài)時(shí)間規整核函數(Gaussian Dynamic Time Warping kernel)的支持向量機(GDTW-SVM)在聯(lián)機手寫(xiě)識別中有較高的識別率，但是存在計算復雜度高的問(wèn)題。結合聯(lián)機手寫(xiě)識別中特征向量的特點(diǎn)，提出了通過(guò)引入
關(guān)鍵字： GDTW-SVM 算法聯(lián)機識別

基于LS-SVM的車(chē)牌圖像傾斜校正新方法

汽車(chē)牌照的自動(dòng)識別技術(shù)有重要的應用價(jià)值，是智能交通系統ITS(Intelligent Traffic System)的關(guān)鍵技術(shù)之一。牌照識別系統中圖像的獲取一般通過(guò)固定架設在通道上方及兩旁的CCD攝像機拍攝得到，理想情況下拍攝的車(chē)牌圖
關(guān)鍵字： LS-SVM 車(chē)牌圖像傾斜校正方法

基于決策導向非循環(huán)圖SVM的汽車(chē)車(chē)型識別

隨著(zhù)社會(huì )的發(fā)展，車(chē)輛越來(lái)越多，交通變得非常繁忙，城市對于公路和交通的管理已成為一個(gè)很重要的問(wèn)題。交通管理部門(mén)要實(shí)現現代化的科學(xué)管理，必須依靠交通管理系統。汽車(chē)是交通系統管理中的主要對象，能否自動(dòng)識別汽
關(guān)鍵字： SVM 循環(huán) 汽車(chē) 車(chē)型識別

基于LS-SVM非線(xiàn)性?xún)饶？刂圃诤缚p跟蹤中的運用

焊接過(guò)程中，由于工件的加工誤差、熱變形、定位誤差等各種因素的影響，經(jīng)常使焊槍偏離焊縫中心，導致焊接質(zhì)量下降...
關(guān)鍵字： LS-SVM

一種基于SVM的數字儀表顯示值識別方法

數字儀表識別在工業(yè)中應用廣泛，但各種儀表差別較大，方法也差別很多。在此提出了一種數字儀表顯示值的快速識別方法，該方法首先由計算機自動(dòng)定位分割圖像中的數字區域，并實(shí)現了單個(gè)數字的切分，然后根據數字特點(diǎn)，創(chuàng )新性地改進(jìn)了特征提取方法，對每個(gè)數字圖像提取了一組具有較高區分度，且計算簡(jiǎn)單的典型特征。最后，基于SVM識別，構造了一種數字識別器，實(shí)現了儀表顯示值的實(shí)時(shí)識別。
關(guān)鍵字：識別方法顯示儀表 SVM 數字基于

基于LS-SVM辨識的溫度傳感器非線(xiàn)性校正研究

　　引言　　在傳感器非線(xiàn)性校正領(lǐng)域，國內外許多學(xué)者提出多種方法，并得到廣泛應用，傳統方法歸納起來(lái)可分兩類(lèi)：一類(lèi)是公式法，即以實(shí)驗數據為基礎，用最小二乘等系統辨識方法求取擬合曲線(xiàn)參數，建立校正曲線(xiàn)的解析表達式;另一類(lèi)是表格法，以查表為手段，通過(guò)分段線(xiàn)性化來(lái)逼近傳感器的非線(xiàn)性特性曲線(xiàn)。　　近些年來(lái)，隨著(zhù)神經(jīng)網(wǎng)絡(luò )的發(fā)展，又有不少學(xué)者利用神經(jīng)網(wǎng)絡(luò )的非線(xiàn)性回歸能力，擬合傳感器輸出與輸入的非線(xiàn)性關(guān)系，建立傳感器傳輸特性的逆模型，從而使傳感器亦即神經(jīng)網(wǎng)絡(luò )構成的系統線(xiàn)性化。但是，該方法也存在一定的局限性，主要表
關(guān)鍵字：測試測量 LS-SVM 溫度傳感器非線(xiàn)性校正傳感器

基于STS―SVM技術(shù)的級聯(lián)型多電平變流器

在簡(jiǎn)要介紹了STS―SVM技術(shù)在級聯(lián)型多電平變流器中的實(shí)現方法的基礎上分析了其技術(shù)特點(diǎn)，并進(jìn)行了實(shí)驗驗證。
關(guān)鍵字： STS SVM 級聯(lián)型電平

共12條 1/1 1

gdtw-svm介紹

您好，目前還沒(méi)有人創(chuàng )建詞條gdtw-svm!
歡迎您創(chuàng )建該詞條，闡述對gdtw-svm的理解，并與今后在此搜索gdtw-svm的朋友們分享。創(chuàng )建詞條

gdtw-svm 文章 進(jìn)入gdtw-svm技術(shù)社區

gdtw-svm介紹

gdtw-svm資料下載

熱門(mén)主題

gdtw-svm 文章進(jìn)入gdtw-svm技術(shù)社區